Vega-Lite: A Grammar of Interactive Graphics

论文:Vega-Lite: A Grammar of Interactive Graphics

作者:Arvind Satyanarayan, Dominik Moritz, KanitWongsuphasawat, and Jeffrey Heer

发表:InfoVis 2016

 

在 InfoVis 2016 上,UW 交互数据实验室 提出了一种新的交互数据可视化语法——Vega-Lite,获得了今年的 best paper,本文将根据其论文从多个角度介绍 Vega-Lite。论文地址

什么是 Vega-Lite?

简而言之,Vega-Lite 是一种数据可视化的高级语法,能够快速定义一些基本的交互式数据可视化。

如果你听说过 Vega,那么光看 Vega-Lite 的名字就不难想到它们的关系。Vega-Lite 就是编译成 Vega 的更高级图形语法。

如下图所示,只要右边寥寥数行代码,就能定义一个散点图:

继续阅读 =>

NameClarifier: 对论文作者姓名进行消歧的可视分析系统

论文:NameClarifier: A Visual Analytics System for Author Name Disambiguation

作者:Qiaomu Shen, Tongshuang Wu, Haiyan Yang, Yanhong Wu, Huamin Qu, and Weiwei Cui

发表:VAST2016 / TVCG

一、概述

        目的: 不同文献中的作者重名问题

        动机:

- 现有的纯挖掘算法往往采用全局模型, 无法处理一些特殊情况 (比如, 同一篇文章重名; 重名者研究领域高度相似; 重名者研究领域随时间发生变化等等)

- 现有可视化方法很少

        贡献:

- 用可视化方法将原本黑盒解法变成一个白盒的过程

- 提供一种引导用户进行分类的方法而不是简单的给出分类结果

- 提出一种两步去重的过程, 迭代的改良分类结果

二、系统流程

给定一个名字, 输入到这里的是所有这个名字的文献的资料Pre-processor: 对每个publication抽取metadata 给Analyzer然后Analyzer首先将所有有明确身份的文章分组(person1, person2等等以及各自对应的文章的集合), 将剩下的标为歧义的文章. 然后将确定的组与歧义的文章比较估计相似性, 利用的是不同时间所发表刊物的一些属性和共同作者的一些数学关系最后Visualizer展现这些关系, 一共有三个view 第一个view主要是分类那些有着歧义名的文章来到现有的确定组中去, 后面两个view主要是来验证前面的初步结论.

System Pipeline

系统流程

三、数据处理

继续阅读 =>

HindSight: Encouraging Exploration through Direct Encoding of Personal Interaction History

论文:HindSight: Encouraging Exploration through Direct Encoding of Personal Interaction History

作者:Mi Feng, Cheng Deng, Evan M. Peck, Lane Harrison

发表:TVCG2016

背景:

人的记忆力是有限的,并且会随着时间衰减。在数据探索过程中,人们需要花费精力记住自己的探索记录。因此,一项可以支持记录交互历史的可视化技术在数据探索研究领域将会有很大影响。

简介:

HindSight是指描述直接在原有可视化系统上展现交互历史的设计原则的涵盖性术语。文章提出了一个假想:在探索性分析中,直接编码的个人历史可以对用户行为产生积极的影响。为了验证这个假想,他们进行了实验:把HindSight用于3个已有的可视化系统中,来检验HindSight原则的价值。

HindSight原则的核心想法是(在数据编码的基础上)将用户的 交互 也编码到可视化设计中。

实验过程:

实验使用了3个交互性的可视化系统(MetaFilter,255Charts,Storytelling),分别设置了实验组和对照组。实验参与者为AMT(“机械的土耳其人”网站)的雇员。

继续阅读 =>

UnTangle Map: Visual Analysis of Probabilistic Multi-Label Data

论文:UnTangle Map: Visual Analysis of Probabilistic Multi-Label Data

作者:Nan Cao, Yu-Ru Lin, and David Gotz

发表:TVCG2015

研究对象:概率多标签数据

一、创新点

- 精确可控的标签节点布局算法

- 提高可拓展性的聚类渲染技术

- 易于理解的评估

二、可视设计

1、三元图:三个顶点为三个标签,将每个数据项对应的三个属性值的和归一后投影到三元图上,其总值的大小用点的透明度编码。

继续阅读 =>

A Visual Analytics Approach for Categorical Joint Distribution Reconstruction from Marginal Projections

论文:A Visual Analytics Approach for Categorical Joint Distribution Reconstruction from Marginal Projections

作者:Cong Xie, Wen Zhong, and Klaus Mueller

发表会议:VAST2016

 

介绍

通常情况下,我们获得的多变量数据并不是等多元元组的集合,而是一些属性的子集的投影。例如,我们可能会找到有5个属性的数据,但我们得到的并不是一个完整的表格,这些数据以两两维度存储在六个表中。所以我们想要从边缘分布重构联合分布。目前已知的方法都通过迭代过程来估计联合分布。当前的这些方法存在以下两个问题:一、没有足够的边际分布和专家知识,结果的误差较大。二、如果属性不是数值型的而是类别型的,求解过程中的正则化是不适用的。作者提出了一个结合多种数据和领域专家只是的可视分析方法,以迭代的方法来缩小合理解的数量。

继续阅读 =>

VisDock: A Toolkit for Cross-Cutting Interactions in Visualization

论文:VisDock: A Toolkit for Cross-Cutting Interactions in Visualization

作者:Jungu Choi, Deok Gun Park, Yuet Ling Wong, Eli Fisher, and Niklas Elmqvist

发表期刊:TVCG2014

VisDock提供可嵌入D3代码的JS库,为D3创建的可视化添加额外的工具栏(类似于PS/AI),可以简单地添加各种交互如平移、缩放、框选、添加标签等等操作。

VisDock的设计理念源于图形编辑软件如Photoshop、Adobe Illustrator等。与其类似,VisDock提供工具实现多种交互方式:选择、查询管理、导航和标注。
选择包括点选、框选、套索等。在选择的基础上,VisDock还提供类似于PS、AI中的图层管理的查询管理,对多次选择的结果可以分别进行操作,并能对多个选择结果进行交集、并集等集合操作。

继续阅读 =>

TimeCrunch: Interpretable Dynamic Graph Summarization

怎样描述一个很大的动态图,或者说我们怎么去找出现实中动态图的一些模式,我们怎么评估它们的重要性。这就是这篇文章要解决的问题。纵然有许多的图算法适用于各种情况,但是传统聚类和社团搜索的目标并不是我们现在要追求的。何况它们也不能给出输出的特性的描述。

基于此,本文提出了TIMECRUNCH的算法,把动态图按照有时序标志的静态图的组合,找出成本最小的表示,并从中找出想要找的模式和特殊结构。而且最终,作者应用TIMECRUNCH分析大的动态网络,找到了多种模式和异常状态,这些表明了现实图确实展现了时序结构。

与之前的一些常用方法相比较。TIMECRUNCH可处理多种形式的图。

继续阅读 =>

Visually Comparing Weather Features in Forecasts

论文:Visually Comparing Weather Features in Forecasts

作者:P. Samuel Quinan, Miriah Meyer

发表会议:TVCG2016

介绍

气象学家通过可视化结果来考察天气特征中的信息,对天气预报提供帮助。文章作者与气象学者合作,指出天气可视化中遇到的两个主要挑战:1)各种可视化方案之间不一致;2)对于一组预报结果中特征的关联缺少直接的可视化支持。在这项工作中,作者考察了若干个气象数据,对于不同的问题类型,提出了一组有效的可视化方案,在一个开源工具WeaVER中体现了这些可视化方法;并思考在使用气象数据中遇到的挑战。

多维气象数据可视化方案

作者从不同来源搜集了具有代表性的一系列气象数据可视化结果。考察这些图像之后,肯定了其中一些符合可视化原则的有效方法、并对其它一些情况给出了改进的方案,以提高气象研究者的效率。

1)对于相互独立的场(即解读其中一个场的信息不需要对另一个场的知识),建议在底层颜色图、一组轮廓线、一组纹理或符号这三种视觉编码中组合,以对应于2个标量场以及1个标量或向量场。下图是其中一个例子:

继续阅读 =>

浙江大学第八届可视化暑期学校

7月30日至31日,在浙江大学紫金港校区国际会议中心,第八届可视化暑期学校拉开了帷幕。本次暑期学校侧重于数据可视化与可视分析系统设计与开发中的基础原理与关键技术,邀请到了国内外可视化研究领域资深学者和资深可视化工程师进行原理性教学和实战分享。

暑期学校伊始,本次暑期学校的学术顾问——浙江大学陈为教授主持了开幕式,对在场的400余位来自各个领域,对可视化抱有热忱的学员表示欢迎。中国计算机学会常务理事、浙江大学软件学院副院长卜佳俊及阿里巴巴研究员、阿里云大数据业务负责人徐常亮分别代表学术界及企业界对学员表达了期望。

继续阅读 =>

可视化暑期学校补充材料

暑期学校实际报告中有的PPT和U盘里的改动比较大,在这里列出来

1.  应用场景下的数据基本分析流程和分析方法

 

第 2 页,共 28 页12345...1020...最旧 »