2018年7月16日，第十届北京大学可视化发展前沿全国研究生暑期学校开幕式暨十年特别峰会在北京大学英杰交流中心阳光大厅举行。通过遴选的来自北京大学和其他国内高校、研究院所的本届学员，可视化和相关领域国内外知名专家学者、行业从业人员，以及往届学员等近260人与会。 继续阅读 »
月度存档: 七月 2018
散点图：任务，数据和设计 (Scatterplots: Tasks, Data, and Designs)
作者: Zhixian Lin
日期: 2018年7月15日
散点图：任务，数据和设计 (Scatterplots: Tasks, Data, and Designs)已关闭评论
传统的散点图随着数据复杂性和数据量的增长逐渐无法胜任可视分析的任务，因此，对传统散点图的修改和扩展设计层出不穷。针对具体分析目标，研究人员如何设计和选择合适的散点图也面临着更多的选择和挑战。这篇论文[1]旨在帮助设计人员针对散点图可视化形式做出合适的设计。通过调研相关文献，论文总结出针对散点图的分析任务、数据特征、设计方案等，通过结合这三者，提出存在的问题与挑战，并给出好的散点图设计示例。
当大卫遇上歌利亚：在数据可视化与探索中将智能手表与大屏幕结合(When David Meets Goliath: Combining Smartwatches with a Large Vertical Display for Visual Data Exploration)
作者: yuening.shi
日期: 2018年7月11日
当大卫遇上歌利亚：在数据可视化与探索中将智能手表与大屏幕结合(When David Meets Goliath: Combining Smartwatches with a Large Vertical Display for Visual Data Exploration)已关闭评论
随着大屏幕技术的发展和普及，其在展示、交互、合作方面的优秀性能使其更广泛地应用于可视化与数据探索。大屏幕的高分辨率和充足的显示空间可以支持展示更多信息，提供了多人协同分析的空间，并可以组合多种交互方式使探索过程更加自然。然而使用大屏幕进行可视分析仍存在很多挑战，诸如工具和菜单栏遮挡视图、用户无法触及屏幕较远位置、交互距离过长引起疲劳、多用户合作时面临冲突等问题。针对这些挑战，跨设备交互——使用个人设备（如手机、iPad、智能手表等）与大屏幕结合分析是一种常见的解决办法。相比于其他设备，智能手表具有轻便、操作便捷、解放双手、注意力转换少（部分操作无需注视手表）的优点，但相关研究中缺少将智能手表与大屏幕可视分析系统结合的工作，因此这篇文章[1]专注于解决这个问题，使智能手表作为存储和发送数据的存储器、提供额外视图和交互的中介和远程定位的控制器，提供了一套将大屏幕与智能手表结合的设计理论和系统，如图1，不仅能保障在多用户合作过程中个人探索的准确性，同时能降低个人操作对屏幕整体的影响，最后他们通过用户体验的结果验证了该系统的有效性。
使用信息论故事版选择大规模时变体数据集中的关键时间步 (Key Time Steps Selection for Large-Scale Time-Varying Volume Datasets Using an Information-Theoretic Storyboard)
作者: Jiang Zhang
日期: 2018年7月8日
使用信息论故事版选择大规模时变体数据集中的关键时间步 (Key Time Steps Selection for Large-Scale Time-Varying Volume Datasets Using an Information-Theoretic Storyboard)已关闭评论
在科学可视化中，随着数据规模的不断增大，时变数据往往包含了大量的时间步。由于内存和I/O带宽的限制，对所有这些时间步进行可视化经常比较困难。实际上，这些数据在连续的时间步的变化很可能非常小，其包含的信息也并不重要。解决这一问题的一个可能的方法是从中选取具有最显著特征的几个关键时间步进行可视化。但是，数据中重要特征的随时间的变化可能包含复杂的模式，并且会以未知的频率发生。如何选择关键时间步也成为了一个挑战。因此，今年EuroVis的一篇文章[1]提出了一种新颖的方法，可以使用动态规划来提取出数据中的关键的时间步。
利用任务以及数据分布评价视觉编码的有效性（Assessing Effects of Task and Data Distribution on the Effectiveness of Visual Encodings）
作者: Guozheng Li
日期: 2018年7月5日
利用任务以及数据分布评价视觉编码的有效性（Assessing Effects of Task and Data Distribution on the Effectiveness of Visual Encodings）已关闭评论
可视化将数据映射到视觉元素中，将数据的属性映射到元素的视觉通道中，比如位置，长度，颜色等属性。视觉通道的编码效率是非常重要的一个方面，无论是对于用户设计可视化系统，或者自动的可视化设计；对于可视化形式的自动设计，通常需要用户按照编码效率对于视觉通道进行排序，同时按照重要性对于数据属性进行排序。自动可视化设计的准则是按照贪心的准则将属性按照重要性依次赋予到最高效的视觉通道中，但是按照这种方法获得的可视化却无法保证是最优的可视化设计，主要的原因有三点：1. 在不同的视觉通道之间存在相互影响；2. 原始数据的分布会影响用户对于可视化的感知；3. 用户所针对分析任务的不同也会影响视觉通道的效率；本文主要针对目前的视觉通道效率排序所存在的问题，通过评估数据分布以及分析任务的影响对于视觉通道的效率排序进行修正。
近期评论