
物联网设备的广泛使用生成了大量的时间序列数据,通常会有几十至几千的传感器同时生成时间序列。交互式的可视化框架在分析这些数据时非常重要。进行分析时需要复杂的查询,包括在不同时间分辨率下对时间序列数据的取值进行限制,进行聚集等。
分析人员经常使用散点图矩阵来探索高维数据,它可以展示数据中所有成对维度之间的关系。在散点图中,模式可以定义为点的集合。因此,全局模式包含一个散点图中的所有点,而局部模式只包含点的子集。相比于容易引起注意的全局模式,局部模式在散点图矩阵中难以识别,且很容易被忽略。基于此,本文[1]提出了一种在散点图矩阵中选择局部模式(被称为查询模式),搜索与查询模式相似的局部模式,可视化查询模式以及精炼查询结果的方法。 继续阅读 »
2018年7月21日,暑期学校由来自香港科技大学的麻晓娟教授和来自中国科学院软件研究所的时磊老师授课。上午,时磊老师为我们带来了主题为可视分析在人类脑部网络比较与深度神经网络解释上的应用的课程。 继续阅读 »
北京大学可视化暑期学校第二天上午的报告由悉尼大学的Peter Eades教授带来题为《Graph Drawing》的报告。Peter在1984的论文中[1]首次提出了力导向算法的原型,是图布局最经典的绘制算法。在课程中,Peter Eades为了大家介绍了图可视化的相关内容。图可视化中最重要的问题就是图布局。简单来讲,图布局就是给拓扑中的节点赋予坐标,并且在节点间用连线表示拓扑中的连接。什么是一个好的图绘制呢?首先,图绘制的结果必须是忠实(faithfulness)的,即绘制的图能够准确表示原始的数据,但是现在还没有一个正式的规则来评价忠实性;其次,图绘制的结果必须具有可读性(readability),即用户可以准确理解图中的知识信息。好的图布局会避免边交叉,弯曲的边以及节点的重合。 继续阅读 »
前一天刚参加完精彩的北京大学可视化发展前沿研究生暑期学校十年特别峰会,暑期学校的学员们就在7月17日投入到了紧张而充实的全面学习中。今天的暑期学校邀请的讲者是香港科技大学的屈华民教授和马里兰大学帕克分校的Leila De Floriani, Hanan Samet两位教授。三位老师结合各自所做的工作,从不同的角度向同学们展示了可视化的魅力。 继续阅读 »
近期评论