
集合数据是一种常见的数据,它以集合中元素作为属性。除了集合属性(set-typed attribute)之外,也可能存在着其他常规的属性。在集合数据中探索集合关系是此类数据的一个重要分析问题。但当集合数量变多、集合中元素增多,如何有效地探索这些集合关联是一个挑战。针对现有方法存在可拓展性不好,或针对特定的任务而设计,抑或将常规属性与集合属性区分,设计并不统一等问题,这篇论文设计了统一的、可拓展的集合探索可视化形式——AggreSet[1].
目前,动态图可视分析方法主要分为small multiples和animation两大类。Small multiples方法,将时间映射到空间上,用户需要同时观察若干个snapshot,相互比较来获取差异。由于屏幕空间有限,当时间步很多时,很难同时展示出所有时刻的网络,且用户难以分析获取动态网络的变化模式。Animation方法,将时间映射到时间维度,用户在每个时刻只能观察到一个时间步的网络,需要去记忆,理解时间步之间网络的变化情况,进而理解动态图的变化模式。
本文提出一种新颖的方法,来分析动态图的变化模式。他们将每个时间步的网络转换成高维向量,将这些高维向量投影到二维平面,用点表示。如图1所示,投影后得到的布局中,每个点表示一个时间步的snapshot, 每条边连接了两个相邻时刻的顶点。这个方法可以有效地帮助用户探索分析动态图的稳定状态、重现状态、异常状态以及状态与状态之间的转移过程。
继续阅读 »
科学大数据可视化学术研讨会于2015年12月19日在北京大学
2015年12月8日,英国帝国理工学院(Imperial College London)郭毅可教授访问北京大学,并作了题为《Big Data for Better Science》的学术报告。
2015年12月5日,密西西比州立大学(Mississippi State University)的张嵩副教授访问北京大学,并作了题为《Visualizing Ensemble Uncertainty in Numerical Weather Simulations》的学术报告。张嵩副教授博士毕业于布朗大学,本科毕业于南开大学。目前是密西西比州立大学计算机科学与工程系的副教授,目前主要研究方向是科学可视化,数据分析,医学图像处理,和计算机图形学。 继续阅读 »
刚过双十一,又迎双十二,互联网上购物热潮此起彼伏,电商究竟是如何“抓住消费者的心“的呢?从海量浏览数据中发现消费者最终购买商品的因素,这个分析过程涉及算法、人机交互、社会学、心理学等范畴。就人机交互领域范畴中,术语”Sensemaking”表示构建信息与意义之间关系的概念性工具。通过分析网页浏览历史记录、总结出某种操作模式、理解其行为背后的含义,就属于一种Sensemaking过程。Sensemaking,“意义构建”,是指在不确定的情况下,通过发现信息以获取知识达到理解,从而做出决策的过程。想要理解淘宝网上的用户决定购买商品的行为,数据分析研究者首先要收集用户在淘宝网上浏览的过程、做了哪些逗留和比较等等,然后需要翻译和揣测这些动作行为背后的含义与逻辑,最后得出影响用户购买行为的决策因素。了解sensemaking的过程很有意义,因为这可以帮助广大数据分析研究者建立有效的模型和分析工具,从而再服务于应用于分析大型和复杂的数据集。然而就目前而言,sensemaking仍然需要大量的人为观察和记录,十分费时费力:研究人员采集观测数据、录制屏幕视频、录下思考过程语音、找出循环模式,并最终抽象出某种通用的行为模式,从而得出结论。为了帮助sensemaking过程,来自伦敦密德萨斯大学的研究团队推出了他们的研究成果SensePath,一种基于浏览器的在线sensemaking分析工具。他们在今年的国际可视化顶级会议IEEE VIS 2015上报告了这一成果[1],让我们一起来看一下这个SensePath的设计和界面吧。
近期评论