搜索结果 文章归档: 六月 2014
论文：Authoring Narrative Visualizations with Ellipsis
作者：Arvind Satyanarayan, Jeffrey Heer
发表会议：Euro VIS 2014
在现行的叙事性数据新闻的制作过程中，由于新闻从业人员往往具备较少的编程基础，而现有的可视化集成工具在storyline的组织和交互上又有所局限，因而新闻从业人员往往不能按照自己的新闻思维与设计思路去制作一个具有良好表达性的数据新闻成果。该篇文章的工作就是基于这一需求，建立了一个基于状态机的场景模型，形成一个结合了多种可视化组件、标注、时间线和交互等元素的原型工具——Ellipsis，来方便新闻从业人员自由地创造叙事性的数据新闻。
1. 模型结构
图1：Ellipsis建立的模型结构
今晚，美国圣母大学教授Danny Chen在CAD&CG实验室给浙大求是科学班和VAG小组的同学做了精彩纷呈的报告。
Danny Chen教授是IEEE Fellow，在算法、尤其是生物医学算法领域取得了很多优秀的成果，在生物医学顶级杂志上发表了诸多文章。
在展示工作之余，Danny Chen教授还热情地回答了同学们的问题，相信会对一年级科学班的同学有很大帮助。同时，Danny Chen教授还分享了自己跨领域涉足生物医学领域的经验，他表示我们对未知的领域不必要存在恐惧，而要注意培养自己的专业素养，对自己有信心，在看到机会的时候勇于把握。
又是一年毕业季。2014年6月21日，vag小组全体在浙成员共同相聚紫金港国际酒店，举行欢送宴会，惜别即将毕业的战士们。
人们往往在离别之后，才发觉自己还未来得及好好说再见。然而幸运的是我们获得了这样一次机会，欢聚飨饮，互送衷肠。
小组的精锐力量——解聪硕士已然毕业，即将远赴美国继续深造，攻读博士学位。而小组的新鲜血液——10级本科生们，有的出国深造，有的留守在vag，有的即将踏上工作岗位，终归也将各奔东西。
在宴会上，陈为教授为大家发表了送别感言，小组全体成员也为解聪奉上了一份礼物——合力录制剪辑的送别视频。
2014年6月19日下午，浙江大学CAD&CG实验室可视分析小组（VAG）在浙江大学紫金港校区蒙民伟楼402接待了来访的百度可视化团队。从下午两点到五点的接近三个小时的讨论和交流过程由陈为教授主持。首先，Baidu可视化团队的人员对自己团队项目做了分别的详细的介绍；之后，是VAG小组的成员将近期来所做的可视化的科研项目的成果进行介绍和讲解。讨论会过程中，大家畅所欲言，互相学习，对可视化领域的工具的发展、前景和可视化的工作的意义进行了讨论和畅想。
论文：Glyphs for Exploring Crowd-sourced Subjective Survey Classification
作者：A.Kachkaev, J.Wood and J.Dykes
发表会议：Euro VIS 2014
生活中，通过主观调查反馈的方法，得到的统计直方图或者表现统计的分析结果是非常常见的形式。将数据聚类与过滤在探索非聚类数据的过程中会出现无关信息和错误信息的问题。本文通过设计一种类似于平行坐标的Glyph在单一视图内表达所有的反馈结果，同时，设计一个交互性的可视分析工具来探索此类数据。本文利用此工具对一项359个人员参加的900张照片进行七个问题的调查。通过本文的方法，力求能够表达所有的反馈，同时在这些视图中帮助用户对数据的反馈情况进行有效地帮助和理解，观察其中的内容。
系统的界面如下：
论文：Visual Analysis of Movement Behavior using Web Data for Context Enrichment
作者：Robert Krueger, Dennis Thom, Thomas Ertl
发表会议：Pacific VIS 2014
随着GPS设备的日益普及，由GPS设备生成的轨迹数据也越来越丰富。然而凭借单一的位置信息，我们可以做的分析很有限，我们更希望知道 人们（GPS设备）为什么移动、他们的目的地是什么地方（对目的地的具体描述，而不单单是经纬度信息）。想要回答以上问题，我们就需要对地理位置赋以更为丰富的语义信息，比如明确某个位置的功能是学校还是商场。
本文从一个以地理位置POI为核心的社交平台 Foursquare 中抓取POI的信息，用以丰富电动车（electric scooters）的轨迹数据。然后从空间、时间两个方面，分别设计了两个视图来分析人们使用电动车的具体行为、目的。中间还穿插了不确定性的可视化。原型的界面如下图所示：
可视设计引导是可视化研究的一个重要范式。从2012年开始，IEEE Vis有单独的一个section介绍design方面的可视化工作。本次的主题报告围绕可视设计介绍几篇相关的文章。
曲华民老师2007年的文章Visual Analysis of the Air Pollution Problem in Hong Kong 是基于可视设计的一个工作。这篇文章采用的基本可视化方法是平行坐标、极坐标和完全加权图。完全加权图用于揭示所有维度之间的相关性，确定平行坐标中轴的顺序。对于平行坐标的改进主要针对风向这种表示方向的维度用S型坐标轴表示。把极坐标改进为圆形的pixel bar chart。采用这些可视化的基本方法和编码准则都是基于数据仅有13维，并风向和风的大小在这些维度中最重要。基本的可视设计如下图所示：
《大数据时代：生活、工作与思维的大变革》是大数据相关主题的畅销书之一，作者是维克托·迈尔-舍恩伯格【英】，他被誉为“大数据时代的预言家”，现任牛津大学网络学院互联网研究所治理与监管专业教授，曾任哈佛大学肯尼迪学院信息监管科研项目负责人，新加坡国立大学信息政策研究中心主任。他的咨询客户包括微软、惠普和IBM等全球顶级企业，他是欧盟互联网官方政策背后真正的定制者和参与者，还先后担任新加坡商务部高层、文莱国防部高层、科威特商务部高层、迪拜及中东政府高层的智囊。
这次的主题报告主要和大家分享一下书中作者关于大数据的一些观点和想法，也希望大家能够对这些观点提出自己的看法。
以下是我做的关于这本书的思维导图：
作者: Ding Chu, David A. Sheets, Ye Zhao, Yingyu Wu, Jing Yang, Maogong Zheng, George Chen
PVIS 2014
对出租车轨迹数据进行数据挖掘或者可视化的文章近年来日益增多，本文比较新颖地将文本主题抽取的方法用到了出租车轨迹数据之上，使得轨迹数据能够被赋予一定的语义并增加了解读性。
作者选用了深圳21360辆出租车的每日GPS轨迹数据。首先将每一个GPS地理坐标映射到具体的街道上，这样就将街道作为词，一辆出租车的轨迹即一个街道名称的序列作为一段文本，多辆出租车的轨迹构成一个文本集合，作为LDA（Latent Dirichlet Allocation）主题抽取的原始材料。而经过主题抽取，主题和街道、主题和轨迹都有了对应关系，可以得到街道或者轨迹在每个主题上的概率分布（表1表2）。直观上，一个主题相当于一个地区，包含许多街道。
表1
表2
