非歧义的边捆绑方法:调研用Confluent Drawings来构造网络可视化

Towards Unambiguous Edge Bundling:  Investigating Confluent Drawings for Network Visualization

作者: Benjamin Bach, Nathalie Henry Riche, Christophe Hurter, Kim Marriott, Tim Dwyer

会议:TVCG2017

一、主要贡献

1、提供了一个普适的CD算法

2、通过调研生物、社交关系等方面的关于网络的文献,总结了一些网络中的主题图案, 并基于这些主题图案进行评估

3、评估可读性的用户调研

继续阅读 =>

Towards Better Analysis of Deep Convolutional Neural Networks

首先介绍一下CNN(卷积神经网络)。CNN是一种特殊的神经网络,一个标准的CNN由一系列的层组成,包括卷积层,pooling层,全连接层等。

深度卷积神经网络已经在很多领域都有了突破性的表现。然而高质量深度模型的开发伴随着大量的尝试和错误,也并不能清楚的理解深度模型工作的原理。因为它难以理解的函数和并不清晰的工作机制,深度卷积神经网络一直被视作是黑盒模型。

因此,本文提出用可视化的方法帮助研究者更好的理解、判断和调整深度卷积神经网络。

而目前有两个主要的难题阻碍着研究者去理解和分析深度CNN
一:一个CNN可能包含十几乃至100多层(深度),每层又会有成千上万的神经元(广度)
二:CNN包含许多组件,它们的值和作用难以很好的理解

利用嵌套平行坐标图进行多分辨率气象数据集合的参数分析

利用嵌套平行坐标图进行多分辨率气象数据集合的参数分析

Multi-Resolution Climate Ensemble Parameter Analysis with Nested PCPs

会议: VAST2016/ Session Machine Learning

作者: Junpeng Wang, Xiaotong Liu, Han-Wei Shen and Guang Lin

系统截图如下

一、气象预测数据集及相关问题简介:

气象学中, 对流是降雨形成原因。 给定一个大气状态和大气移动参数的值(对流参数),根据已有信息迭代地运行模拟来得到下一个时间段的状态。 一般将感兴趣的空间区域离散化划分成一块块网格,在这些网格上迭代计算,计算下个时间段的状态,网格大小即是分辨率。为了提升准确率,会采用不同参数调节机制,这样就导致了多组参数;另在不同的分辨率下模拟可捕捉不同尺度下的特征,导致了 多分辨率时空气象ensembles这样的数据集。

在相关领域研究中,这样的预测模型有一定的局限性:模型对于参数设定与分辨率都很敏感,高分辨率模型不一定总比低分辨率的好、而且计算开销不同,分辨率越精细开销越大。为此,领域专家需要分析一些问题,来应对这样的局限性。比如:不同参数之间的关联(correlation);这样的关联在不同分辨率下是否可转移(transferable);对流参数和时空模拟ensemble数据(输出)间的关系。

继续阅读 =>

booc.io:一种层次数据的非线性浏览顺序的概念图可视化方法

简介:

网络教学的方法越来越流行,教育通过网络的传播可以更好地利用优秀的教学资源,使得更多的人得到高水平的教育。一方面学生通过网络课程学习到某一门知识时,往往需要提供学习计划,学习材料和课后的讨论论坛。另一方面,教师希望通过网站能够自由的上传不同类型的学习资料(书本,论文,视频,图片等),并希望能够有效直观的为学生提供学习的指导和学习计划,帮助学生提高知识水平。

本文提供了一种能够对教育数据这种层次数据进行可视化的方法,提供概念图的方法,帮助学生理解学习计划,并提供了各种不同的数据接口,实现对不同资料的学习。教师可以通过系统制定学习计划,创建学习内容,达到教学目的。该系统可以通过网址https://booc.io/进行访问。

继续阅读 =>

Visualizing the Hidden Activity of Artificial Neural Networks

论文:Visualizing the Hidden Activity of Artificial Neural Networks

作者:Paulo E. Rauber, Samuel G. Fadel, Alexandre X. Falc ˜ao, and Alexandru C. Telea

发表会议:VAST2016

 

介绍

在机器学习中,模式分类任务主要是根据样子学习得到模型把高维向量进行分类。人工神经网络在模式分类任务获得了最先进的结果,然而神经网络对我们来说还是一个黑盒。深度神经网络可以看作是对原始的图片数据进行了高层次的抽象,将图片转换成另一种高维向量,一种高层次的数据表达。而这个数据表达的每一个维度正是由神经元构成的。本文使用降维方法探索了数据表达以及神经元之间的关系,从而帮助我们了解和改进人工神经网络。

继续阅读 =>

Voyager: Exploratory Analysis via Faceted Browsing of Visualization Recommendations

论文:Voyager: Exploratory Analysis via Faceted Browsing of Visualization Recommendations

作者:KanitWongsuphasawat, Dominik Moritz, Anushka Anand, Jock Mackinlay, Bill Howe, and Jeffrey Heer

发表:TVCG 2016

 

1. 简介

可视化工具通常需要手动指定视图:分析人员必须选择数据变量,然后选择要应用的转换和可视编码。 这些决策通常涉及领域和可视化设计专长,并且可能施加妨碍探究的冗长的规范过程。 本文提供了一个混合主动系统Voyager,可以多方面浏览根据统计和感知度量选择的推荐图表进行探索性分析,补充手动图表构建方式。

 

2. 贡献

(1) 为面向广度探索的工具提供支持,提高数据集覆盖率

(2) 可视化推荐系统

 

继续阅读 =>

Vol2velle: Printable Interactive Volume Visualization

论文:Vol2velle: Printable Interactive Volume Visualization 可打印的交互式体可视化
作者:Sergij Stoppel and Stefan Bruckner,university of Bergen
发表:TVCG 2017

1. 简介

因为纸质媒体便宜、可回收、易使用等特点,在很多场景中,我们会经常将体可视化打印到纸质媒体上,但是在可视化结果硬拷贝(如打印)时,【交互性】受到一定的损失,而我们知道,在数据可视化中,特别是体数据可视化中,交互特性非常重要,于是作者提出一种打印数据可视化的方法,并且保留了一定的交互性。

作者参考了传统的Volvelle,提出了一种Volumetric Volvelle(Vol2velle)。Volvelle是一种可旋转的轮盘,早在公元前1000年,就已经开始使用,一直被设计用来做一些科学可视化,如行星轨迹观察等。人能够直接和Volvelle进行交互,这也有助于加深理解和记忆,而根据IKEA认识偏见效应,人会对自己参与制作的工具有更高的评价这种认识偏见,使得Volvelle的意义更加突出。

但是传统的Volvelle生产过程中,非常费时费力,往往从设计到制造要花几周时间。于是作者提出了一个用于设计和渲染Volvelle的系统。

继续阅读 =>

Surprise!Bayesian Weighting for De-Biasing Thematic Maps

论文:Surprise!Bayesian Weighting for De-Biasing Thematic Maps

意外!基于贝叶斯权衡纠偏的主题地图可视化方法

作者:Michael Correll and Jeffrey Heer

发表:InfoVis2016

主题地图经常被用来可视化事件热度在地理空间上的分布。然而,传统的主题地图可视化方法受困于已知基准率、采样失真以及归一化等问题,给用户认知带来了困难与偏差。本文利用贝叶斯统计思想,提出了一种全新的主题地图可视化技术。它通过突出异常事件,弱化常规事件来提高主题地图的可读性。

继续阅读 =>

VisFlow – Web-based Visualization Framework for Tabular Data with a Subset Flow Model

论文:VisFlow – Web-based Visualization Framework for Tabular Data with a Subset Flow Model

用于分析表格类型数据的WEB可视化框架

作者:Bowen Yu and Cláudio T. Silva Fellow

发表: TVCG2016

1 简介

数据流系统允许用户通过直接编辑流程图来对数据进行处理、过滤和展示。用户自定义的数据流有益于进行可视分析,包括按需要呈现多个图以及执行不同类型的交互性查询。本文提出了一个用于分析表格数据的WEB可视化框架VisFlow,在这个框架中使用了一种叫subset flow model的的数据流模型。VisFlow着眼于数据流的交互查询,克服了过去计算性数据流系统的交互问题。VisFlow实现了数据的可视化,同时支持在数据流中进行交互选择,brushing和linking。同时本文实现了以VisFlow框架为基础的原型系统,并且通过案例分析来验证了VisFlow系统的有效性。

继续阅读 =>

一种用于分析MOBA游戏中“滚雪球”与“翻盘”背后原因的可视分析方法

论文:A Visual Analytics Approach for Understanding Reasons behind Snowballing and Comeback in MOBA Games

作者:Quan Li, Peng Xu, Yeuk Yin Chan, Yun Wang, Zhipeng Wang, Huamin Qu, Member, IEEE, and Xiaojuan Ma

发表:TVCG2016

简介:为了设计一款成功的MOBA(Mutiplayer Online Battle Arena)的游戏,在所有场次的游戏中必须使“滚雪球”和“翻盘”发生的比率保持在一个固定的范围来保证游戏的公平性和吸引力。游戏开发者发现在游戏设计过程中的大量选择和参数中,确定这两种事件发生的原因和触发时机非常困难。这篇论文提出了一个可视化系统来帮助游戏设计师寻找导致“滚雪球”和“翻盘”发生的关键事件和参数。该系统可以描述玩家位置,状态和关键事件的变化,同时可以揭示玩家的策略和行动,在这些信息中寻找导致“滚雪球”和“翻盘”发生的原因,并加以论证。

继续阅读 =>

第 5 页,共 33 页« 最新...34567...102030...最旧 »