搜索结果 文章归档: 九月 2017

Colorgorical: Creating discriminable and preferable color palettes for information visualization

论文:Colorgorical: Creating discriminable and preferable color palettes for information visualization

作者:Connor C. Gramazio, David H. Laidlaw, Karen B. Schloss

简介:本文介绍了一个调色板工具Colorgorical。其中涉及到多种与人类感知相关的颜色度量,以及感知相关的用户交互设计。此外还有出色的现成颜色设计。

继续阅读 =>

TACO: Visualizing Changes in Tables Over Time

论文:TACO: Visualizing Changes in Tables Over Time

作者:Christina Niederer, Holger Stitz, Reem Hourieh, Florian Grassinger, Wolfgang Aigner, and Marc Streit

发表会议:IEEE InfoVis 2017

 

介绍

很多领域下,表格数据是一种非常常见的数据。当表格有多个版本的时候,理解表格数据就需要比较不同版本的表格。然而当前的可视比较工具的可视结果难以解释,并且不适用于大规模数据。作者设计了一个新的可视化工具TACO (TAble COmparison),用于比较表格版本的随时间变化情况。

继续阅读 =>

Visualization System Requirements for Data Processing Pipeline Design and Optimization

动机

数据数量和复杂性的上升需要一个设计和优化数据处理流程。可视化可以支持这一过程,但尽管有很多视觉系统参数分析的例子,这仍然需要系统地评估用户的需求和符合这些需求范例可视化方法。

 

对此作者对于流程也进行了简单的定义如图:

流程是一组计算指令或者说步骤

每个指令有一个特殊的算法参数

设计一个流程需要选择不同的计算步骤

在优化中,用户通常会固定一些计算步骤

 

本文有四个贡献点:通过八个案例展现了这一工作挑战的广度;通过对八个案例的整合回顾总结了用户需求对总结出的用户需求;相应的匹配可视化的功能;最后定义了未来可视化研究的挑战;

继续阅读 =>

机器学习的方法来帮助进行大图可视化

为了为图数据挑选一个合适的布局,论文提出了一种机器学习方法,基于用graph kernel计算的图拓扑相似度。这种方法可以显示图结构在不同的布局方法下的外观,并且可以估计这些图在布局下的美学度量。机器学习的方法来帮助进行大图可视化文章的贡献点是提出了一个可以用来设计graph kernel的框架。