近年来,超级计算机被广泛应用于诸如气候和分子动力学模拟等大规模并行应用程序中。这些超级计算机往往包含大规模的计算结点,结点之间通过复杂的通信网络连接,例如5D torus或者dragonfly等。应用程序的计算任务被分配到各个计算结点,并且由这些结点协作完成。在这个过程中,结点之间的通信是非常关键的,在很大程度上影响着并行程序的可扩展性和并行效率。因此, 如何识别通信瓶颈并且对通信进行优化变得非常重要。造成通信瓶颈的原因有很多,例如通信路由比较长,通信网络上收发的信息量比较大等。研究者需要能够了解通信路由,减少通信网络拥堵。今年VAST会议上有一篇文章提出了一个可视分析系统,使用可视化方法对通信行为进行分析[1]。
月度存档: 十一月 2017
用于在大规模并行应用程序中优化通信的可视分析系统 (A Visual Analytics System for Optimizing Communications in Massively Parallel Applications)
作者: Jiang Zhang
日期: 2017年11月27日
用于在大规模并行应用程序中优化通信的可视分析系统 (A Visual Analytics System for Optimizing Communications in Massively Parallel Applications)已关闭评论
ThermalPlot: 使用暖气流隐喻可视化多属性时序数据(ThermalPlot: Visualizing Multi-Attribute Time-Series Data Using a Thermal Metaphor)
作者: chenglei
日期: 2017年11月25日
ThermalPlot: 使用暖气流隐喻可视化多属性时序数据(ThermalPlot: Visualizing Multi-Attribute Time-Series Data Using a Thermal Metaphor)已关闭评论
多属性时间序列数据在许多不同的领域,如经济学,传感器网络和生物学中都起着至关重要的作用。理解这些数据的一个重要任务是为用户提供一个总览,帮助用户识别随着时间的推移显示出有趣的绝对和相对变化的数据项。但是,现有的可视化技术并不能很好地支持这一点。为了解决这个问题,作者提出了ThermalPlot[1],把多个属性随着时间的推移变化映射到空间中位置的变化。ThermalPlot中的x位置是基于用户定义的兴趣度Degree-of-interest(DoI)函数,该函数通过加权综合了多个属性数值。 y位置由用户指定时间窗口内DoI值(DDoI)的相对变化决定。通过一个移动的时间窗口对这个映射进行动画处理会导致数据项的位置随着时间做环形的移动,就像热系统一样,因此使用暖气流的隐喻。作者通过OECD国家经济合作和发展数据和股票市场数据两种使用场景来展示ThermalPlot技术的有效性。
从位图可视化中提取和更改颜色映射(Extracting and Retargeting Color Mappings from Bitmap Images of Visualizations )
作者: Qiangqiang Liu
日期: 2017年11月23日
从位图可视化中提取和更改颜色映射(Extracting and Retargeting Color Mappings from Bitmap Images of Visualizations )已关闭评论
Zooids: 为群用户界面建立模块(Zooids: Building Blocks for Swarm User Interfaces)
作者: Ma, Nan
日期: 2017年11月19日
Zooids: 为群用户界面建立模块(Zooids: Building Blocks for Swarm User Interfaces)已关闭评论
保持多个视图一致:可视化构建中的约束、确认和例外(Keeping Multiple Views Consistent: Constraints, Validations, and Exceptions in Visualization Authoring)
作者: Jiang, Ruike Jiang
日期: 2017年11月18日
保持多个视图一致:可视化构建中的约束、确认和例外(Keeping Multiple Views Consistent: Constraints, Validations, and Exceptions in Visualization Authoring)已关闭评论
MyBrush:可个人代理的交互刷选(MyBrush: Brushing and Linking with Personal Agency)
作者: Lu Feng
日期: 2017年11月18日
MyBrush:可个人代理的交互刷选(MyBrush: Brushing and Linking with Personal Agency)已关闭评论
基于规则模型的动态影响网络 (Dynamic Influence Networks for Rule-based Models)
作者: Lijing Lin
日期: 2017年11月17日
基于规则模型的动态影响网络 (Dynamic Influence Networks for Rule-based Models)已关闭评论
VISTILES: 通过协同定位移动设备的协调组合进行可视化数据探索(VISTILES: Coordinating and Combining Co-located Mobile Devices for Visual Data Exploration)
作者: yuening.shi
日期: 2017年11月16日
VISTILES: 通过协同定位移动设备的协调组合进行可视化数据探索(VISTILES: Coordinating and Combining Co-located Mobile Devices for Visual Data Exploration)已关闭评论
Orko: 使用多模交互方式探索分析图可视化(Orko: Facilitating Multimodal Interactions for Visual Exploration and Analysis of Networks)
作者: Shuai Chen
日期: 2017年11月4日
Orko: 使用多模交互方式探索分析图可视化(Orko: Facilitating Multimodal Interactions for Visual Exploration and Analysis of Networks)已关闭评论
PhenoLines: 通过主题模型来对疾病亚型的症状进行比较可视化(PhenoLines: Phenotype Comparison Visualizations for Disease Subtyping via Topic Models)
作者: Yun Han
日期: 2017年11月4日
PhenoLines: 通过主题模型来对疾病亚型的症状进行比较可视化(PhenoLines: Phenotype Comparison Visualizations for Disease Subtyping via Topic Models)已关闭评论
近期评论