DecisionFlow：高维时序事件数据的可视分析

作者：ZHU Biao  日期：2014 年 10 月 10 日 没有评论

论文：DecisionFlow: Visual Analytics for High-Dimensional Temporal Event Sequence Data
作者：David Gotz and Harry Stavropoulos
发表会议：vast 2014

本文使用的数据是由一个美国医疗机构提供的，该数据记录了从客户被接收开始的所有事件，一共有32000个客户，8000种事件类型。每个事件都由三个要素组成，即事件类型、发生事件和发生主体（event type，time，entity），由一系列此类事件组成的数据就是题目中提到的时序事件数据（ Temporal Event Sequence Data），而高维（High-Dimensional ）指的是事件类型非常多。

本文主要的动机是由于之前的方法都不能处理维度（事件类型）超过20的此类数据，主要由于高维数据在可视表达上容易产生混乱，不便于用户观察、交互。因此，本文主要着眼于解决高维的问题，能对之前提到的医疗数据进行交互、有效的可视分析。

传统上，领域专家对此类医疗数据分析的目的是为了分析某个病症与哪些因素有关。他们的分析过程分为两步：首先，定义一些选择条件对病人进行筛选；然后，使用统计分析软件（SAS）对筛选结果进行分析。本文方法也遵循了这个流程，但是可视编码和交互的定义使得用户无需编程即可快速、高效地进行分析。

继续阅读 =>

[论文快速浏览]INFOVIS 2014: Maps & Trees

作者：zhaoxin  日期：2014 年 9 月 30 日 没有评论

文章列表：

1.《Origin-Destination Flow Data Smoothing and Mapping》
2.《Stenomaps: Shorthand for Shapes》
3.《Nmap: A Novel Neighborhood Preservation Space-filling Algorithm》
4.《Tree Colors: Color Schemes for Tree-Structured Data》
《Origin-Destination Flow Data Smoothing and Mapping》
本文针对Origin-Destination流动数据的平滑和映射的三个明显问题：1. 流图的结果叠加造成了混乱；2.现有的聚类和分割方法会使提取出得pattern的准确性出现偏差；3.对于不在同一个数量级上得数据样本所得到的可是分析结果存在缺陷。提出了一种提取临界区域，基于核密度估计的流图聚类，筛选流线的方法，可以针对Origin-Destination类型的流畅数据，提取出用户所希望得到的结果。

拓扑分析用于城市数据探索

作者：admin  日期：2014 年 9 月 27 日 没有评论

城市数据规模与日递增，为政府职能部门制定新政策和提高管理水平进而提高人民的生活水平带来新机遇。然而，有效地分析城市数据依然存在诸多挑战。一方面城市数据规模巨大，另外一方面城市系统极为复杂其内在的时空特征难以处理。聚合方法在城市数据分析过程中较为常见。聚合方法的核心问题是聚合的粒度与探索数据片(Data Slices)之间的平衡。粒度（空间或时间）较粗能减少数据片的数量，但是可能导致信息丢失。例如图1显示的是2011年5月1日上午8点到9点纽约出租车上下客的热力图，图（a）中在第六大街没有出租车上下客的记录，因为当时此处因举行NYC 5 Boro Bike Tour而封路。然而在图（b）和（c）以天为单位的聚类很难发现小的局部事件。细粒度的聚合能避免此类问题，但是需要探索更多的数据片，在手工探索界面中寻找城市数据中的模式是不切实际的。在这篇论文中，作者试图通过自动方法检测发生的事件，以此指导用户探索感兴趣的数据。

图1 难以检测的非常规事件

继续阅读 =>

论文报告：Visualizing Mobility of Public Transportation System

作者：wfr_007  日期：2014 年 9 月 26 日 没有评论

论文：Visualizing Mobility of Public Transportation System

 

作者：Wei Zeng, Chi-Wing Fu, Stefan Müller Arisona, Alexander Erath, and Huamin Qu

 

发表会议：VAST 2014

 

城市的公共交通系统作为城市交通重要的组成部分，是为城市计算的研究热点。本文所用数据为城市交通系统中乘客乘坐公交和捷运留下的打卡数据，研究的问题也很明确。首先，如果给定出发点A，给定自出发点A所耗费的时间t0，如何表现和分析能到达的目的地集合B，以及这些路线的的行进时间和行进效率；其次，给定出发点A和具体的目的地Bi，怎样展示自A到Bi的细节路径和活动关联因素，尔后对这些进行评估和分析。

 

所谓的活动关联因素是指：

等待时间——乘客在公交站和地铁站台等待时间。

乘车时间——乘客乘坐交通工具行进的时间。

换乘时间——乘客在换乘点间花费的时间，如走路等。

出行效率——在一对出发地和目的地间出行的效率，相对于整个公共交通系统内行进的均值效率。

为了分析这些因素，作者首先建立起这些因素之间的关系，设定一次出行的时间为等待时间、乘车时间以及换乘时间之和

公式一

继续阅读 =>

论文报告：Blood Flow Clustering and Applications in Virtual Stenting of Intracranial Aneurysms

作者：admin  日期：2014 年 9 月 26 日 没有评论

论文：Blood Flow Clustering and Applications in Virtual Stenting of Intracranial Aneurysms

作者：Steffen Oeltze, Dirk J. Lehmann, Alexander Kuhn, Gabor Janiga, Holger Theisel, and Bernhard Preim

发表会议：VIS 2014

本文试图使用聚类的方法和其可视化展示，用于分析基于病人个体数据的血液流CFD(computational fluid dynamics)模拟数据，以判定颅内肿瘤虚拟支架的效果。为了寻找最合适的聚类方法，本文定量分析了三种在流线型数据中常用的聚类方法和其变种。此外，本文还介绍了多种基于聚类的流概述可视化方法。最后，对这些方法进行了专家评估。

继续阅读 =>

2014年9月14日VAG迎新晚宴

作者：admin  日期：2014 年 9 月 15 日 没有评论

2014年9月14日晚，本组在紫金港国际饭店为本学期将要来实验室做毕设或参与项目的本科生同学举办了迎新自助晚宴，他们是来自计算机系、数字媒体技术系和数学系的大三或者大四的同学，有部分同学也有意愿以后继续留在我们小组读博或是读硕。祝他们日后在实验室学习愉快、工作顺利！

浙大可视分析小组在IEEE VIS发表5篇论文

作者：wchen  日期：2014 年 7 月 17 日 没有评论

5篇论文全部发表在IEEE VAST(可视分析年会)上，其中TVCG Track3篇，Conference Track 2篇。

研究题目分别是多维散点图可视抽象、社会计算可视分析框架、多类时序数据可视分析、出租车轨迹可视分析、物理边界形变可视分析。

VAST 2014: TVCG Track

Visual Abstraction and Exploration of Multi-class Scatterplots
Haidong Chen, Wei Chen, Honghui Mei, Zhiqi Liu, Kun Zhou, Weifeng Chen, Wentao Gu, Kwan-Liu Ma

VASA: Interactive Computational Steering of Large Asynchronous Simulation Pipelines for Societal Infrastructure
Sungahn Ko, Jieqiong Zhao, Jing Xia, Xiaoyu Wang, Greg Abram, Niklas Elmqvist, Shaun Kennedy, Kelly Gaither, William Tolone, William Ribarsky

VAET: A Visual Analytics Approach for E-transactions Time-series
Cong Xie, Wei Chen, Xinxin Huang, Yueqi Hu, Scott Barlowe, Jing Yang

VAST 2014: Conference-only Track

A Visual Reasoning Approach for Data-driven Transport Assessment on Urban Road
Fei Wang, Wei Chen, Feiran Wu, Ye Zhao, Han Hong, Tianyu Gu, Long Wang, Ronghua Liang, Hujun Bao

BoundarySeer: Visual Analysis of 2D Boundary Changes
Wenchao Wu, Yixian Zheng, Huamin Qu, Wei Chen, Eduard Gröller, Lionel Ni

UC Davis的 Kwan-Liu Ma（马匡六）教授来CAD实验室做学术报告

作者：admin  日期：2014 年 7 月 4 日 没有评论

7月3日下午，来自UC Davis的Kwan-Liu Ma教授来CAD实验室做了精彩的学术报告。马老师的IEEE Fellow，浙江大学求是讲座教授，是华人可视化研究领域最优秀的研究人员。

继续阅读 =>

浙大CAD实验室可视分析小组招聘博士生、科研助理和科研秘书

作者：wchen  日期：2014 年 7 月 4 日 没有评论

本小组正在从事城市数据可视分析的研究。现招聘：

1）明年2015年入学的博士生2名；

2）浙大事业编制的专职科研人员1-2名（年薪制，10万-20万），需软件架构或数据分析或可视化的背景；可从外单位调入。预计入职时间：随时。

3）科研秘书1名，大专以上学历，有设计背景优先。预计入职时间：明年3月或6月。

 

请电子邮件咨询或将详细简历发送：

zjuvis@cad.zju.edu.cn

 

小组博客：

http://www.cad.zju.edu.cn/home/vagblog

个人主页：

http://www.cad.zju.edu.cn/home/chenwei

论文报告：Authoring Narrative Visualizations with Ellipsis

作者：侯雨濛  日期：2014 年 6 月 25 日 没有评论

论文：Authoring Narrative Visualizations with Ellipsis

作者：Arvind Satyanarayan,  Jeffrey Heer

发表会议：Euro VIS 2014

 

在现行的叙事性数据新闻的制作过程中，由于新闻从业人员往往具备较少的编程基础，而现有的可视化集成工具在storyline的组织和交互上又有所局限，因而新闻从业人员往往不能按照自己的新闻思维与设计思路去制作一个具有良好表达性的数据新闻成果。该篇文章的工作就是基于这一需求，建立了一个基于状态机的场景模型，形成一个结合了多种可视化组件、标注、时间线和交互等元素的原型工具——Ellipsis，来方便新闻从业人员自由地创造叙事性的数据新闻。

1. 模型结构

图1：Ellipsis建立的模型结构

 


继续阅读 =>

第 20 页，共 36 页« 最新...10...1819202122...30...最旧 »