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
VAST2017
作者:Arjun Srinivasan, Hyunwoo Park, Alex Endert, Rahul C. Basole
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。
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。
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。
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
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。
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