搜索结果 文章归档: 十月 2017

一种基于边属性的交互演示用于网络构建和可视化(Graphiti)

Graphiti: Interactive Specification of Attribute-based Edges for Network Modeling and Visualization

VAST2017

作者:Arjun Srinivasan, Hyunwoo Park, Alex Endert, Rahul C. Basole

继续阅读 =>

SkyLens: Visual Analysis of Skyline on Multi-dimensional Data

论文:SkyLens: Visual Analysis of Skyline on Multi-dimensional Data

作者:Xun Zhao, Yanhong Wu, Weiwei Cui, Xinnan Du, Yuan Chen, Yong Wang, Dik Lun Lee, and Huamin Qu

发表会议:IEEE VAST 2017

 

介绍

日常生活中,我们总是要在一个多维数据集中比较多个候选者,然后最终做出决定选择一个。例如,旅游的时候我们想要选择一个目的地,我们往往会考虑花费、气候、安全性等。当数据量比较大时,做选择就要进行多次对比,非常耗时。因此,一般会采用skyline查询,自动的抽取出一系列优质的skyline point作为候选,这些候选不会影响最终结果。然而,Skyline查询减少了需要考虑的数据,但是1)用户还得在skyline points中查找自身喜好的数据,2)skyline points数量可能仍然比较多。因此,我们需要一个比较skyline的工具。

继续阅读 =>

EventThread: Visual Summarization and Stage Analysis of Event Sequence Data

论文:EventThread: Visual Summarization and Stage Analysis of Event Sequence Data

 

作者Shunan Guo, Ke Xu, Rongwen ZhaoDavid Gotz, Hongyuan Zha, and Nan Cao

 

1.简介

本文提出了一种对事件序列数据进行可视化概括和阶段分析的技术,并实现了一种全面而集成展示和分析数据的新型可视化系统。

继续阅读 =>

SOMFlow: Guided Exploratory Cluster Analysis with Self-Organizing Maps and Analytic Provenance

论文:SOMFlow: Guided Exploratory Cluster Analysis with Self-Organizing Maps and Analytic Provenance

作者:Domink Sacha , Matthias Kraus , Jürgen Bernard

简介:本文提出了一个引导式探索性聚类分析工具SOMFlow,使用SOM算法分析时变数据。

 动机

聚类方法可用于分析大型未知的时序数据集,但存在一些问题:1.分析的问题不明确;2.有趣的模式往往隐藏在特定子集中;3.难以从一堆聚类结果中发现联系;4.揭示目标结构需要适时调整底层计算。因此聚类分析中需要交互式的数据探索,来形成和提炼假设,调整底层计算。

Sequence Synopsis: Optimize Visual Summary of Temporal Event Data

论文:Sequence Synopsis: Optimize Visual Summary of Temporal Event Data

优化针对时序事件数据的可视化摘要

作者:Yuanzhe Chen, Panpan Xu and Liu Ren

发表: TVCG2017

1 简介

本文的主要内容是讲如何可视化时序事件数据,提出了一种对这类数据进行可视化的技术,该技术可以较好的提取出高维事件数据中的事件模型。并基于该技术实现 了用于分析高维时序事件数据的可视分析系统 。有两个和领域专家合作进行的case study。

时序事件数据(Temporal Event Data):每个事件由三个要素组成,即事件类型、发生时间和发生主体,由一系列此类事件组成的数据叫做时序事件数据。例如网站点击事件流以及软件的用户交互日志。

继续阅读 =>

VIGOR: Interactive Visual Exploration of Graph Query Results

论文:VIGOR: Interactive Visual Exploration of Graph Query Results

作者:Robert Pienta, Fred Hohman, Alex Endert, Acar Tamersoy, Kevin Roundy, Chris Gates, Shamkant Navathe, Duen Horng Chau

动机

图查询或子图匹配是许多领域的重要工具,但目前大量的工作的都是围绕图算法和图查询等技术,很少有工作可以帮助用户理解图结构和查询得到的子图结果。因此,本文提出了一种新颖的交互式的可视分析系统,用于探索和理解图的查询结果。

继续阅读 =>