“IP地址鬼屋”出现的原因分析

基于多层特征的空间信息网络可视化LucaRossi等人最早讨论了多层网络的可视化策略，他们认为虽然有部分学者逐渐集中到多层网络的研究分析上来，但目前还没有针对这一内容提出专业的可视化方法，而解决当前问题的方案只能依靠传统的方法。

DeDomennicoM等人基于自主研发的可视化工具MuxViz完成了项目MULTIPLEX，然而，该平台目前只能实现概念演示，尚不支持交互式可视分析，其实质是一个用于多层网络可视化的实验性质的平台。在社会网络领域，将传统网图的思想应用到多层网络布局中是一种展示网络层次结构特征的有效途径，M.Magnani等人采用社会关系网图实现了对社会网络层次拓扑结构的可视化，如图所示。多层网络的社会关系网图如上图所示，为包含5层连接关系的多层网络社会关系网图。左图中在显示单一连接关系时，社会关系网图能够清晰展示节点聚类关系，但是在考虑多类型连接关系时，右图中，连接关系的多样性和复杂性造成了聚类不明显、连边重叠和关系错乱以及密度位置信息丢失等问题。

出现上述问题是该思路的一个弊端，也即会使有关层之间的结构信息会完全丢失。

为了解决多层网络层次信息丢失问题，一种名为增广节点属性的方法被提出。该方法为分属不同层的连边和节点着色，通过不同的颜色来区分层次信息，生成增广信息的社会关系网图，虽然这种方法获得的可视化结果更漂亮，但是事实上增加的信息量相对较少，虽然某些密集区域能够被观察到，但是几乎不可能理解它们与多层网络结构有什么关联。

W.Longabaugh等人提出基于某个特定的矩阵确定节点和连边的位置顺序建立序列社会关系网图，该方法通过序列社会关系网图不仅可以得到网络节点度分布的概览信息，还能考察邻居节点、距离、连边类型和同配性（或异配）等信息，然而，这种方法基本不能直观展示网络的拓扑结构。焦点+文本时变可视化绘制方法罗格斯大学的JamesAbello等人针对在大规模动态网络中追踪时间的改变会使一些网络节点信息的丢失等问题，提出了一种基于模块化兴趣度描述的可视分析方法，该方法基于相邻结构信息、大量节点/连边属性和演化信息，从而实现相应的可视化。

德国斯加特大学F.Beck等人认为动态网络可视化的主要挑战在于如何易读、易测量和设计有效算法去呈现不同实体的演化关系，他们通过系统地归类和标记已公开发表的方法，系统阐述了分析动态网络可视化的发展现状，如图所示。

分层分类动态网络可视化方法

埃因霍芬理工大学的S.vandenElzen等人针对动态网络可视分析已有方法的不完善，提出一种将时间快照缩小为点方法，从而实现将网络从高维降低到二维进行可视化和交互，该方法主要包括离散化、向量化、标准化、降维和交互5部分，该方法针对部分人造和真实网络起到了有效的展示，其流程步骤如下图所示。

“快照-点”动态网络可视化技术

ChenhuiLi等人研究了基于模块的大规模网络数据可视化，通过设计和开发ModuleGraph系统，基于该系统开展了社交网络和空间网络的动态结构展示。

在国内，杭州电子科技大学的刘真等人从动态网络数据模型和可视化标准、基本动态图可视化方法和面向多任务的可视分析几个方面较为系统的综述了当前动态网络可视化和可视分析的发展现状，是国内较为少数的动态网络可视化方面的研究文献。笔者在前期的研究中，重点从网络布局、属性可视化和用户交互三个角度综述了动态网络可视化的典型技术和方法。

【总结】

网络可视化能够充分利用人类视觉感知系统，将网络数据以图形化方式展示出来，一方面辅助用于认识网络的内部结构，另一方面有助于挖掘网络内部的有用价值，其实质是信息可视化的子类。当前，普遍有一种观点认为数据可视化是科学计算可视化、信息可视化和可视分析的统称。数据可视化技术已经覆盖到人们生活、工作、学习和生活的方方面面，特别是互联网的广泛普及、移动终端的广泛使用，人们在享受科技发展红利的同时，也基于可视化技术真正地实现了“一图胜千言”。网络可视化能够通过形式化的方式将网络数据进行展示，并实现进一步的可视分析，面对空间信息网络的多维特征，可视化技术为分析其特征提供了一种新的思路和方法。与其它可视化一样，面向空间信息网络的多特征可视化也存在一些基本的功能和性能要求。如要在整个可视化过程中满足基本美学准则（Aestheticscriterion），始终能够保持用户的意向图（Mentalmap）等,其基本美学准则主要用于指导清除网络中的视觉混乱现象，包括边交叉数量最小、邻接点要相互靠近、直线边、边布局要保持整体平衡、节点布局要形成层次、布局准则一致性和网络边可追溯性等准则；意向图主要是指无论是对其进行多层可视化，还是进行动态可视化，用户不需要反复调整其对可视化后网络的新认识和新感知，满足于这些功能和性能的需求才能达到理想的可视化效果。网络空间信息可视化过程可归纳为:首先获取网络空间重点相关数据信息,以便于计算机读取和识别