搜索结果 文章归档: 六月 2018

HiPiler: Visual Exploration of Large Genome Interaction Matrices with Interactive Small Multiples

作者:Fritz Lekschas, Benjamin Bach, Peter Kerpedjiev, Nils Gehlenborg, and Hanspeter Pfister

2017 InfoVis

一、简介

1)目标:辅助用户在巨大的矩阵(百万*百万级)中探索众多感兴趣的区域

2)挑战:

-工作量大
-算法识别结果不可信且缺少ground-truth难以评估
-已有可视化系统不支持大数据中小ROI的细节探索

3)贡献 (HiPiler ):

-可视评估图案检测算法的结果
-在大图案集中描述并检测集合和异常点
-多矩阵比较ROIs
-图案相关性

EdWordle: Consistency-preserving Word Cloud Editing

 

作者:Yunhai Wang,  Xiaowei Chu, Chen Bao, Lifeng Zhu, Oliver Deussen, Baoquan Chen and Michael Sedlmair

发表:2017 infoVis

一、简介

现有的Wordle,存在不一致性的问题,即在词云的调整过程中,会将摆放不正确的单词单纯地移动到其他空白区域,这样有可能导致全局大量单词需要改变,最后导致词云结果不尽如人意。

为了保持词云的一致性,合适的编辑改变方式变得更加重要。并且每个单词的临近单词都应该被考虑,因为它们之间可能有着重要的意义。为此本篇文章提出了一个名为EdWordle的工具,这个工具主要用到了一个使得词云局部和全局上下文感知交互技术。

该工具是一个编辑词云的工具,在编辑词云的过程中,单词之间的邻里关系可以得到很好的保留,并且有着很好的紧凑性,可以用于编辑词云、提升现有词云并作为一个创作工具使用。

继续阅读 =>

CrystalBall: A Visual Analytic System for Future Event Discovery and Analysis from Social Media Data

作者:I. Cho, R.Wesslen, S. Volkova, W. Ribarsky, and W. Dou

期刊:VAST 2017

1. 介绍

现有大多系统从社交媒体分析过去和正在发生的事件,很少关注一些即将发生的事情;现有预测未来事件的系统都指向了专一的事件类型,比如疾病,死亡,骚乱的预测 。今天的论文使用tweet数据来探测未来事件的可视化系统。

本系统的主要需求可以概括为下面三点:

  1. 群众想知道本市最近的音乐会,体育比赛。
  2. 零售商想知道人们未来一段时间的购买需求。
  3. 政府想知道潜在的大型集体活动,游行。

Clustering Trajectories by Relevant Parts for Air Traffic Analysis

作者:Gennady Andrienko, Natalia Andrienko, Georg Fuchs, and Jose Manuel Cordero Garci

发表:2017 VAST

一、简介

针对不同的分析任务,研究人员会对轨迹中的不同部分感兴趣,例如在研究起飞、降落计划时,只有轨迹中的起始与结束阶段是有用的。对数据中与与分析任务有关的部分进行聚类,叫做相关聚类(Relevance-aware Clustering)。一般情况下,相关聚类只需要提前把数据处理好,过滤掉数据中的无关部分,存储处理好的数据即可,但是在分析过程中对相关与不相关的判断会不断发生变化。因此,本文针对轨迹的相关聚类,提出了一套完整的工作流程与分析方法。文章所用的数据集为飞行轨迹数据,但文章提出的方法适用于其他所有类型的轨迹。 继续阅读 =>