2016年5月28日，北京大学可视化与可视分析实验室博士生陈思明受邀参加在中国人民大学举办的第九届R语言大会，在可视分析分会场做了关于“微博轨迹可视化”的演讲。报告介绍了实验室关于社交媒体可视分析的工作，从每个人的“微博足迹故事”出发，对单个人与人群的移动轨迹进行深入的可视分析。在场观众纷纷踊跃提问，现场与会后讨论交流热烈。本次可视分析分会场还有来自Tableau等公司可视化团队负责人以及利用R语言进行可视分析的学者。 继续阅读 »
月度存档: 五月 2016
北京大学2016年校园开放日实验室成果演示
作者: Richen Liu
日期: 2016年5月23日
北京大学2016年校园开放日实验室成果演示已关闭评论
2016年5月21日是北京大学校园开放日，实验室安排了在可视化与可视分析方面的最新成果向公众演示，包括湍流可视化，交通数据、微博数据可视分析，伪基站数据可视分析等科研项目。此次开放日实验室接待的参观者包括来自中小学生及其家长等百余人。实验室成员赖楚凡，刘日晨，林丽静，张江，张宇，左任等多位同学参与了本次开放日演示工作，向参观者介绍相关的工作，并面对面解答参观者的各种问题。可视化能将复杂的数据转换为更容易理解的方式传递给受众，本次活动，很好地向公众普及了可视化的最新进展，受到参观者的好评。
塔斯马尼亚大学人机交互技术实验室主任Henry Duh教授访问北京大学可视化实验室
作者: Siming Chen
日期: 2016年5月18日
塔斯马尼亚大学人机交互技术实验室主任Henry Duh教授访问北京大学可视化实验室已关闭评论
2016年5月18日，来自澳大利亚的塔斯马尼亚大学人机交互技术实验室（HIT, Human Interface Technology Laboratory Australia）主任Henry Duh教授访问北京大学，参观了北大可视化与可视分析实验室的多项演示，并与实验室负责人袁晓如研究员进行了深入的学术讨论。Henry Duh教授是资深的人机交互领域的专家，在相关领域发表了100多篇国际论文，并出版了多项专著。曾获得多项人机交互的成就（例如Asian Human-Computer Interaction Heroes in ACM CHI2015）。
实验室博士生陆旻在第七届中国数据库技术大会数据挖掘和BI专场演讲
作者: Min Lu
日期: 2016年5月15日
实验室博士生陆旻在第七届中国数据库技术大会数据挖掘和BI专场演讲已关闭评论
2016年5月13日，北京大学可视化与可视分析实验室博士生陆旻受邀参加在北京国际会议中心举办的第七届中国数据库技术大会，在数据挖掘和BI专场做了题为《城市移动数据知微探秘》的演讲。
继续阅读 »
IEEE Pacific Visualization 2016 Day 4
作者: Chufan Lai
日期: 2016年5月7日
IEEE Pacific Visualization 2016 Day 4已关闭评论
IEEE Pacific Visualization 2016 Day 3
PacificVis 2016会议第三天的日程包括Keynote，四个Full Paper Session以及Poster Session。
本次大会的第二个Keynote由来自台湾工业技术研究院的闕志克博士带来，题目是“Visualization for Deep Learning Training”。近年来，深度学习在视频、音频、语音、文本等各类数据中都取得了巨大的成功。另一方面，如何更便利地训练深度学习模型成为了一个重要的问题。闕博士将深度学习模型与一般的软件开发进行对比，如下图所示，指出我们也需要有相应的集成开发环境来辅助开发人员来训练、改善与发展深度学习模型。 继续阅读 »
基于二部图的双聚类可视分析 (Interactive Visual Co-Cluster Analysis of Bipartite Graphs)
作者: Zhenhuang Wang
日期: 2016年5月7日
基于二部图的双聚类可视分析 (Interactive Visual Co-Cluster Analysis of Bipartite Graphs)已关闭评论
二部图(Bipartite Graph)是图论中的一种模型，图的顶点集V可以分割成两个互不相交的子集，图中每条边两端的顶点都属于不同的两个子集，并且同一个子集中的顶点不相邻。二部图出现在不少实际情况中，例如研究者和研究课题可以看做是两个不相交的子集，而研究者和研究课题间可以形成联系；议员与议案之间也存在类似的关系。双聚类(Co-Clustering)可以对二部图的两个子集同时进行聚类。
PieceStack: 更好理解堆叠图 (PieceStack: Toward Better Understanding of Stacked Graphs)
作者: Min Lu
日期: 2016年5月6日
PieceStack: 更好理解堆叠图 (PieceStack: Toward Better Understanding of Stacked Graphs)已关闭评论
对于多条时变数据的可视化与分析有多种方法，包括了多折线图、堆叠图、折线图的Small Multiples布局等。作为一种直观的多时序数据可视化方法，堆叠图因其直观形象的可视化表达被广泛使用。但同时由于存在着比较困难、当时序数据数量增加时可伸缩性差等缺点，被谨慎地用于可视分析中。本文[1]提出一种基于堆叠图的可视化设计，PieceStack，更好地理解和使用堆叠图进行时序数据的分析。
SepMe: 2002种度量视觉元素分离程度的准则 (SepMe: 2002 New Visual Separation Measures)
作者: Yu Zhang
日期: 2016年5月6日
SepMe: 2002种度量视觉元素分离程度的准则 (SepMe: 2002 New Visual Separation Measures)已关闭评论
在可视数据分析中，分析者需要用视觉观察数据，寻找有趣而未知的模式。在降维的投影的语境下，希望降低人的认知开销，让机器事先找到有趣的投影。为此，就需要量化定义投影的质量，在许多工作中都给出了各自的视觉效果度量（visual quality measure），这些度量都希望能够模仿人类知觉的准则。
本文只考虑到二维散点图的投影，在二维散点图的视觉效果度量的相关工作中，一般来说，这些视觉效果度量，或者说可分性度量，希望散点图中不同类的中心距离比较大，或者希望在不同范围中根据类标签计算出的熵比较小。不失一般性，本文只讨论数据的类别标签只有两种的情况。
IEEE Pacific Visualization 2016 Day 2
IEEE PacificVis 2016的第二天正式进入论文报告环节。大会主席、台湾国立科技大学教授楊傳凱首先致开幕词，随后论文主席之一、犹他大学教授Charles D. Hansen介绍了今年PacificVis会议的论文提交情况。本届会议共收到97篇论文提交，最终接收29篇，录取率29.9%，和往年基本持平。其中6篇文章被推荐到TVCG。短篇论文（Notes）提交39篇，16篇被接收。
近期评论