搜索结果 文章归档: 五月 2013

用于可视比较的交互手段

论文:Interaction Support for Visual Comparison Inspired by Natural Behavior

会议:Infovis 2012

作者:Christian Tominski, Camilla Forsell, and Jimmy Johansson

可视比较是交互式数据探索和分析的固有部分,本文提出了三种具有较高通用性的交互技术,side by side,shine through和folding,如图所示: 继续阅读 =>

Web可视化工具D3

1、为什么需要D3

硬件产品和交互设备的多样化使得可视化设计工具面临新的技术难题。理想情况下,可视化工具需要支持从桌面应用到web应用以及多触点移动设备,同时还需要紧随硬件发展的趋势,如多核计算以及特殊的图形硬件。Protovis提供了JavaScript和Java的实现版本支持异构平台,D3是Protovis的后续产品同样具备跨平台的特性。D3与Protovis最大的差异在于用户能够更直接地使用SVG,比Protovis更灵活。同时D3的性能要胜于Protovis,特别是在动画方面,主要原因在于D3只有变化的属性才被更新而不是重新绘制整个场景。目前Protovis已停止开发,全面转向D3。 继续阅读 =>

“标注”的可视化之旅

论文:Just-in-Time Annotation of Clusters, Outliers, and Trends in Point-based Data Visualizations

会议:VAST 2012

作者:Eser Kandogan

大家都在如何投影、自动聚类等算法上纠结反复的时候,Eser直截了当地在可视化的原图上做标注,也在挖掘信息上取得了不错的结果,为用户提供了明确的语义指导。

顾名思义,文章主要的集中在三种特征的标注上——聚类、异常点、趋势,同时为了达到很好的交互效果,要能及时的做出反馈,所以使用的算法时间复杂度的要求很高,一般不超过O(n^2)。暂时这篇只在点集上做了工作,其他数据集上也可以做些尝试。

继续阅读 =>

分布式存储还是云存储

项目最近遇到一个预期中的问题:数据量急剧增加。由于前期的数据都是集中式管理,模型数据存于数据库,地形高程数据和影像存于文件系统,数据增加后现在需要换到分布式系统。为此我们做了一些调研,包括目前主流的GIS数据管理方式以及最新技术发展。主流的数据管理以武汉大学为代表,数据存于分布式关系数据库Oracle上,构建多级缓存提高数据访问效率。通过与武大遥感实验室沟通,他们也反映目前数据读取仍然不够快,特别是模型较大时延时很明显。另外,也有一些单位将数据通过云平台进行管理,浙大的地理系就做了这样一个系统,非结构化数据(遥感影像)存于HDFS,而元数据等结构化信息存于HBase。但是与他们交流说同样存在读取效率不高的问题。究竟采取哪种技术好呢? 继续阅读 =>

图简化技术——要简单,要有“型”

论文:Motif Simplification: Improving Network Visualization Readability with Fan, Connector, and Clique Glyphs

会议:CHI2013

作者:Cody Dunne, Ben Shneiderman

图简化技术是大规模网络可视化衍生出来的一个问题,对于数据量大(一般网络布局对上千个点和边的处理就已经非常勉强)结构复杂的网络,除了利用交互获取网络局部信息之外,就是要使用图简化的技术了。图简化技术也分点聚合(node aggregation)、边剪枝(edge pruning)和边绑定(edge bundling)三种:边绑定有多种模型,基于骨架的(energy-based),基于能量的(energy-based)等等;边剪枝的典型就是构建网络的最小生成树;这篇论文描述的是第一种点聚合技术。

继续阅读 =>

浙江大学可视分析小组面向国内院校招收暑假实习生

浙江大学可视分析小组针对两个项目面向国内院校招收暑假实习生。

项目一:在线商业智能可视分析平台的开发。可视分析在商业智能中的地位与日俱增,Google Analytics为网站流量提供可视化监控的功能被越来越多的IT从业者所接收,专注于商业智能可视化的Tableau即将迎来上市。商业智能的可视分析项目将针对多种类型的商业智能数据(高维用户属性、时变用户行为),综合数据处理和可视化方法,在可视分析中引入用户所在领域的专业知识,使用可视化手段挖掘数据中隐藏的模式,揭露数据背后的商业价值。该项目的主要目的是让夏令营学员掌握基本可视分析方法和技能。

项目二:基于云计算平台的数据并行可视化引擎的开发。大数据时代的降临迫切要求我们采用新的可视化分析框架去探索其中的规律和价值。基于以上背景,可视分析小组提出了基于云计算的数据并行可视化引擎方案,以应对日益增长的数据分析需求。本项目主要研究如何充分利用云计算平台实现大数据的可视化与可视分析,核心研究内容为研发一款基于云计算平台的数据并行可视化引擎,并将中国气象局提供的气象数据作为第一个应用案例。

浙江大学计算机学院CAG&CG国家重点实验室可视分析小组的学术带头人是陈为教授。小组目前有包括博士后、博士生、硕士生、本科生在内10余名成员,专注于可视化和可视分析的研究。小组成员迄今发表9篇IEEE Visualization论文,并与国内外高校和科研机构建立了广泛的合作。

欢迎广大同学积极参与,更早地进入实验室学以致用。报名网站http://www.cs.zju.edu.cn/summer/home.htm