对于安全监测领域，一切重要的对象，包括人、物品、船只、交易记录等，都是时刻地被记录与监测着。他们需要监测这些对象的最新动态，并且判断出哪些对象处于异常状态。然而通常的数据挖掘方法与模型，会根据你的输入，直接给出一个输出，例如，这个人有75%的可能性有某种异常违法行为。然而这种方法并不能让分析人员了解，为什么？是哪些原因让算法做出了这样的判断？但这里传统的算法只能依靠分析人员进行推测了。
月度存档: 七月 2015
Rationale Visualization for Safety and Security – 用于安全监测的逻辑推理可视化
作者: Siming Chen
日期: 2015年7月31日
Rationale Visualization for Safety and Security – 用于安全监测的逻辑推理可视化已关闭评论
Stroscope: 不规则测量时序数据的多尺度可视化方法(Stroscope: Multi-Scale Visualization of Irregularly Measured Time-Series Data)
作者: qingya.shu
日期: 2015年7月31日
Stroscope: 不规则测量时序数据的多尺度可视化方法(Stroscope: Multi-Scale Visualization of Irregularly Measured Time-Series Data)已关闭评论
生活中很多被记录的数据都有时间信息：信用卡刷卡记录了消费行为、健康测量数据记录某个病人在发病时各项指标系数。传统时序数据可视化可以展示数据值随着时间如何变化，比如观察折线图中曲线的起伏，信用卡消费支出的变化一览无疑。然而，不知你有没有思索过，这些可视化方法是否“准确如实”地传达出测量数据的所有信息？
这里，一篇有趣的论文就指出了这么一个问题，一个极其重要却往往被传统时序数据可视化忽视的现象：大多数的时序数据都是伴随着事件发生，其测量的的频率间隔并不规则，对这类非规律频率测量的时序数据（以下简称非规则测量时序数据）而言，测量频率/测量间隔本身也是一个重要的信息。比如该如何表示缺省的测量值？对于没有测量点的时间段，传统的采用插值的方法来猜测的数值是否会造成误会？
继续阅读 »
Perfopticon: Visual Query Analysis for Distributed Databases （Perfopticon: 针对分布式数据库的可视检索分析工具）
作者: Zhenhuang Wang
日期: 2015年7月25日
Perfopticon: Visual Query Analysis for Distributed Databases （Perfopticon: 针对分布式数据库的可视检索分析工具）已关闭评论
随着数据量的日益增大，分布式数据库逐渐被广泛采用。数据库开发人员和用户在进行数据库检索时，会不时碰到检索速度慢等问题，需要有力的工具来帮助人们分析检索的瓶颈。而在分布式数据库中，执行情况的分析变得更加复杂。这篇论文提供了Perfopticon工具，来帮助人们追踪、分析分布式数据库检索的执行过程，从而高效地定位问题所在。
近期评论