搜索结果 文章归档: 四月 2015

面向可视分析的轨迹简化和语义增强方法

SimpliFly: A Methodology for Simplification and Thematic Enhancement of Trajectories

Katerina Vrotsou, Halldor Janetzko, …, Natalia Andrienko, and Gennady Andienko

1、论文的出发点和主要贡献
轨迹描述的是运动物体,通常包含三类特征数据:(1)运动相关属性(速度、加速度、转向角…);(2)运动物体属性(车、船、人、动物…);(3)运动环境属性(天气)。因此作为多变量数据的轨迹,信息负荷很大,直接可视化会导致三方面问题:
(1)感知的局限性
微小的图元或变化肉眼难以分辨
(2)认知局限性
用户很难记住所有的信息,而实际上他们只关注于特定的信息
(3)性能
过多的点和线会妨碍交互
因此,对于轨迹数据适当的简化将给可视分析带来很大的好处。 继续阅读 =>

Visual Multiplexing —— 视觉多通

Visual Multiplexing

M. Chen, S. Walton, K. Berger, J. Thiyagalingam, B. Duffy, H. Fang, C. Holloway, and A. E. Trefethen

Eurovis 2014

 

论文中对视觉多通的理解为可正确解码的多可视信息的堆叠方式(“overlaying multiple pieces of visual information while allowing users to recover occluded information”),也就是说把不同视觉通道(颜色、大小、形状等)通过合理的组合方式编码在一起,使得用户能够正确的解码出可视元素所蕴含的信息。这篇论文提出了视觉多通的理论框架并把组合方式分为10类。

下图是视觉多通的流程图,左边将某个数据点需要可视表达的的多个信息量记为<x1, x2, …, xk>,该数据点通过k个可视映射方法被映射到显示空间的位置p的空间邻域D和时间邻域T,映射结果为<C1, C2, …, Ck>(MUX视觉多路复用过程),用户眼睛观察形成的映射结果,解码信息(视觉多路分离过程)。需要注意的是一个数据点不一定被映射到显示空间中的一个点,它有可能是由位置p周围几个视觉元素组成(空间邻域D)或是一个动态过程组成(时间邻域T)。另外,这个视觉多通的流程对应了信息可视化基本流程中从数据–>可视映射–>用户感知的过程。

继续阅读 =>

IEEE Pacific Visualization 2015在浙江大学召开

 

 

IEEE Pacific Visualization 2015(环太平洋可视化大会),今起在浙江大学紫金港校区召开。本会议由IEEE组织,浙江大学CAD&CG国家重点实验室、浙江工业大学主办,是可视化与可视分析领域世界最高水平的会议之一,将展示这一领域最重要的许多研究者的最新研究进展。浙大可视分析小组的陈为教授担任本次会议主席。

本次会议的主题涵盖了当今可视分析和大数据研究的几个最重要、最新兴的领域,包括社会化媒体、超大规模复杂网络、商业情报分析和人类行为分析等。林海教授、袁晓如教授、刘世霞教授、张加万教授、Maolin Huang教授和Bongshin Lee教授等领域内顶尖的研究者分别担任本次Workshop各章节的主席。除此之外,还有来自企业界的嘉宾参与本次会议,涵盖了财新网、奇虎、微软研究院、阿里巴巴等在数据领域处于顶尖地位的业界公司。

 

 

可视分析是当代计算机科学最新兴和热门的领域之一,也是跨学科研究的一个典型范例。在城市规划、农业现代化、安全情报、医疗技术等服务部门和几乎所有的工业部门,都有可视化技术的广泛应用。面临当代大数据的挑战,传统的统计分析工具已经越来越难以应对复杂多变的数据形式,和几何级数增长的数据规模。可视化和可视分析作为一种新兴的分析手段,在社会网络、地理信息、情报关联分析等方面具有先天的优势;与设计工具结合,更是在可用性和交互性上达到了一个新的水平,为非计算机专家进入这一领域铺平了道路。

本次会议还包括15~17日的专题研讨会。林雪平大学的Anders Ynnerman教授和中科院复杂系统管理与控制国家实验室的王飞跃教授分别为专题研讨会作Keynote。