搜索结果 分类目录: 其他

Trust, but Verify: Optimistic Visualizations of Approximate Queries for Exploring Big Data

作者:Dominik Moritz, Danyel Fisher, Bolin Ding, Chi Wang

发表:2017 CHI

一、简介:

探索式数据分析可以理解为一个分析多维数据的过程,主要通过探索数据分布及不同维度之间关联关系来完成分析过程。在这个过程中,最重要的两个要素是迭代探索与探索速度。近似查询(Approximate Query)是在探索式数据分析中常用的查询方法,能够在交互级别的响应时间内建立一个基于近似的可视化结果,但查询结果往往具有不确定性。本文提出了乐观可视化(Optimistic Visualization)的概念方法,并通过实验验证了其有效性。

继续阅读 =>

GraphScape: A Model for Automated Reasoning about Visualization Similarity and Sequencing

作者:Younghoon Kim, Kanit Wongsuphasawat, Jessica Hullman, Jeffrey Heer
发表:2017 CHI (Best paper honorable mention)

简介 在实际使用时,用户可能会有连续查看多个图表的需求,然而已有的推荐系统只关注单一图表。本文的作者考虑可视化之间的相似性和顺序,给出了GraphScape——一个可以结合顺序评估变换成本的有向图模型。

继续阅读 =>

TopKube: 用于实时探索时空数据的排序的数据立方体

论文:TopKube: A Rank-Aware Data Cube for Real-Time Exploration of Spatiotemporal Data

作者:Fabio Miranda, Lauro Lins, James T. Klosowski, and Claudio T. Silva

继续阅读 =>

iSphere: 交互式探索大规模图的焦点+上下文球体可视化技术

论文:iSphere: Focus+Context Sphere Visualization for Interactive Large Graph Exploration

作者:Fan Du , Nan Cao , Yu-Ru Lin

发表会议:Proceedings of the 2017 CHI Conference on Human Factors in Computing Systems. ACM, 2017

介绍

图布局是信息可视化中一个重要的任务。然而,随着数据量的增加,传统的图布局方法生成一个“好”的图布局结构越来越困难。降维方法可以将一个高维向量映射为低维空间中的向量,这和图布局的目标是类似的。尽管基于降维的图布局似乎很简单,但是这方面却少有相关的工作。这片文章基于对t-SNE降维方法提出了一个新的图布局方法,tsNET(*)。tsNET(*)将原始的图的拓扑结构表达为一个距离矩阵,并且通过对t-SNE目标函数的少许修改,达到更好的图布局结果。

通过分割显示空间在图形级别构建可视化模型

标题:Structuring Visualization Mock-ups at the Graphical Level by Dividing the Display Space

作者:Romain Vuillemot and Jeremy Boy

发表:2017 TVCG (InfoVis)

一、背景

1、可视化和艺术的设计流程

Progressive Learning of Topic Modeling Parameters: A Visual Analytics Framework

论文:Progressive Learning of Topic Modeling Parameters: A Visual Analytics Framework

作者:Mennatallah El-Assady, Rita Sevastjanova, Fabian Sperrle, Daniel Keim, and Christopher Collins

发表会议:IEEE VAST 2017

一、介绍

主题模型是一类用于将文档根据在其内部的主题分布归类的非监督机器学习方法。主要思路为,根据文档及其中的词汇建立起文档描述向量,从而求解出文档中的主题分布与每个主题中的关键词分布。主题模型是一类非监督的黑盒模型,本文希望能帮助理解主题模型的输出,并使得所用的模型适应当前数据与任务的特性,以增强模型的可靠性。而可视分析恰恰能通过人的参与和反馈,完成数据和任务驱动的模型构造过程。本文的主要贡献包括:

1.提出了一个有人参与的主题模型循序渐进改进方式

2.设计了四个根据四个任务驱动的可视化窗口

3.通过实证测试与定性实验验证了方法的有效性

继续阅读 =>

StreetVizor: Visual Exploration of Human-Scale Urban Forms Based on Street Views

论文:StreetVizor: Visual Exploration of Human-Scale Urban Forms Based on Street Views

作者:Qiaomu Shen, Wei Zeng, Yu Ye, Stefan Müller Arisona, Simon Schubiger,  Remo Burkhard, Huamin Qu

发表会议:IEEE SciVis 2017

介绍

城市的形态和人群在城市中的生活息息相关。当我们描述一个城市的时候,可以从宏观和微观两个角度。宏观的城市形态主要包括面积和人口等描述大范围的指标。而微观的城市形态是基于人的感知的,如视觉、触觉、听觉和在城市中的体验。微观的城市形态和人的生活更加密切,因此理解城市形态对于设计搞质量的城市空间非常重要。 经典的城市理论研究只是基于小范围人群的调研,不能提供更加广泛并且深入的指导性意见。而谷歌街景图忠实得记录了道路上多个地理位置的全景视角,这类似于人类的眼睛,提供了从视觉角度研究微观城市形态的方法。我们可以从街景图中查看绿化、天空和建筑等信息在城市不同区域的分布。

继续阅读 =>

浙江大学2017第八届VAG小组全明星大赛颁奖大会

Bridging From Goals to Tasks with Design Study Analysis Reports

论文:Bridging From Goals to Tasks with Design Study Analysis Reports

作者:Heidi Lam, Melanie Tory and Tamara Munzner

继续阅读 =>

华为云计算夏应龙博士来访实验室

12月18日下午,华为云计算部门的AI平台技术负责人夏应龙博士来访实验室,小组成员朱闽峰、林立文、张天野分别介绍了小组项目,包括VAUD城市大数据集成分析平台项目、全球尺度三维大气数据可视分析系统、电力仿真可视分析项目。

继续阅读 =>

第 1 页,共 15 页12345...10...最旧 »