Metrika

  • citati u SCIndeksu: 0
  • citati u CrossRef-u:0
  • citati u Google Scholaru:[]
  • posete u poslednjih 30 dana:8
  • preuzimanja u poslednjih 30 dana:3

Sadržaj

članak: 3 od 9  
Back povratak na rezultate
2021, vol. 6, br. 2, str. 24-31
Grafovske strukture za vizuelizaciju podataka
aInformation Technology School, Belgrade
bKriminalističko-policijski univerzitet, Beograd

e-adresastefana.janicijevic@its.edu.rs, vojkan.nikolic@kpu.edu.rs
Sažetak
Mreže su svuda oko nas. Strukture grafova su uspostavljene u jezgru svakog mrežnog sistema, pa se pretpostavlja da se grafovi shvataju kao objekti za vizuelizaciju podataka. Ti objekti rastu od apstraktnih matematičkih paradigmi do informacionih uvida i kanala povezivanja. Izračunate su bitne metrike u grafovima kao što su centralnost stepena (degree centrality), centralnost bliskosti (closeness centrality), centralnost između centralnosti (betweenness centrality) i centralnost ranga stranice i u svima njima opisuju komunikaciju unutar sistema grafa. Osnovni cilj ovog istraživanja je sagledavanje metoda vizuelizacije preko postojećih velikih podataka i predstavljanje novih pristupa i rešenja za trenutno stanje vizuelizacije velikih podataka. Ovaj rad daje klasifikaciju postojećih tipova podataka, analitičkih metoda, tehnika i alata za vizuelizaciju, sa posebnim akcentom na istraživanje evolucije metodologije vizuelizacije poslednjih godina. Na osnovu dobijenih rezultata uočavaju se nedostaci postojećih metoda vizuelizacije.
Reference
Ahmed, H., Ismail, M.A. (2020) Towards a Novel Framework for Automatic Big Data Detection. IEEE Access, 8: 186304-186322
Benzi, K., Ricaud, B., Vandergheynst, P. (2015) Principal patterns on graphs: Discovering coherent structures in datasets. IEEE Transactions on Signal and Information Processing over Networks
Diestel, R. (2000) Graph Theory. New York: Springer-Verlag, 2nd Edition
Gao, Y., Chen, X., Du, X. (2020) A Big Data Provenance Model for Data Security Supervision Based on PROV-DM Model. IEEE Access, 8: 38742-38752
Hukkeri, G.S., Goudar, R.H., Kotagi, P.R. (2019) Handling 3vs of Big Data Through Swarm Intelligence. u: 2019 4th International Conference on Recent Trends on Electronics, Information, Communication & Technology (RTEICT), Bangalore, India, 589-595
Klein, D. (2010) Centrality measure in graphs. Journal of Mathematical Chemistry, 47: 1209-1223
Levin, O., Boyd, D., Chang, W. (2015) NIST big data interoperability Framework: Framework: Volume 6, reference architecture. Gaithersburg, MD: Nat. Inst. Std. Tech, Tech. Rep. NIST.SP.1500-6
Olshannikova, E., Ometov, A., Koucheryavy, Y., Olsson, T. (2016) Visualizing Big Data. Big Data Technologies and Applications, 101-131
Pardalos, P., Du, D. (1999) Handbook of Combinatorial Optimization: The Maximum Clique Problem. Kluwer Academic Publishers
Riveros, C., Salas, J. (2020) A family of centrality measures for graph data based on subgraphs. u: 23rd International Conference on Database Theory (ICDT 2020), Schloss Dagstuhl-Leibniz-Zentrum für Informatik
Schulz, H.J., Schumann, H. (2006) Visualizing Graphs: A Generalized View. u: Tenth International Conference on Information Visualisation (IV'06)
Simonetto, P., Archambault, D., Kobourov, S. (2020) Event-Based Dynamic Graph Visualisation. IEEE Transactions on Visualization and Computer Graphics, 26(7): 2373-2386
Tsoulias, K., Palaiokrassas, G., Fragkos, G., Litke, A., Varvarigou, T.A. (2020) A Graph Model Based Blockchain Implementation for Increasing Performance and Security in Decentralized Ledger Systems. IEEE Access, 8: 130952-130965
Vitter, J.S. (2001) External memory algorithms and data structures: Dealing with massive data. ACM Computing Surveys, 33: 209-271
 

O članku

jezik rada: engleski
vrsta rada: izvorni naučni članak
DOI: 10.5937/SJEM2102024J
primljen: 17.02.2021.
prihvaćen: 10.06.2021.
objavljen u SCIndeksu: 26.11.2021.

Povezani članci

Nema povezanih članaka