Системные представления знаний в инвариантной структуре блочно-модульного содержания на примере темы «пространственные кривые». Совместное решение геометрических задач и задач визуализации с использованием компьютеров, страница 7

·  при построении графика, на котором отображен разрыв первого рода, происходит сбой работы программы, не приводящей к критическим последствиям (перезагрузка системы, потеря данных), но влекущем дальнейшее неудобство при работе с программным продуктом.

Причина первой проблемы заключалась в том, что графики окрашивались в фиксированное количество цветов равное восьми (цвета хранились в ограниченном массиве). Таким образом, мы столкнулись с проблемой переполнения массива данных при построении 9–го и более графиков, так как  для их визуализации программа обращалась за пределы ограниченного массива, это приводило к ошибке. Для решения данной проблемы была создана собственная цветовая палитра. В основу была положена стандартная цветовая схема RGB, содержащая 16 777 216 цвета (256³).

Возникла новая проблема, при такой большой цветовой палитре графики при визуализации становятся малоразличимы между собой. Решение проблемы достигалось применением метода квантования к палитре цветов: сама палитра генерируется непосредственно перед построением графиков. Таким образом, мы получили динамическую палитру. Это позволяет иметь максимально контрастное изображение в итоге.

Подробней о том, как происходила генерация палитры методом квантования.

Представим куб с ребром 256, оси которого означают определенные цвета R,G,B и могут принимать значение от 0 до 255. Любая точка этого куба - цвет, а координаты точки – его параметры в схеме RGB (интенсивность каждого из составляющих цветов). Необходимо было разбить куб. При этом разбиваем куб на оптимальное количество кубиков, близкое к необходимому количеству цветов. Соответственно центры кубов (точнее их координаты) составили новую палитру.

Проблема  реализации построения графика, имеющего разрыв первого рода, разрешилась введением «шумов» в набор данных, на основании которых осуществлялось построение графиков. Две подряд идущие точки, имеющие общую абсциссу, преобразовывались в две точки, имеющие близкие по значению абсциссы, отличающиеся на коэффициент «шума». Таким образом, можно избежать ситуации деления на нуль. Эта проблема возникла исключительно из-за особенностей использования библиотеки JSci.

Дальнейшая работа велась при использовании других графических библиотек. Ниже остановимся на одной из них.

Библиотека JFreeChart.

Преимущества данной библиотеки: качество графики выше, чем в библиотеке JSci; имеется возможность масштабирования изображения и сохранения графиков в формате png, и т.д. Главное преимущество – наличие различных типов графиков, это позволило расширить набор методов визуализации данных.

Осветим недостатки этой библиотеки, с которыми мы столкнулись в течение работы:

·  существующие ограничения при построении графиков с качественными атрибутами.

При решении этой проблемы можно отказаться от работы с качественными данными и перейти к данным количественным. Качественные атрибуты заменяются на количественные, например, заменяются порядковым номером. Впоследствии на момент отображения графика, преобразуются обратно в исходный тип данных. Данная модификация была внесена в стандартную библиотеку, для дальнейшего использования.

Рассмотрим другие доработки данной библиотеки.

Для визуализации нормального распределения (или других функций, которые приходится рассчитывать самому, а не использовать при построении готовые точки) нельзя пользоваться стандартным подходом построения графиков, а именно построение графика с фиксированным шагом. Необходимо рассчитывать шаг, для каждого из отображаемых графиков. Иначе возможна ситуация, когда импульс, соизмеримый с шагом, может пропасть с графика, а пологий и длинный сигнал займет большое время для расчетов и отображения графика.

В таких случаях мы задаем не шаг, а количество точек, необходимых для снятия данных, на каждый  график. То есть и импульс, и пологий график будут иметь одинаковое количество точек, но различный шаг. Этот подход позволяет отображать большое количество данных на одном графике с минимальной затратой ресурсов. Для гладких и монотонных графиков зачастую хватает 500 точек.