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 =>

Colorgorical: Creating discriminable and preferable color palettes for information visualization

论文:Colorgorical: Creating discriminable and preferable color palettes for information visualization

作者:Connor C. Gramazio, David H. Laidlaw, Karen B. Schloss

简介:本文介绍了一个调色板工具Colorgorical。其中涉及到多种与人类感知相关的颜色度量,以及感知相关的用户交互设计。此外还有出色的现成颜色设计。

继续阅读 =>

TACO: Visualizing Changes in Tables Over Time

论文:TACO: Visualizing Changes in Tables Over Time

作者:Christina Niederer, Holger Stitz, Reem Hourieh, Florian Grassinger, Wolfgang Aigner, and Marc Streit

发表会议:IEEE InfoVis 2017

 

介绍

很多领域下,表格数据是一种非常常见的数据。当表格有多个版本的时候,理解表格数据就需要比较不同版本的表格。然而当前的可视比较工具的可视结果难以解释,并且不适用于大规模数据。作者设计了一个新的可视化工具TACO (TAble COmparison),用于比较表格版本的随时间变化情况。

继续阅读 =>

Visualization System Requirements for Data Processing Pipeline Design and Optimization

动机

数据数量和复杂性的上升需要一个设计和优化数据处理流程。可视化可以支持这一过程,但尽管有很多视觉系统参数分析的例子,这仍然需要系统地评估用户的需求和符合这些需求范例可视化方法。

 

对此作者对于流程也进行了简单的定义如图:

流程是一组计算指令或者说步骤

每个指令有一个特殊的算法参数

设计一个流程需要选择不同的计算步骤

在优化中,用户通常会固定一些计算步骤

 

本文有四个贡献点:通过八个案例展现了这一工作挑战的广度;通过对八个案例的整合回顾总结了用户需求对总结出的用户需求;相应的匹配可视化的功能;最后定义了未来可视化研究的挑战;

继续阅读 =>

机器学习的方法来帮助进行大图可视化

为了为图数据挑选一个合适的布局,论文提出了一种机器学习方法,基于用graph kernel计算的图拓扑相似度。这种方法可以显示图结构在不同的布局方法下的外观,并且可以估计这些图在布局下的美学度量。机器学习的方法来帮助进行大图可视化文章的贡献点是提出了一个可以用来设计graph kernel的框架。

美国国土安全部宣布成立新一代可视分析卓越技术中心

美国国土安全部科技管理局于2017年8月7日宣布成立“加速运营效率 (CAOE) 卓越技术中心”,并将中心设立在美国亚利桑那州州立大学。中心将被赋予10年期的资助,第一年资助额是385万美元。中心主旨是采用最先进的分析工具(如可视分析),支持实时决策,提升美国国土安全部运营单位和其他安全部门的运营效率。在此前一周,美国国土安全部科技管理局在乔治梅森大学宣布成立面向犯罪调查和网络分析的卓越技术中心(CINA)。

继续阅读 =>

第 3 页,共 33 页12345...102030...最旧 »