搜索结果 文章归档: 十二月 2017

Progressive Learning of Topic Modeling Parameters: A Visual Analytics Framework

论文:Progressive Learning of Topic Modeling Parameters: A Visual Analytics Framework

作者:Mennatallah El-Assady, Rita Sevastjanova, Fabian Sperrle, Daniel Keim, and Christopher Collins

发表会议:IEEE VAST 2017

一、介绍

主题模型是一类用于将文档根据在其内部的主题分布归类的非监督机器学习方法。主要思路为,根据文档及其中的词汇建立起文档描述向量,从而求解出文档中的主题分布与每个主题中的关键词分布。主题模型是一类非监督的黑盒模型,本文希望能帮助理解主题模型的输出,并使得所用的模型适应当前数据与任务的特性,以增强模型的可靠性。而可视分析恰恰能通过人的参与和反馈,完成数据和任务驱动的模型构造过程。本文的主要贡献包括:

1.提出了一个有人参与的主题模型循序渐进改进方式

2.设计了四个根据四个任务驱动的可视化窗口

3.通过实证测试与定性实验验证了方法的有效性

继续阅读 =>

StreetVizor: Visual Exploration of Human-Scale Urban Forms Based on Street Views

论文:StreetVizor: Visual Exploration of Human-Scale Urban Forms Based on Street Views

作者:Qiaomu Shen, Wei Zeng, Yu Ye, Stefan Müller Arisona, Simon Schubiger,  Remo Burkhard, Huamin Qu

发表会议:IEEE SciVis 2017

介绍

城市的形态和人群在城市中的生活息息相关。当我们描述一个城市的时候,可以从宏观和微观两个角度。宏观的城市形态主要包括面积和人口等描述大范围的指标。而微观的城市形态是基于人的感知的,如视觉、触觉、听觉和在城市中的体验。微观的城市形态和人的生活更加密切,因此理解城市形态对于设计搞质量的城市空间非常重要。 经典的城市理论研究只是基于小范围人群的调研,不能提供更加广泛并且深入的指导性意见。而谷歌街景图忠实得记录了道路上多个地理位置的全景视角,这类似于人类的眼睛,提供了从视觉角度研究微观城市形态的方法。我们可以从街景图中查看绿化、天空和建筑等信息在城市不同区域的分布。

继续阅读 =>

浙江大学2017第八届VAG小组全明星大赛颁奖大会

解析可视化中的对比分析任务

论文:Considerations in Visualizing Comparison

会议:InfoVis 2017

作者:Michael Gleicher

“比较”或“对比”(comparison)是数据分析中最主要的任务之一,例如比较两张CT扫描结果,在不同车辆的行车轨迹中寻找差异,或是对比多次天气预报模型的预测结果等。当我们进行比较InfoVis 2017的这篇《Considerations  in Visualizing Comparison》主要从视觉设计和交互角度出发,总结可视化中出现的对比分析形式和手段,来指导可视化系统的设计者如何设计面向比较任务的视图和交互。

继续阅读 =>

Bridging From Goals to Tasks with Design Study Analysis Reports

论文:Bridging From Goals to Tasks with Design Study Analysis Reports

作者:Heidi Lam, Melanie Tory and Tamara Munzner

继续阅读 =>

华为云计算夏应龙博士来访实验室

12月18日下午,华为云计算部门的AI平台技术负责人夏应龙博士来访实验室,小组成员朱闽峰、林立文、张天野分别介绍了小组项目,包括VAUD城市大数据集成分析平台项目、全球尺度三维大气数据可视分析系统、电力仿真可视分析项目。

继续阅读 =>

2017年二零八科学会议——人工智能在电力领域的研究应用方向和关键技术

人工智能是当前最具颠覆性的技术之一,各国政府、研究机构和企业已积极行动,制定技术战略、密切跟踪最新技术发展。2017年7月,国务院印发《新一代人工智能发展规划》,将人工智能提升到国家战略层面。8月,国家电网公司启动人工智能相关工作,形成《国家电网公司人工智能专项规划》。为探讨人工智能技术在电力领域的应用前景和方向,寻找人工智能在电力领域的着力点和突破点,中国电科院于12月6日召开主题为“人工智能在电力领域的研究应用方向和关键技术”的二零八科学会议,中国科学院院士周孝信、中国电科院总工程师汤涌、副总经理(副院长)王继业、副总经理(副院长)高克利出席会议,来自国网公司、科研单位、高等院校的50余位专家参加。

会议邀请9位知名专家就人工智能技术进展及其在电力系统中的应用实践和展望做专题报告。与会专家就人工智能在电力领域的研究应用方向和关键技术进行了热烈而深入的讨论,并初步达成共识。

继续阅读 =>

交通可视化——通向智慧城市的必经之路

交通可视化——通向智慧城市的必经之路

朱闽峰 陈为 郭方舟 王飞跃

摘要:城市交通与我们每个人的生活息息相关,也给现代化城市带来了巨大的难题,如交通拥堵、空气污染等经济环境问题。可视分析技术一直在交通数据分析的过程中扮演了一个重要的角色。从基础的流量分析到交通事件的挖掘,可视化方法进一步结合交通和周围环境的关系,从全新的角度解释交通系统与人类社会的关系。本文简单回顾了一个世纪以来交通可视化的历史发展和近年来基于交通大数据的可视化应用,希望带读者揭开未来智慧城市的一角。

关键词:交通大数据,可视化,可视分析

引言

随着交通系统的快速发展,交通已经成为人类生活中一个重要的组成部分。据统计,城市中大约有40%的人口每天花费1小时在交通上[1] 。然而,现代城市中大量的人口以及交通工具产生了许多城市问题,比如交通拥堵、交通事故和空气污染等[2]。

伴随着大数据可视化的热潮,在交通数据中使用可视化可以帮助人们有效地理解移动车辆的行为、发现交通在时空上的模式,从而为交通优化等提供决策信息。当代交通系统每时每刻都会产生大量的数据,比如,出租车上搭载的GPS传感器会记录出租车的行驶轨迹;街道监控摄像头会记录车辆的通过情况。而且,伴随着城市越来越大,汽车越来越多,监控越来越多,交通数据的规模有了爆炸性的增长。在这种情况下,直接对交通数据进行分析的传统方法已经变得越来越困难,而且效率越来越低,数据挖掘、机器学习和可视化等智能化技术的深入和广泛使用已经变得刻不容缓[3-4]。特别地,可视化可以将用户和数据直接相关,支持用户以简单可视的方式与数据进行交互,进而实现用户智慧和机器智慧交融反馈,可以极大地提高分析和决策的效率与准度。

继续阅读 =>

浙大这套算法让不懂编程的你也能秒变数据可视化高手

浙江大学计算机学院CAD&CG国家重点实验室教授、博士生导师陈为的《面向在线商业日志数据的可视分析新方法研究》,通过与阿里巴巴开展合作,可让分析者在短短几分钟内寻找数据规律、分析推理,从而了解产业发展趋势。该项目还得到了浙江省自然科学基金的大力支持。

在线交易记录、集群日志数据、用户购买偏好数据……互联网每天都在产生大量的商业日志数据。例如,如果用传统的管理办法很难及时准确地捕捉其中发生的变化及虚假交易信息。“比如双11当天的交易量非常大,欺诈的交易没有办法一笔笔人工去看,有些单笔交易是正常的,串连起来就会有问题。”陈为告诉记者。

继续阅读 =>

当城市数据和社会关系被可视化,每个人都可能是福尔摩斯

现代城市是由人、机、物等组成的繁复的生活系统,其间产生的数据可用巨量来形容。要对这些宏大的数据进行收集、梳理并作分析,难度有之。在云栖大会上,浙江大学计算机学院副院长陈为教授为我们分享了其团队近几年在城市大数据、可视化方面的部分科研成果,并探讨了机器学习等在城市数据研究中的重要性。

▍可视分析研究的兴起

今天我向各位分享的是我们浙江大学可视化与可视分析小组最近两年的研究工作。

首先简单给大家两个定义。

第一个,可视化是什么?可视化实际上是把数据信息转化为人眼能识别的可视符号,通过眼睛来增强人类大脑认知的一种方法。可视化其实是人机交互、虚拟现实应用里面的关键技术。

第二个,可视分析是什么?2004年美国在对反恐情报的分析中,出现了一些核心问题(DT君注:美国国土安全局之后成立国家可视化与分析中心),后来就演化出了一个新的学科,叫做可视分析学。这门学科是把可视化、人机交互、数据挖掘结合起来,形成的一种新的解决问题的综合性的思维方式。

我从2004年开始就转向了可视化分析方面的研究。尤其最近几年,人工智能的兴起使得我们能够更好地考虑去做智能可视化,来分析一些问题。

今天要向大家展示的,是围绕最近几年我们拿到的一些真实、少量的数据,我们所做的部分研究工作。
继续阅读 =>