搜索结果 文章归档: 十一月 2014

University of California Santa Cruz的Alex Pang教授来VAG交流

2014年11月29日下午, 来自University of California Santa Cruz(加利福尼亚大学圣塔克鲁兹分校)的Alex Pang教授来到vag实验室进行参观交流.  Alex Pang教授的研究领域有uncertainty visualization, tensor visualization, scientific visualization, collaboration software和virtual reality interface. 来到实验室, 他首先参观了博士, 硕士生们近期的工程项目, 学术方面的研究成果等等. 对于一些尚未完成或仍需完善的科研项目, Alex Pang教授也提出了一些自己的见解.  希望在未来, 我们实验室能和Alex Pang能有更多的交流与合作!

AlexPang and HaidongChen

继续阅读 =>

华东理工大学王昊奋博士VAG小组学术报告

2014年11月28号,来自华东理工大学的王昊奋博士来vag小组做学术报告。报告的题目是《Knowledge Graph 101-from the persperctive of engineers》。主要的内容是关于知识图谱和语义网络的相关内容。在报告中主要介绍了知识图谱的相关的概念以及非常多的openSource的工具。下面是主要的openSource的工具链接

关于结构化数据的

  • Schema :一个提供了可以供搜索引擎识别的语义标记的网站。
  • Web Data Commons : 一个从Common Crawl抽取结构化数据的工具。
  • Data.gov : 来自于欧美国家政府的数据。
  • Dbpedia : 从维基百科中抽取的结构化数据。
  • Yago: 一个高质量的知识库。
  • Freebase :google的一个知名的人物,地点,事件的结构化数据库。
  • Nell : Read the Web,通过电脑自动阅读网页生成知识的工具。

360公司可视化小组来VAG小组实验室参观交流

2014年11月27日, 360“天眼”部门可视化小组来我们实验室参观. 高年级的博士生, 硕士生闷首先分别给360介绍了我们实验室一些成果, 项目进展等等. 而后, 360对自己小组已有的成果进行展示. 展示完毕, 双方从不同的角度, 领域进行了一些探讨. 讨论结束后, 大家还一起出去用餐, 在轻松的氛围下进行了一下交流. 下面是一些照片.

继续阅读 =>

360公司技术人员与UCSC的Alex Pang教授来访预告

周四上午360公司(http://www.360.cn/)技术人员来VAG小组参观,届时将做个简单的报告并和实验室的各个项目进行交流讨论。
此外周六下午UCSC的Alex Pang教授(http://users.soe.ucsc.edu/~pang/)将来访问VAG。
想要出国的同学们也可以抓住机会和UCSC的教授套磁,想要找工作的同学们抱住360的大腿。

知识图谱101:来自工程师的视角–华东理工大学王昊奋博士特约学术报告(11月28日上午,浙大紫金港)

时间:2014年11月28日上午10点30分

地点:浙大紫金港校区蒙民伟楼402

主持人:陈为

 

演讲题目:知识图谱101:来自工程师的视角
演讲摘要:近两年来,随着开放链接数据(Linked Open Data )等项目的全面展开,语义万维网数据源的数量激增,大量RDF(Resource Description Framework)数据被发布。互联网正从仅包含网页和网页之间超链接的文档万维网(Web of Document)转变成包含大量描述各种实体和实体之间丰富关系的数据万维网(Web of Data)。谷歌公司以此为基础在2012年提出了知识图谱,将其应用在下一代Web搜索中并取得了巨大的成功。在过去的2年间,各大公司纷纷构建自己的知识图谱,在包括智能问答、决策分析、新药发现等各种领域崭露头角。在这次演讲说,我将以研发工程师而非科学家的身份来介绍知识图谱的方方面面。我不仅介绍知识图谱的知识表示、展现形式和应用案例,还将深入探讨知识图谱涉及的各项核心技术。更具体来说,我将从公开知识库、知识构建、知识推理、图数据库、知识集成、知识挖掘,语义搜索以及知识可视化等方面介绍现在较为成熟的开源工具和解决方案,为大家构建特定的知识图谱及应用提供一定的借鉴思路。

继续阅读 =>

BERTIFIER: 一种新的表格数据的交互探索方法

论文:Revisiting Bertin Matrices: New Interactions for Crafting Tabular Visualizations
作者:Charles Perin, Pierre Dragicevic, and Jean-Daniel Fekete, Member, IEEE

发表会议:InfoVis 2014

表格数据在日常生活中很常见,对表格数据的处理、探索工具也非常多,但作者调查发现已有的系统还是有很大的改进空间,如下为作者对已有系统的调查,行代表系统,列代表特性,其中最后一行为本文系统,可见本文系统在很多特性上都得分很高。

本文是基于Jacques Bertin 提出的操作表格数据的思想:1)对cell进行编码;2)重排或聚类行和列,揭示模式。探索表格数据的很多研究也都是基于该思想的。

继续阅读 =>

Attribute Signatures:基于多累地理数据的动态可视化方法

论文:Attribute Signatures:Dynamic Visual Summaries for Analyzing Multivariate Geographical Data
作者:Author:Cagatay Turkay, Aidan Slingsby,Helwig Hauser,  Jo Wood, IEEE, Jason Dykes
发表会议:VAST2014 INFOVIS

一、论文概述

1 基础知识:

地理信息数据:受地理与地形信息影响(如:受海岸线、河流、道路等影响)、受不同政治区域影响、受不同经济活动影响。•分布于欧式空间上,具有边、界、方向,因变量是地理信息,自变量是相关属性(如人口密度等)。本文对地理数据的分析主要分为三个方向:
           位置(Location):地理上的测量点
           范围(Scale extent (or domain)):我们所关注的一片测量区域
           分辨率(Scale resolution):在一片区域内所能表达的细节总量

2 相关工作

地理位置相关的多元属性可视化难点主要是由于受屏幕空间和地图大小限制,我们同时一次只能展示少量属性,而由于地理数据可视化普遍要求保留地图信息,而地图信息往往已经占用了位置和尺寸信息两个可视通道。因此,这就造成了可视通道资源的进一步短缺。传统方法的地理数据可视化方法主要有:等值线图、热度图、配色方案等。但是这些方法同时间表现的信息过少同时,在表现这些信息的过程中还会对地图信息造成了遮挡。基于这些方法,后人对其进行了改进主要有:增加交互手段,如:过滤地图或属性信息或用特殊方式表现信息、强调绘制通道、并列与叠加(画刷选取),维度缩减,如:PCA、其它统计学模型等。

用可视推理方法评估城市道路交通状况

用可视推理方法评估城市道路交通状况

Fei Wang, Wei Chen, Feiran Wu, Ye Zhao, Han Hong, Tianyu Gu, Long Wang, Ronghua Liang and Hujun Bao, A Visual Reasoning Approach for Data-driven Transport Assessment on Urban Roads. IEEE VAST 2014. Email: wolflyecn@gmail.com

城市建设过程中道路评估是非常重要的,很多道路由于设置年代久远已经无法满足现代交通需求。传统的评估方法较为费时费力,需要专业的设备采集数据,即使有了数据也需要专业人员试验多种模型检验结果。城市出租车轨迹数据记录了车辆在道路上的行驶过程,由于其数据真实可靠而且覆盖了城市大部分道路,因此在城市规划、交通管理等领域都有广泛应用。例如,根据人类移动模式和POI发现城市不同功能区域,利用历史出租车轨迹预测车辆的行驶路径等。

将出租车数据直接应用于道路评估较为困难。首先,道路评估需要分析特定街道上的数据,分析师可能会任意选择街道和查询时间。其次,道路评估过程应该是交互式的,如何快速从大量的轨迹数据中得到需要的结果具有较大的挑战。针对上述两点,我们实现了一个可视化分析框架帮助分析师评估城市道路中各种现象和可能存在的问题。我们首先提出了一种基于道路的查询模型,该模型以道路和时间段为约束范围,查询该范围内具有特定语义的轨迹。我们将地图划分为均匀网格,相邻的几个网格单元相互连接形成道路的近似表示。如图1所示,直线之间为道路。

图 1 道路网格结构

继续阅读 =>

Visual Abstraction and Exploration of Multi-class Scatterplots

中文题目:多类散点图的可视简化与探索
作者:陈海东,陈为,梅鸿辉,刘致奇,周昆,陈伟锋,顾文涛,马匡六
发表会议:VAST2014

散点图(scatterplot)是一种使用非常广泛的可视化技术,常用于聚类分析、离群点分析、相关性分析等。多类散点图(multi-class scatterplot)作为散点图的一种扩展,其常用于比较分析应用。然而,随着数据规模的增大,有限的屏幕空间所造成的散点覆叠(overdraw)问题极大地限制了用户对可视化结果的正确感知。此外,不同的散点绘制顺序也会造成可视化结果的不一致性。如图1所示,不同的散点绘制顺序致使同一散点数据呈现出不同的可视化结果。

 

图1 不同散点绘制顺序对可视化结果的影响

    为了克服散点覆叠问题,可视化研究者们提出了一系列方法。改变散点的可视属性(如大小、透明度)是一种非常直观和简单的做法。然而,当散点的可视属性编码了其它信息时,该类方法易造成错误的理解。密度估计(density estimation)是另外一种可用于解决大规模散点数据的可视化方法。该方法易忽略低密度区域中的数据点。当应用到多类散点数据时,该方法还涉及多变量数据场的混合。这本身就是一大可视化难点。另外一类解决散点覆叠的方法称之为空间重分布(spatial redistribution)。其核心思想是将相互覆盖的点移至空白屏幕区域。这类方法本质上改变了数据的内在分布,可视化结果必然存在偏差。交互技术,如缩放(zooming)、焦点上下文(focus+context)亦可用于规避覆叠散点数据的探索。
本文提出了一种基于多类蓝噪声采样的方法实现多类散点数据的可视简化。为了增强简化结果的感知,本文还提出了一个散点颜色优化模型和一些散点形状设计方案。 继续阅读 =>

Neurolines: 用地铁图隐喻可视化纳米级的神经连接信息

论文:Neurolines: A subway map metaphor for visualizing nanoscale neuronal connectivity

作者:Ali K.Al‑Awami,   Johanna Beyer,  Hendrik Strobelt,  Narayanan Kasthuri,   Jeff W. Lichtman, Hanspeter Pfister, Markus Hadwiger

发表会议:Infovis 2014

 

一、简介

1. 工作起源——在神经元重建的细节分析过程中,没有有效的可视化方法来辅助分析。这个过程重视:morphology, structure, connectivity

2. 前人工作主要着眼于:

(1)           可视化完全抽象的连接图——弊端:舍弃了morphology和structure信息

(2)           渲染原始EM(电子显微镜)数据——弊端:会产生visual clutter

3. 本文工作:基于解刨学上的树状结构,提出了一个multi-scale(多尺度)可视化方法,用二维的可视化方法去表达三维空间内的数据信息。

继续阅读 =>

第 1 页,共 2 页12