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 =>

想找回丢在出租车的手机?你需要融合异构数据的城市级查询和推理

大包小包地打车从火车站回家,却发现手机落在出租车上,好不容易联系上司机,司机却说没找到。这可怎么办呢?近日,阿里巴巴-浙江大学前沿技术联合研究中心发表了最新研究成果VAUD,它可利用可视分析技术将城市级查询的门槛降到最低,不需要写查询语句,拖拖拽拽就能对城市轨迹进行分析和推理。有了 VAUD,从此我们可以轻松找回丢在出租车上的手机。

没错,只要有了出租车和手机移动轨迹的数据,只要在系统输入你上下车的时间和地点,就能找到匹配的出租车(增加路过的时空点可以提高匹配的准确度),再通过查找和出租车匹配的手机轨迹,就能定位你的手机(和司机的手机),看看你下车后手机和出租车的匹配度,就知道你的手机是不是还在车上。如果手机被后来的乘客顺走,还可以同样地定位该乘客的去向。类似的功能还可以在警察定位逃犯、嫌疑人跟踪等安全场景应用。

继续阅读 =>

E-Map: A Visual Analytics Approach for Exploring Significant Event Evolutions in Social Media

论文:E-Map: A Visual Analytics Approach for Exploring Significant Event Evolutions in Social Media

作者:Siming Chen, Shuai Chen, Lijing Lin, Xiaoru Yuan, Jie Liang, Xiaolong Zhang

发表会议:IEEE VAST 2017

 

一、介绍

社交媒体在信息与重要事件的传播与扩散中起了重要作用。当一个重要事件在社交媒体中出现时,会引发一系列的关注者转发、评论该问题,并产生新的意见。一个重要事件往往有上百万人牵涉其中。因此,社交媒体能很好的反应事件的演变过程、激发人们参与事件讨论的原因。关于某个重要事件,人们关注的问题包括:人们在社交媒体上讨论什么?信息是如何传播的?事件的演变是如何发生的?

继续阅读 =>

Revisiting Stress Majorization as a Unified Framework for Interactive Constrained Graph Visualization

作者:Yunhai Wang, Yanyan Wang, Yinqi Sun, Lifeng Zhu, Kecheng Lu, Chi-Wing Fu, Michael Sedlmair, Oliver Deussen, and Baoquan Chen

发表:2017 TVCG (InfoVis)

1、动机:

1)图数据应用广泛,需求多样,难以适应

2)没有方法既美观又易读,还能适用于大规模数据

2、贡献:

1) 改进模型:改进stress majorization模型,将其重新构造成一个可自定义约束的通用可视化框架

2)使用方法:给出结合三类约束优化布局的方法

3)相关系统:支持GPU加速,可交互探索10K节点,90K边的图形布局

继续阅读 =>

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 =>

第 2 页,共 32 页12345...102030...最旧 »