员甚至可以考虑修改布局算法以满足他们

shimlaseo9@gmai

  网络布局算法通常尝试根据最小化边缘交叉和最小化相似节点之间的距离等标准进行优化。定义节点相似度的方法有多种，但在布局算法中，通常基于节点之间共享的边数。  最常见和广泛使用的布局之一是力导向布局。这种设计有很多变体，但基本思想是边缘充当弹簧，节点充当吸引子，并且运行某种物理模拟以允许节点根据作用在其上的力来调整其位置。   例如，请参阅使用强制导向布局的 wiki 的下图：  该图像的 alt 属性为空； 它的文件名是  楚地显示了几个底层层次结构、集群和孤立的节点。




其他流行的布局包括径向、气球和分层方法。作为示例，请考虑气球（左）和 德国电话号码数据 径向（右）布局的比较：  许多布局算法可以在一些用于网络可视化的免费开源工具中找到。  当网络毛团可以修复时 随着链接和节点数量的增加，节点链接图很容易变得混乱。考虑一下蛋白质相互作用的图：  该图像的 alt 属性为空； 它的文件名是 出于显而易见的原因，这些被称为网络“毛团”。杂乱的图表使得在数据中发现困难或不可能。幸运的是，有多种方法可以解决网络混乱问题。  一种选择是调整上面提到的视觉属性。节点或边是否太大？能否将节点或边缘设为半透明以减少重叠的阻碍？  另一种方法是通过改变布局算法。尝试您正在使用的工具中的不同布局选项。




编码人 的需求。  最后值得一提的技术是边缘捆绑，这是边缘本身的布局算法。简而言之，这种方法将相似的边拉在一起，有点像将道路合并成高速公路。考虑一下美国航空旅行路径网络中的边缘捆绑：  该图像的 alt 属性为空； 它的文件名是edge 络布局技术，而且从根本上重新思考我们如何可视化和分析我们周围的网络。  移动端数据可视化 例如，移动数据可视化是由于智能手机和平板电脑用于数据处理的使用增加而产生的一种改进。我们使用大量的图形、动画等来使流程变得更简单、更高效。但它仅适用于响应式屏幕尺寸和图像分辨率。  这就是为什么我们现在不能缩减适合移动设备的解决方案的原因。