Способы визуализации информации реферат

Визуализация данных

Наглядное представление массивов различной информации в компьютерной графике. Типы визуализации: схематическая, концептуальная, стратегическая, графическая, комбинированная. Виды сравнения данных: покомпонентное, позиционное, временное, частотное.

Рубрика	Программирование, компьютеры и кибернетика
Вид	контрольная работа
Язык	русский
Дата добавления	20.12.2015
Размер файла	1,4 M

Отправить свою хорошую работу в базу знаний просто. Используйте форму, расположенную ниже

Студенты, аспиранты, молодые ученые, использующие базу знаний в своей учебе и работе, будут вам очень благодарны.

Размещено на http://www.allbest.ru/

Визуализация (от лат. visualis, «зрительный») — общее название приёмов представления числовой информации или физического явления в виде, удобном для зрительного наблюдения и анализа.

В компьютерной графике визуализацией называют процесс получения изображения по модели.

Визуализация данных — это наглядное представление массивов различной информации.

Существует несколько типов визуализации:

· Обычное визуальное представление количественной информации в схематической форме. К этой группе можно отнести всем известные круговые и линейные диаграммы, гистограммы и спектрограммы, таблицы и различные точечные графики.

· Данные при визуализации могут быть преобразованы в форму, усиливающую восприятие и анализ этой информации. Например, карта и полярный график, временная линия и график с параллельными осями, диаграмма Эйлера.

· Концептуальная визуализация позволяет разрабатывать сложные концепции, идеи и планы с помощью концептуальных карт, диаграмм Ганта, графов с минимальным путем и других подобных видов диаграмм.

· Стратегическая визуализация переводит в визуальную форму различные данные об аспектах работы организаций. Это всевозможные диаграммы производительности, жизненного цикла и графики структур организаций.

· Графически организовать структурную информацию с помощью пирамид, деревьев и карт данных поможет метафорическая визуализация, ярким примером которой является карта метро.

· Комбинированная визуализация позволяет объединить несколько сложных графиков в одну схему, как в карте с прогнозом погоды.

Визуальная информация лучше воспринимается и позволяет быстро и эффективно донести до зрителя собственные мысли и идеи. Физиологически, восприятие визуальной информации является основной для человека. Есть многочисленные исследования, подтверждающие, что:

· 90% информации человек воспринимает через зрение

· 70% сенсорных рецепторов находятся в глазах

· около половины нейронов головного мозга человека задействованы в обработке визуальной информации

· на 19% меньше при работе с визуальными данными используется когнитивная функция мозга, отвечающая за обработку и анализ информации

· на 17% выше производительность человека, работающего с визуальной информацией

· на 4,5% лучше воспоминаются подробные детали визуальной информации.

При покомпонентном сравнении, мы, прежде всего, показываем размер каждого компонента в процентах от некоего целого.

> В мае продажи продукции А составили наибольшую долю в общем объеме продаж компании.

> Доля рынка клиента в 2014 г. составляет менее 10 % рынка отрасли.

> Почти половина корпоративных ресурсов привлечено из двух источников.

Увидев слова «доля», «проценты от целого», «составило X %», вы можете быть уверены, что имеете дело с покомпонентным сравнением.

Покомпонентное сравнение данных лучше всего демонстрируется при помощи круговой диаграммы. Поскольку круг создает прекрасное впечатление целого, круговая диаграмма идеально подходит для выполнения единственной цели покомпонентного сравнения — показать каждую долю как определенный процент от целого (к примеру, доли продаж каждой компании в отрасли).

При позиционном сравнении мы выявляем, как объекты соотносятся друг с другом — одинаковы ли они, больше или меньше других. Например:

> В мае продажи продукции А превысили продажи продукции Б и В.

> Выручка клиента от продаж находится на четвертом месте.

> Текучесть кадров в шести подразделениях примерно одинакова.

Ключевыми словами для позиционного сравнения являются: «больше чем», «меньше чем», «равно».

Для иллюстрации позиционного сравнения лучше всего подходит линейчатая диаграмма.

Этот вид сравнения — один из наиболее распространенных. В данном случае нас интересует не размер каждой доли в сравнении с целым, не соотношение долей, а то, как они изменяются во времени — что происходит с определенными показателями на протяжении недель, месяцев, кварталов, лет — возрастают ли они, снижаются, колеблются или остаются неизменными. Например:

> Продажи в январе неуклонно росли.

> Рентабельность инвестиций за последние пять лет резко сократилась.

> Ставки процента в течение последних семи кварталов колебались.

Ключевые слова в данном случае: «изменяться», «расти», «убывать», «возрастать», «снижаться», «колебаться» и т. д.

Данный тип сравнения лучше всего иллюстрировать при помощи гистограмм или графиков. Выбрать, что именно использовать, просто. Когда вам нужно показать лишь несколько значений (скажем, семь или восемь), используйте гистограмму. Для демонстрации поквартальных изменений за 20 лет правильнее использовать график.

Частотное сравнение. массив компьютерный графика визуализация

Данный вид сравнения помогает определить, сколько объектов попадает в определенные последовательные области числовых значений. Например, частотное сравнение используется для того, чтобы показать, сколько работников зарабатывают менее чем 30 тыс. долл., сколько

— 30-60 тыс. долл. и т. д.;

— сколько жителей относятся к возрастной группе до 10 лет, сколько — от 10 до 20, от 20 до 30 и т. д.

Примеры типичных формулировок такого вида:

> В мае сделки в основном заключались в диапазоне от одной до двух тысяч долларов.

> Большая часть грузов была получена за 2-5 дней.

> Возрастная структура штата нашей компании сильно отличается от структуры штата нашего конкурента.

Термины, характерные для этого вида сравнения, — «в диапазоне от х до у», «концентрация», «частотность» и «распределение».

Частотное сравнение показывает, сколько значений данного параметра (частотность) попадает в последовательные области числовых значений.

В вышеназванных целях данный тип сравнения лучше всего иллюстрировать с помощью ступенчатых гистограмм или графиков.

Корреляционное сравнение показывает наличие (или отсутствие) зависимости между двумя переменными. Например, обычно ожидается, что при увеличении объемов продаж возрастает прибыль или что при увеличении скидок возрастают объемы продаж.

Если формулировка вашей идеи содержит такие слова, как «относится к», «возрастает при (в случае)», «снижается при (в случае)», «меняется при (в случае)» или, наоборот, «не возрастает при (в случае)» и т. д., это указывает на применение корреляционного сравнения.

> Результаты продаж в мае демонстрируют отсутствие взаимосвязи между объемом продаж и опытом продавцов.

> Зарплата исполнительных директоров не зависит от размера компании.

> Страховая сумма возрастает при росте доходов индивидов.

Подобные сравнения лучше всего иллюстрируются при помощи точечных (рассеянных) или двусторонних линейчатых диаграмм.

Показать долю книг с грифом в общем числе продаваемых книг. Сортируем таблицу по полю ГРИФ.

Выполняем операцию «Итоги» по полю ГРИФ.

Оставляем только промежуточные итоги.

Строим круговую диаграмму по полю «Исх. цена».

Теперь надо построить диаграмму, отражающую долю книг по годам.

Показать с помощью линейчатой диаграммы стоимость книг автора Смирнова Б.А. Включаем Автофильтр и оставляем только книги соответствующего автора.

По данным полученной таблицы строим линейчатую диаграмму.

Теперь строим линейчатую диаграмму, отражающую цены книг в 2014 году по авторам.

А так же надо построить линейчатую диаграмму цены книг с грифом в 2014 году.

Добавим в исходную таблицу новое поле «Гонорар автора», как 27% от цены с НДС.

На основе данной таблицы построим сводную таблицу по годам для автора Смирнова.

На основе этой сводной таблицы автоматически строим сводную диаграмму, отражающую гонорары автора Смирнова по годам.

Теперь построим график изменения гонораров авторов по годам, заменив некоторые года в исходном файле на отсутствующие.

Для полученной в предыдущем задании таблицы построить гистограмму распределения выпуска книг по годам.

Строим сводную таблицу

На основу сводной таблицы строим сводную диаграмму.

Теперь надо построить гистограмму, отражающую распределение по годам количества книг с грифом и без грифа.

Построим точечную диаграмму гонораров авторов.

Из этого мы можем седлать такой вывод, что визуализация — это мощный инструмент донесения мыслей и идей до конечного потребителя, помощник для восприятия и анализа данных. Но как и все инструменты, ее нужно применять в свое время и в своем месте. В противном случае информация может восприниматься медленно, а то и некорректно.

При умелом применении визуализация данных позволяет сделать материал впечатляющим, нескучным и запоминающимся.

Список используемой литературы

1. Дж. Желязны. Говори на языке диаграмм. Пособие по визуальным коммуникациям для руководителей. Пер. с англ. — М.: Институт комплексных стратегических исследований, 2014.

2. Касьянов В. Н., Касьянова Е. В. Визуализация графов и графовых моделей. — Новосибирск: Сибирское Научное Издательство, 2010.

3. Апанович З.В. Методы визуализации информации — Компьютерные инструменты в образовании , 2010.

Размещено на Allbest.ru

Подобные документы

Освоение методов манипуляции параметрами SVG изображений при помощи JavaScript и возможности по анимации в современных браузерах. Интерфейс и структура модуля визуализации данных. Определение аномальных данных и их определение, реализованные типы.

курсовая работа [1,7 M], добавлен 20.05.2014

Назначение разработанных программных средств. Визуализации иклинометрии и каротажа. Изучение структуры баз данных, используемых в приложении. Встроенные типы данных Oracle и описание разработанных методов. Взаимодействие пользователя с экранной формой.

курсовая работа [1,1 M], добавлен 14.08.2014

Обзор существующих решений на основе открытых данных. Технологии обработки данных и методы их визуализации. Социальные сети для извлечения данных. Ограничение географической локации. Выбор набора и формат хранения открытых данных, архитектура системы.

курсовая работа [129,5 K], добавлен 09.06.2017

Алгоритмы обработки массивов данных. Система управления базами данных. Реляционная модель данных. Представление информации в виде таблицы. Система управления базами данных реляционного типа. Графический многооконный интерфейс.

контрольная работа [2,8 M], добавлен 07.01.2007

Что такое базы данных, визуализация информации базы. Структура и свойства простейшей базы данных. Характеристика определений, типов данных, безопасность, специфика формирования баз данных. Подходы к проектированию технического задания. Работа с таблицами.

презентация [4,3 M], добавлен 12.11.2010

Разработка программ на языке Turbo Pascal на основе использования массивов данных. Особенности хранения данных, способы объявления переменных, действия над элементами массивов, их ввод и вывод. Практическое применение одномерных и многомерных массивов.

методичка [17,8 K], добавлен 25.11.2010

Характеристика программных геномных средств для визуализации, которые облегчают анализирование задач и позволяют исследовать, изучать, толковать и управлять своими данными. Визуализация секвенирования данных. Изучение возможностей геномных браузеров.

реферат [37,9 K], добавлен 11.11.2010

Источник

Реферат: Методы визуализации информации – наукоемкое направление современных ит

Методы визуализации информации – наукоемкое направление современных ИТ Апанович З.В. Введение
В последние годы возникли и стремительно развиваются такие научные направления как визуализация информации и визуальная аналитика. Количество теоретических исследований в этих областях возрастает, благодаря быстро расширяющемуся спектру промышленных приложений. Теоретическую основу методов визуализации информации и визуальной аналитики составляют методы рисования и визуализации графов. Эта область является одной из наиболее наукоемких областей современных информационных технологий. Для работы в области визуализации информации, помимо знакомства с теорией графов, необходимо достаточно глубокое знакомство с компьютерной геометрией, компьютерной графикой и методами вычислений. Именно наукоемкость методов визуализации информации может дать несомненные преимущества российским программистам на мировом рынке информационных технологий, традиционно имеющим хорошую математическую подготовку. В отличие от европейских и американских университетов, в программу обучения которых методы визуализации информации вошли достаточно прочно [11], в России подобные курсы почти полностью отсутствуют.

Одной из основных трудностей в преподавании подобного курса в России является практически полное отсутствие как русскоязычной литературы, касающейся алгоритмов визуализации графов и структур данных, используемых для их эффективной реализации, так и учебных курсов, посвященных этой важнейшей области 3. В течение последних пяти лет автором этой статьи читается курс, посвященный методам визуализации информации на основе графовых моделей, в Новосибирском государственном университете. В этом курсе рассматриваются теоретические основы построения изображений деревьев и графов, а также дается большое количество примеров реальных приложений, использующих изученные методы для визуализации информации. Данная статья дает общее представление о созданном курсе.
^ 2. Примеры типичных приложений, использующих методы визуализации графов
Алгоритмы визуализации графов имеют огромное количество областей применения. Большинство людей сталкивались с файловой иерархией на компьютере. Эта иерархия может быть изображена в виде дерева, которое является частным случаем графа. Другие знакомые типы графов включают иерархии, представимые организационными диаграммами и таксономии, которые отражают отношения между разными видами. В биологии и в химии, методы визуализации графом применяются к деревьям эволюции, филогенетическим деревьям, молекулярным картам, генетическим картам, визуализации генных сетей, графов экспрессии генов и сигнальных путей. Их области применения включают также графы потоков данных, потоков управления и вызовов подпрограмм, используемые при разработке программного обеспечения, и системы реального времени, представленные сетями Петри.

Визуализация ЕRТ-диаграмм применяется в системах управления базами данных, PЕRТ-диаграмм – в системах управления проектами, весьма популярными в бизнес приложениях являются визуализации CRM-диаграмм, изображающих отношения с клиентами. Методы визуализации графов необходимы при анализе данных разведки, включая бизнес-разведку. При разработке средств вычислительной техники визуализируют схемы приборов и диаграммы конечных автоматов. Среди новых приложений следует отметить методы изображения знаний, в частности, онтологии, тезаурусы и семантические карты, а также визуализации для решения задач сетевой безопасности. Красивые изображения графов и сетей используются на обложках книг, журналов, и как сырье для всевозможных произведений искусства.

Наукоемкие продукты, использующие методы визуализации информации, широко распространяются на мировом рынке в течение последних 10-15 лет. Имеются фирмы, поставляющие библиотеки и программные комплексы, ориентированные на визуализацию графов общего назначения (Tom Sawyer software, ILOG software, Algorithmic Solutions Software GmbH, yWorks), а также системы визуализации программного обеспечения (Imagix Corporation , Absint и др.). Вместе с тем появляется все больше фирм, специализирующихся на визуализации бизнес-информации, необходимой аналитикам различных предприятий и ориентированной на профиль тех или иных предприятий (Enterprise Solutions). Одной из старейших компаний этого направления является фирма Inxight Software, Inс, поставляющая средства визуализации информации для финансовых и биологических фирм. Наконец, совсем недавно появились компании, поставляющие на рынок продукты, использующие новые методы из области визуализации информации, так называемые методы визуальной аналитики. Среди растущего семейства инструментов визуальной аналитики процветает программное обеспечение фирмы HiveGroup, использующее визуализацию иерархических данных на основе Карты Дерева (Treemap) и поставляемое организациям, которым требуется ежедневный мониторинг сложной деятельности с участием тысяч продуктов, проектов и продавцов. Компания Advanced Visual Systems (AVS) поставляет на рынок продукты, позволяющие топ-менеджерам корпораций получать единую картину их бизнеса, а ведущая корпорация в области сервис-ориентированной архитектуры TIBCO приобрела недавно компанию Spotfire вместе с ее платформой Enterprise Analytics.
^ 3. Цели и содержание курса по визуализации информации на основе графовых моделей
Основной целью данного курса является обучение студентов существующим методам визуализации, дающее им понимание сильных и слабых сторон различных методов, с тем, чтобы они были в состоянии осознанно выбирать и применять подходящие методы визуализации в их практической деятельности, критиковать, предлагать улучшения и создавать новые способы визуализации для новых приложений и новых типов данных. Курс состоит из следующих разделов:

Введение в методы и средства визуального анализа на основе графовых моделей.

Методы построения статических изображений деревьев для анализа иерархической информации, теоретические оценки.

Методы визуализации и навигации для графов и деревьев на основе техники «Фокус+контекст».

Вспомогательные методы. Двусвязные графы, построение st-нумерации для двусвязных графов.

Методы построения изображения планарного графа и области их применения.

Информация, представимая с помощью ориентированных графов, и методы их визуализации

Информация, представимая с помощью неориентированных графов, и методы визуализации, основанные на физических аналогиях.

Иерархические методы визуализации и навигации для графов

Задача кластеризации графа

Вводная лекция курса начинается с примеров визуализации графов, таких как генеалогические деревья или квадраты оппозиции, при помощи которых обучались логике студенты средних веков. Затем демонстрируется примеры современных научных и коммерческих приложений визуализации информации, таких как изображения структуры организаций, карты рынка, деревьев эволюции, социальных сетей, лингвистических онтологий, транспортных схем, фотоархивов, цифровых библиотек и других. Затем дается математическая формулировка задачи построения графа, рассматриваются эстетические критерии, используемые при оценке качества изображения, и основные стили при построении изображений графов, а также проблемы, возникающие при работе с реальными приложениями.

Раздел, посвященный методам построения статических изображений деревьев для анализа иерархической информации, является весьма обширным и занимает 5 лекций [10]. Сначала рассматриваются специфические эстетические критерии, используемые при визуализации деревьев, связанные с необходимостью изображения иерархий, а также объясняется разница между изображениями типа диаграммы связей вершин и методами заполнения пространства.

Методы построения диаграмм связей вершин рассматриваются на примере нескольких алгоритмов. Сначала подробно рассматривается алгоритм Рейнгольда-Тилфорда построения поуровневого изображения бинарных деревьев и алгоритм Валкера для деревьев произвольной степени, а также структуры данных, необходимые для реализации поуровневого алгоритма за время O(n). Далее рассматриваются несколько методов визуализации деревьев, используемых для построения изображений с наилучшей площадью и управляемым коэффициентом формы, дается понятие алгоритмов построения изображения на основе выбора пути в дереве и на основе разделителей. Рассмотрение радиального алгоритма построения изображений свободных деревьев сопровождается демонстрацией приложений, DiskTree, MoireTree и GnutellaVision, использующих этот алгоритм. Знакомство с методами построения диаграмм связей вершин завершают несколько вариантов круговых изображений деревьев.

Рассмотрение методов заполнения пространства начинается с группы наиболее известных алгоритмом этой группы, объединенных общим названием «карта дерева»(Treemap), которые выводят на новый уровень возможности визуализации иерархической информации, позволяя изображать не только структурные свойства, но и численные атрибуты различных иерархий. Рассматривается три алгоритма этой группы: метод продольно-поперечного сечения, квадрифицирующий и полосковый алгоритмы. Рассматриваются также различные схемы применения этих алгоритмов в случае глубоких иерархий, а также радиальные методы заполнения пространства и карты дерева на основе диаграмм Вороного. Затем демонстрируется использование этих алгоритмов в конкретных приложениях бизнес-аналитики.

Отдельная лекция курса посвящается вопросам построения интерактивных изображений. Наибольшее внимание в ней уделяется методам, специфическим для работы с информацией. В ней, например, рассматривается методика навигации по дереву на основе функции степени интереса и демонстрируется реализация этой методики на примере приложений DOI-tree и Space-Tree. Также большое внимание уделяется методам геометрического и семантического искажения, представляющих группу методов «Фокус+контекст». В частности, рассматривается построение искажения «Рыбий глаз» на основе функций нелинейного увеличения, включая методы построения интерактивных изображений на основе гиперболической геометрии и знакомство с приложением StarTree. Методы кусочно-линейного увеличения рассматриваются на примере модели «Резиновый жгут». Демонстрируется применение этой модели для сравнения структуры филогенетических деревьев, а также применение модели «Резиновый жгут» в сочетании с радиальным алгоритмом для визуализации лингвистической онтологии.

Весьма существенное место в данном курсе занимает раздел, посвященный методам визуализации планарных и разреженных графов. Знакомство с этими методами требует достаточно глубоких знаний в области теории графов, поэтому пришлось включить в курс две лекции, посвященные основным свойствам планарных графов, алгоритму проверки планарности графов на основе st-нумерации и построению комбинаторной укладки графа, а также алгоритму канонического упорядочения вершин максимальных планарных графов. Затем описывается алгоритм построения прямолинейного сетчатого изображения для планарных графов на основе канонического упорядочения, дается оценка площади получаемого изображения и оценка сложности алгоритма.

При построении ортогональных изображений графов возможно использование двух различных стратегий. Во-первых, существует эвристическая процедура линейной сложности, использующая вспомогательные изображения, называемые обзорными. Для знакомства с этой стратегией вводится понятие сильного и слабого обзорного представления и дается алгоритм построения сильного обзорного представления триангулированного планарного графа на основе канонического упорядочения вершин. Затем описывается эвристическая процедура построения ортогонального изображения на основе обзорного представления и эвристическая процедура минимизации сгибов полученного изображения.

Вторая стратегия позволяет строить ортогональные изображения графов с минимальным количеством сгибов. Эта процедура использует комбинаторную укладку графа, полученную в результате теста на планарность, и строит по этой укладке ортогональное изображение. Центральной частью этой стратегии является алгоритм построения сети по комбинаторной укладке и сведение задачи минимизации сгибов к поиску потока минимальной стоимости в построенной сети. Результатом применения обеих стратегий является построение ортогонального представления, к которому может быть применена процедура компактизации для вычисления окончательных размеров ортогонального изображения графа.

Методы визуализации неориентированных графов, основанные на физических аналогиях, являются самым распространенным инструментом при визуализации информации. Две лекции курса посвящены наиболее известной группе алгоритмов, используемых для построения изображений неориентированных графов [9]. К этой группе относятся «пружинные алгоритмы», алгоритмы, имитирующие действие сил гравитации и магнитные силы, а также алгоритмы, основанные на минимизации энергии. Классическими представителями этой группы алгоритмов являются алгоритм Фрюхтермана-Рейнгольда и алгоритм Камады-Кавая. Рассматривается также проблема повышения эффективности силовых алгоритмов размещения за счет применения многоуровневых методов на примере метода Барнеса-Хата.

Также весьма подробно на протяжении трех лекций рассматривается методика построения поуровневого изображения ориентированных графов [8]. Рассматриваются основные этапы стратегии Сугиямы: разбиение множества вершин на слои, упорядочение вершин на одном уровне с целью минимизации количества пересечений ребер, вычисление координат каждой вершины и проблема изображения ребер графа. Еще одна лекция посвящена различным иерархическим моделям представления графов. Вводится понятие составного графа, подробно описывается методика построения изображения составных графов, на примере системы VCG, а также демонстрируется альтернативный подход к построению изображения составных графов на примере программы D-Abductor.

Рассмотрение иерархических методов невозможно без рассмотрения методов кластеризации графов, поэтому одна лекция курса посвящена этой теме. Рассматриваются целевые функции, используемые при разбиении графа и эвристические методы их оптимизации, такие как алгоритм Kernighan-Lin, алгоритм Fiducchia–Mattheyses и методы многуровневого разбиения вершин графа на примере подсистемы hMetis.

Помимо представления теоретического материала, весьма полезны обсуждения, инициированные следующими вопросами:

Можно ли модифицировать алгоритм ( указание конкретного алгоритма), с тем, чтобы появилась возможность визуального анализа новых свойств изображаемой информации?. Если да, то как именно?

Какие недостатки Вы видите в изученном алгоритме (изображениях, создаваемых при помощи изученного алгоритма) и как Вы бы предложили устранять эти недостатки?

Следует заметить, что одной из важнейших компонент обучения европейских и американских студентов методам визуализации информации является их участие в соревнованиях, которые ежегодно организуются в рамках таких авторитетных конференций, как IEEE VAST.
Заключение
При создании данного курса использовались материалы курсов по визуализации графов и визуализации информации, читаемых в европейских университетах и университетах США. Опыт преподавания данного курса в Новосибирском государственном университете показал его полезность при подготовке специалистов, работающих в области ИТ, в таких областях, как искусственный интеллект и молекулярная биология. В настоящий момент заканчивается подготовка к публикации первой части учебного пособия по данному курсу.
Литература
Апанович З. В. Средства для работы с графами большого объема: построение и оптимизация компоновочных планов. // Системная информатика. Вып. 10: Методы и модели современного программирования. — Новосибирск: Издательство СО РАН — 2006. — С. 7-58.

Апанович З.В. Программа курса «Комбинаторные алгоритмы анализа и синтеза графовой информации // Сборник учебно-методических материалов по программированию и информатике НГУ, 2007. — С. 26-32.

Апанович З.В. Методы интерактивной визуализации информации//Проблемы управления и моделирования в сложных системах: Труды X Международной конференции (Самара, 23-25 июля 2008 г.) .— 2008.— С. 478-489.

Апанович З.В. Методы навигации при визуализации графов// Вестник НГУ, Том 6, выпуск 3.— 2008.— С. 35-47 .

Апанович З.В. Методы заполнения пространства и их применение для визуализации информации и бизнес-аналитики// Проблемы управления и моделирования в сложных системах: Труды XI Международной конференции (Самара, 22-24 июня 2009 г.) .— 2009.— С. 563-572.

Евстигнеев В.А., Касьянов В.Н. Графы в программировании: обработка визуализация и применение. БХВ Петербург. 2003.

Источник