对如今超级计算机上模拟产生的大规模时变体数据进行分析和可视化是一项非常艰巨的挑战,因为超级计算机可以产生具有极高时间和空间分辨率的数据集。网络传输和储存设备的有限带宽使得将整个数据集移动到数据分析机进行分析是不可行的。常见的解决方法之一是保持原始空间分辨率的同时降低时间采样率,但简单地在相邻采样时间步间进行插值会造成很大的误差。光线投射(Ray Casting)算法是直接体渲染(Direct Volume Rendering)的一种经典常用的方法。本工作提出了一种基于光线的表示方法,储存基于光线的直方图及深度信息,用以恢复采样时间步间的体数据渲染结果的信息,从而达到压缩原始数据的目的。
月度存档: 十一月 2019
基于射线代理分布的大规模时变体数据探索(Ray-based Exploration of Large Time-varying Volume Data Using Per-ray Proxy Distributions)
作者: Li, Yanda
日期: 2019年11月25日
基于射线代理分布的大规模时变体数据探索(Ray-based Exploration of Large Time-varying Volume Data Using Per-ray Proxy Distributions)已关闭评论
学术实体的影响花朵 (Influence Flowers of Academic Entities)
作者: Li, Sihang
日期: 2019年11月25日
学术实体的影响花朵 (Influence Flowers of Academic Entities)已关闭评论

对学术实体影响的分析可以帮助人们更好地了解一个实体在学术界的生产力和声誉,并了解知识的创造过程。但已有的工作大多致力于影响力的量化。本文[1]提出了一种名为影响花朵(Influence Flower)的新的隐喻形式,能够展示实体之间影响的流动。
继续阅读 »流式多维数据可视化的增量降维方法(An Incremental Dimensionality Reduction Method for Visualizing Streaming Multidimensional Data)
作者: 李, 金城
日期: 2019年11月24日
流式多维数据可视化的增量降维方法(An Incremental Dimensionality Reduction Method for Visualizing Streaming Multidimensional Data)已关闭评论
GUIRO: 用户引导的矩阵重排序 (User-Guided Matrix Reordering)
作者: Zhixian Lin
日期: 2019年11月17日
GUIRO: 用户引导的矩阵重排序 (User-Guided Matrix Reordering)已关闭评论
近期评论