论文：TopKube: A Rank-Aware Data Cube for Real-Time Exploration of Spatiotemporal Data

作者：Fabio Miranda, Lauro Lins, James T. Klosowski, and Claudio T. Silva

继续阅读 =>

论文：iSphere: Focus+Context Sphere Visualization for Interactive Large Graph Exploration

作者：Fan Du , Nan Cao , Yu-Ru Lin

发表会议：Proceedings of the 2017 CHI Conference on Human Factors in Computing Systems. ACM, 2017

介绍

图布局是信息可视化中一个重要的任务。然而，随着数据量的增加，传统的图布局方法生成一个“好”的图布局结构越来越困难。降维方法可以将一个高维向量映射为低维空间中的向量，这和图布局的目标是类似的。尽管基于降维的图布局似乎很简单，但是这方面却少有相关的工作。这片文章基于对t-SNE降维方法提出了一个新的图布局方法，tsNET（*）。tsNET（*）将原始的图的拓扑结构表达为一个距离矩阵，并且通过对t-SNE目标函数的少许修改，达到更好的图布局结果。

标题：Structuring Visualization Mock-ups at the Graphical Level by Dividing the Display Space

作者：Romain Vuillemot and Jeremy Boy

发表：2017 TVCG (InfoVis)

一、背景

论文：Progressive Learning of Topic Modeling Parameters: A Visual Analytics Framework

作者：Mennatallah El-Assady, Rita Sevastjanova, Fabian Sperrle, Daniel Keim, and Christopher Collins

发表会议：IEEE VAST 2017

一、介绍

主题模型是一类用于将文档根据在其内部的主题分布归类的非监督机器学习方法。主要思路为，根据文档及其中的词汇建立起文档描述向量，从而求解出文档中的主题分布与每个主题中的关键词分布。主题模型是一类非监督的黑盒模型，本文希望能帮助理解主题模型的输出，并使得所用的模型适应当前数据与任务的特性，以增强模型的可靠性。而可视分析恰恰能通过人的参与和反馈，完成数据和任务驱动的模型构造过程。本文的主要贡献包括：

1.提出了一个有人参与的主题模型循序渐进改进方式

2.设计了四个根据四个任务驱动的可视化窗口

3.通过实证测试与定性实验验证了方法的有效性

继续阅读 =>

论文：StreetVizor: Visual Exploration of Human-Scale Urban Forms Based on Street Views

作者：Qiaomu Shen, Wei Zeng, Yu Ye, Stefan Müller Arisona, Simon Schubiger,  Remo Burkhard, Huamin Qu

发表会议：IEEE SciVis 2017

介绍

城市的形态和人群在城市中的生活息息相关。当我们描述一个城市的时候，可以从宏观和微观两个角度。宏观的城市形态主要包括面积和人口等描述大范围的指标。而微观的城市形态是基于人的感知的，如视觉、触觉、听觉和在城市中的体验。微观的城市形态和人的生活更加密切，因此理解城市形态对于设计搞质量的城市空间非常重要。 经典的城市理论研究只是基于小范围人群的调研，不能提供更加广泛并且深入的指导性意见。而谷歌街景图忠实得记录了道路上多个地理位置的全景视角，这类似于人类的眼睛，提供了从视觉角度研究微观城市形态的方法。我们可以从街景图中查看绿化、天空和建筑等信息在城市不同区域的分布。

继续阅读 =>

继续阅读 =>

论文：Bridging From Goals to Tasks with Design Study Analysis Reports

作者：Heidi Lam, Melanie Tory and Tamara Munzner

继续阅读 =>

12月18日下午，华为云计算部门的AI平台技术负责人夏应龙博士来访实验室，小组成员朱闽峰、林立文、张天野分别介绍了小组项目，包括VAUD城市大数据集成分析平台项目、全球尺度三维大气数据可视分析系统、电力仿真可视分析项目。

继续阅读 =>