数据总结(summary)允许分析人员探索太复杂或数据量太大而无法可视化其细节的数据集。在可视化分析系统中使用总结时,设计人员需要面对大量的设计选择。虽然这些选择会影响所得到的系统的效用,但使用这些总结技术并没有明确的指导原则。在本文中[1],作者将总结用法编入现有系统中,以确定总结可视化设计的关键因素。他们使用定量内容分析系统地调查可视分析系统的示例,并列举这些设计因素在数据总结中的使用。通过这一分析,作者揭示了设计考虑因素,可视化系统中数据总结策略之间的关系,以及不同总结方法如何影响系统支持的分析。作者利用这些结果综合了现实世界中使用总结可视化的常见模式,并强调了这些模式为设计有效系统所提供的开放挑战和机遇。这项工作为总结可视化的设计实践提供了更原则性的理解,并提供对于未充分利用方法的洞察。
月度存档: 六月 2018
可视分析中总结可视化的设计因素(Design Factors for Summary Visualization in Visual Analytics)
作者: chenglei
日期: 2018年6月30日
可视分析中总结可视化的设计因素(Design Factors for Summary Visualization in Visual Analytics)已关闭评论
大规模可视化API用法示例(Visualizing API Usage Examples at Scale)
作者: Ma, Nan
日期: 2018年6月30日
大规模可视化API用法示例(Visualizing API Usage Examples at Scale)已关闭评论
使用一些比较任务比较不同类型的柱状图(What’s the Difference?: Evaluating Variants of Multi-Series Bar Charts for Visual Comparison Tasks)
作者: Qiangqiang Liu
日期: 2018年6月30日
使用一些比较任务比较不同类型的柱状图(What’s the Difference?: Evaluating Variants of Multi-Series Bar Charts for Visual Comparison Tasks)已关闭评论
越来越常见的数据分析方法涉及到使用信息仪表板来直观比较变化数据。 但是对于不同布局约束与不同层次的可视化形式的视觉比较是一项具有挑战性的任务。 在在本文中,我们评估了条形图的不同变体,我们使用常见的在仪表板中使用的流行类图表。 我们使用了一个在线实验(N = 74)进行评估四个选择设计:1)分组条形图,2)分组条形图差异叠加,3)条形图与差异叠加,和4)差异图表。 结果显示有带有叠加层的差异图表适合更广泛的比较任务。 最后,我们讨论我们调查结果的含义,重点是支持仪表板中的视觉比较[1]。
科学可视化战略研讨会举行
作者: Yang, Changhe
日期: 2018年6月24日
科学可视化战略研讨会举行已关闭评论
SetCoLa: 高层次限制的图布局语言(High-Level Constraints for Graph Layout)
作者: Shuai Chen
日期: 2018年6月23日
SetCoLa: 高层次限制的图布局语言(High-Level Constraints for Graph Layout)已关闭评论
在散点矩阵中使用动画来减轻重叠(Using Animation to Alleviate Overdraw in Multiclass Scatterplot Matrices)
作者: Lu Feng
日期: 2018年6月23日
在散点矩阵中使用动画来减轻重叠(Using Animation to Alleviate Overdraw in Multiclass Scatterplot Matrices)已关闭评论
ConcaveCubes: 支持基于聚类的大规模地理数据可视化 (ConcaveCubes: Supporting Cluster-based Geographical Visualization in Large Data Scale)
作者: Jiang, Ruike Jiang
日期: 2018年6月16日
ConcaveCubes: 支持基于聚类的大规模地理数据可视化 (ConcaveCubes: Supporting Cluster-based Geographical Visualization in Large Data Scale)已关闭评论
CDAS:用于高效作业的动态空域扇区化的认知决策架构
作者: chenglei
日期: 2018年6月16日
CDAS:用于高效作业的动态空域扇区化的认知决策架构已关闭评论
另一视角:类比让数字更易理解
作者: Yun Han
日期: 2018年6月16日
另一视角:类比让数字更易理解已关闭评论
利用深度神经网络生成上下文图像以增强视觉体验(ExtVision: Augmentation of Visual Experiences with Generation of Context Images for Peripheral Vision Using Deep Neural Network)
作者: Li, Yanda
日期: 2018年6月12日
利用深度神经网络生成上下文图像以增强视觉体验(ExtVision: Augmentation of Visual Experiences with Generation of Context Images for Peripheral Vision Using Deep Neural Network)已关闭评论
上下文图像(context image)是指展示图像周围的信息的图像。在用户的周边视野中展示上下文图像可以使用户获得更加沉浸和令人激动的观看体验(例如:观看视频,游戏时)。然而,周边视野展示系统并未被广泛使用,这是因为实时地提供上下文图像很难。已有的相关工作中,飞利浦公司的AmbilightTV[2]在屏幕周围添加LED灯条,灯光颜色与屏幕边缘像素颜色相同;飞利浦公司的AmbiLuxTV[3]在屏幕背后添加投影仪,将放大的模糊图像投影到背景墙上。Jones Brett等人[4]提出IllumiRoom,使用两个摄影机在相同角度同时拍摄主要视频以及上下文视频,在使用时,展示主要视频的同时,使用投影仪将上下文视频投影到背景中。Aides Amit[5]提出MultiScale方法,将视频中的每一帧根据其相邻帧的内容外推出周边区域的内容,这种方法计算较为精准,但每处理一帧需要花费数分钟,不具有实时性。
近期评论