搜索结果 文章归档: 五月 2015

Visual Analytics for Complex Engineering Systems: Hybrid Visual Steering of Simulation Ensembles

本文提出的是一种复杂工程系统可视分析的新方法—-仿真集的混合可视操控(Hybrid Visual Steering of Simulation Ensembles). 它在传统的仿真相关的可视化方法基础上增加了一个自动优化的组件(方法). 在这样一个提出问题解决问题过程中, 作者(们)先是提出一个对复杂系统的混合可视操控(Hybrid Visual Steering) 的任务的抽象, 然后他们以汽车发动机中的共轨燃油喷射系统进行一个案例分析,  广泛联合了领域专家, 与专家们进行深入讨论, 并设计完善了这个方法和一个针对该领域的系统原型.

下面是方法的一个概览: 蓝色是最原始的复杂系统可视化的一个系统流程, 然后一步步上升的过程

由于当今科学技术的发展, 仿真已经不是一个一个跑一个个看的了, 常常是对于同一个模型同时可以跑多组不同的参数, 这样跑出来不同的结果更高效找出最优点. 当然有时候也有缺点就是可能会在无目的的情况下多跑了许多点, 使得人无法清楚的分辨或者找出想要的结果. 在这种情况下作者提出了这种混合可视操控的方法, 最显著的一个特征是在一般系统的基础上添加了自动优化的功能. 这个功能背后是一个计算回归方程的模块, 可以用回归模型模拟仿真的函数, 提高效率. 此外还提供在回归基础上进一步优化回归模型等等的功能. 下图是基于共轨燃油喷射系统设计的实例及其说明. 文中声称结合了大量公司专家的评论和指点.

这种方法具有一定的普适性, 可以适用于: 可用多维参数空间仿真模型表示的复杂系统. 作者们正探索扩展到医学图像分割, 空气流动模拟和交通模拟等领域. 但尽管方法论、工作流程具有一定的普适性, 但是系统的各个组件仍需根据针对的领域进行特殊化和改进.

 

Multivariate Network Exploration and Presentation From Detail to Overview via Selections and Aggregations

该工作首先展示给用户一副明细的多维网络图,并允许用户通过选择等交互操作对网络图进行聚集,以构造高层次结构的概览图。该论文挑战了可视化研究领军人物Ben Shneiderman所提出的可视化设计“魔咒”:首先查看概览,通过缩放和过滤,再继续按需查看细(overview first, zoom and filter, then details on demand)。文章中提出,对于复杂多变量点连接图来说,自动识别出用户感兴趣的聚类和模式并生成概览图是很难做到的;而且对于大部分非专家用户来说,网络图的概览图才是他们最终想要的结果。本文提出的可视化系统提供了两个联动的视图:节点连接图和生成的概览图,用户先查看网络图的细节内容,再根据自己对网络图的初步了解和认识通过交互生成概览图,并在该过程中逐步理解图的网络结构。

下图是本文提出的可视分析系统界面截图。

系统界面

继续阅读 =>

记王飞跃教授报告及参观

4月16日,王飞跃教授发表了题目为 Visualization and Knowledge Automation: Enterprise 5.0 and Parallel Evolution的报告,论述了可视化对于平行虚拟现实改革的推动作用。

所谓平行就是指 ACP 的平行理念,也就是人工社会(Artificial Societies)+ 计算实验(Computational Experiments)+ 平行执行(Parallel Execution)。从本质上来讲,ACP 的平行理念的 核心就是把复杂性与智能化系统“虚”的和“软”的部分建立起来,通过可以定量实施的计算化、实时化,使之“硬化”,真正用于解决实际的问题。而所谓的大数据和云计算以及物联网正是支撑 ACP 方法的核心技术。可视化方法也将成为支撑 ACP 并大力推动平行虚拟现实改革的重要方法和工具。

继续阅读 =>

城市计算与大数据——记郑宇博士来我小组参观交流

城市计算是计算机科学以城市为背景,跟城市规划、交通、能源、环境、社会学和经济等学科融合的新兴领域。城市计算通过不断获取、整合和分析城市中多种异构大数据来解决城市所面临的挑战。

继续阅读 =>

The Spinel Explorer-尖晶石族矿的可视化交互分析

The Spinel Explorer- Interactive Visual Analysis of Spinel Group Minerals

M. Luján Ganuza, Gabriela R. Ferracutti, M.Florencia Gargiulo, Silvia M. Castro, Ernesto A. Bjerg, Eduard Gröller, Kresimir Matkovic
TVCG2014

论文主要描述了The Spinel Explorer这个系统在尖晶石族矿分析方面所提供的方便,三角图、三棱柱图,两种可视化视图的实现,以及领域专家在使用上的积极反馈。

尖晶石最为一种小众的矿石,在形成之后,性质稳定,故而可以通过分析尖晶石的化学组成,分析其形成时期的地质环境,进而分析相应的地质变化,或应用于矿床的经济价值的开发。所以简化尖晶石的研究流程,有着很大的价值和意义。

在过去的工作流程中,地质专家在拿到样本的分析数据集后,需要通过特定的软件,将其画成特定的散点图或是三角图,经验分析其中特征后,统计筛选其中的部分数据,继续画图验证分析,如此往复。一般这样的一次分析工作,在原来要历时几天才能完成,而该系统中继承常用视图、三角图、三棱柱图的绘制,数据的统计和展示,图表的联动筛选和分析,使得原来繁复的工作在数小时内就能完成,意义重大。
继续阅读 =>

Analyzing High-dimensional Multivariate Network Links with Integrated Anomaly Detection, Highlighting and Exploration

Analyzing High-dimensional Multivariate Network Links with Integrated Anomaly Detection, Highlighting and Exploration

Sungahnn Ko, Shehzad Afzal, Simon Walton, Yang Yang, Junghoon Chae, Abish Malik,Yun Jang, Min Chen and David Ebert, Fellow, IEEE

 

为了分析高维多变量网络,特别是点和边都有多个属性的网络图,本文提出了两个可视化设计来简化复杂的网络结构。

这篇文章用的是航班延误数据,包括延误原因和延误时间。Carrier Delay 是由于航空公司的问题,比如飞机的机械问题,NAS delay是由于国家航公系统管制,Security Delay包括因为安全漏洞的重新登机,设备筛选的等待时间,Late Arrival Delay是由于同一架飞机在上一个飞机场就延误了,NAS delay和Security Delay是政府原因,Late Arrival Delay和Carrier Delay是航公公司的原因。这个数据中,主要的属性都图的边上,所以主要的可视化对象是边。

继续阅读 =>

#FluxFLow: Visual Analysis of Anomalous Information Spreading on Social Media

#FluxFLow: Visual Analysis of Anomalous Information Spreading on Social Media

Jian Zhao,NanCao,ZhenWen,YaleSong,Yu-RuLin,andChristopherCollins

# FluxFlow是一款可视分析系统,用于可视化和分析社交媒体中的异常信息扩散。本文的数据来源于分析对象是Twitter的跟贴信息。

对社交媒体的研究有两个主要问题,“哪些消息流值得观察?”和“被选出的消息有何不同?”。针对这两个问题,本文分别设计了基于OCCRF(One-Class Conditional Random Fields Model,单类条件随机场)的数据挖掘算法和用于查看数据挖掘结果和其内在隐含信息的可视化设计。系统基本构架如图

继续阅读 =>

Dendrogramix: a Hybrid Tree-Matrix Visualization Technique to Support Interactive Exploration of Dendrograms

Dendrogramix: a Hybrid Tree-Matrix Visualization Technique to Support Interactive Exploration of Dendrograms


Renaud Blanch, Rémy Dautriche, Gilles Bisson
PacificVis 2015

层次聚类是一种常用的算法,其将原始数据组织成树状结构,以刻画数据点之间的相似程度。经典的层次聚类可视化方式为系统树图(Dendrogram),本文则介绍了一种新的层次聚类树的可视化方法Dendrogramix,其混合了树和矩阵可视化方法,在聚类层次上叠加了个体关系的表达,丰富了表达的内容。

 

Dendrogramix的形成过程非常简单直观。如图一所示,将一个简单的包含有5个二维点的数据集(图一(a))层次聚类,其结果的系统树图如图一(b)所示。而Dendrogramix首先用矩阵编码了这五个点之间两两相似性(图二(a)),运用自动优化方法重排序按相似度显现出对角线上的聚类性质(图二(b)),将这些聚类加以编码(图二(c)),最后对折以节省显示空间(图二(d))。

继续阅读 =>