PacificVis是可视化领域三大盛会之一，每年会接收来自全世界上百篇高级别文章的投稿。经过审稿委员会创的同行评审，遴选出30余篇高质量可视化前沿文章，每年吸引了百余位可视化前沿研究学者和工业界高级研究人员热情参与和积极交流。作为以亚太区域为主要承办国家和地区的可视化盛事，PacificVis是国内可视化研究人员交流和分享的重要平台。每年北京大学等高校数十位可视化研究人员的参与，极大促进了国内可视化的研究与发展。
作者存档: Guo Cong
对偶邻接矩阵：稠密网络中的邻边聚类探索(Dual Adjacency Matrix: Exploring Link Groups in Dense Networks)
作者: Guo Cong
日期: 2015年8月6日
对偶邻接矩阵：稠密网络中的邻边聚类探索(Dual Adjacency Matrix: Exploring Link Groups in Dense Networks)已关闭评论
对关系网络图中的结点进行聚类是社群分析的一个重要方法，但对于特殊任务，比如寻找社群之间的公共结点，对边进行聚类则更加有效[1]。这篇EuroVis2015的文章[2]通过对偶邻接矩阵（Dual Adjacent Matrix）的方法，把结点邻接矩阵和边邻接矩阵合并到了一起，共同来进行网络图中的社群分析。
散点图的动态透明度优化(Dynamic Opacity Optimization for Scatter Plots)
作者: Guo Cong
日期: 2015年6月20日
散点图的动态透明度优化(Dynamic Opacity Optimization for Scatter Plots)已关闭评论
这是一篇简短而有趣的文章，作者是来自AutoDesk Research的Justin Matejka，Fraser Anderson和George Fitzmaurice，发表于CHI 2015 [1]。文章试图解决一个常见而棘手的问题：当散点图的数据量过大时，数据的重叠会引起严重的视觉遮挡，影响用户对数据结构和分布的理解。比如图一这种情况，我们已经很难从散点图上看出数据分布的特征。
解决这种视觉拥挤或者说过度渲染的方法主要有以下几种方法：降低数据规模，减小数据点尺寸，改变数据点形状，移除填充色，使用半透明色。使用半透明色是实践中最主要和有效的手段，但透明的选择需要用户的经验进行反复调节，当有很多散点图并行展示时（比如散点图矩阵），用户设置就会显得单调而低效。因此作者希望通过搜集一系列的用户设置数据，寻找一个简单的模型来描述数据特征和渲染透明度的关系，进而能够自动调整散点图的渲染透明度。
继续阅读 »
通过表格数据的视图关联技术实现对合作者操作的理解（Supporting Awareness through Collaborative Brushing and Linking of Tabular Data）
作者: Guo Cong
日期: 2014年4月20日
通过表格数据的视图关联技术实现对合作者操作的理解（Supporting Awareness through Collaborative Brushing and Linking of Tabular Data）已关闭评论
在与别人合作进行数据分析时，我们需要理解对方执行的操作。尤其当分析者没有坐在一起，而是远程协作的时候，明确别人正在做什么对启迪自己的思路以及避免重复劳动都用重要价值。怎么样能够实时感知别人正在进行的工作，了解操作的进程？如何避免他们的分析干扰自己的工作？这篇来自2013年VAST的文章[1]针对笔刷关联技术，通过用户实验比较了三种向用户传达合作者操作行为的方法。研究表明笔刷关联技术对帮助用户理解别人分析的进程很有帮助，并不会对他自己的分析产生显著影响。
继续阅读 »
ScatterBlog2：通过用户监督下的过滤对微博信息进行实时监控（ScatterBlogs2: Real-Time Monitoring of Microblog Messages Through User-Guided Filtering）
作者: Guo Cong
日期: 2013年12月29日
ScatterBlog2：通过用户监督下的过滤对微博信息进行实时监控（ScatterBlogs2: Real-Time Monitoring of Microblog Messages Through User-Guided Filtering）已关闭评论
每天微博上都会出现海量的信息，这些数据时时刻刻都在增加着。为了能够实时监控感兴趣的主题，我们需要有一套合适的方法来筛选这些大规模并且不断变化的数据。这篇IEEE VAST 2013的文章[1]设计了一套新颖的系统，让分析者能够交互的创建过滤器，并实时交互地监测微博上的热点事件。
继续阅读 »
多态社交网络可视分析：和社会学家的合作设计研究（Visual Analytics for Multimodal Social Network Analysis: A Design Study with Social Scientists）
作者: Guo Cong
日期: 2013年12月28日
多态社交网络可视分析：和社会学家的合作设计研究（Visual Analytics for Multimodal Social Network Analysis: A Design Study with Social Scientists）已关闭评论
传统的社交网络分析（Social network analysis，SNA）[1] 主要研究结点和边的关系，所有的结点都是同一类型的数据。但是，有的网络结点可能是不同类型的，比如论文合作关系，既有作者结点，又有论文结点，还可能有会议结点，机构结点等。这些所有的结点混在一起组成的社交网络，每一类结点我们称为一种模式（Mode），用传统的图分析方法就很难研究模式间的关系。研究这类社交网络的方法称为多态社交网络分析（Multimodal social network analysis，mSNA）。这篇来自IEEE VAST 2013的文章[2] 通过与社会学家合作，设计了一套针对多态社交网络的可视分析方法，首先针对mSNA抽象出来问题模型，然后设计了可视分析系统MMGraph，最后根据社会学家的反馈总结了研究人员如何和领域专家进行合作的流程。
继续阅读 »
对关系网络中模糊重叠的群体进行可视化（Visualizing Fuzzy Overlapping Communities in Networks）
作者: Guo Cong
日期: 2013年11月4日
对关系网络中模糊重叠的群体进行可视化（Visualizing Fuzzy Overlapping Communities in Networks）已关闭评论
可视化一个网络中群体的重叠关系对我们分析网络的结构、发现特殊个体具有重要作用。现在已经有了较多的工作来可视化确切重叠，其中最主要的方法是对重叠节点染色，或者使用欧拉图，凸包等形式来表现群体间的关系。但是可视化模糊重叠的工作很少，这篇来自2013年IEEE InfoVis的文章就是针对网络模糊重叠的可视化提出来一套新颖的布局算法，并给出来两个案例研究。
继续阅读 »
TripAdvisor_N-D: 由观光想到的——一个从全局到细节的高维数据空间探索系统（TripAdvisor_N-D: A Tourism-Inspired High-Dimensional Space Exploration Framework with Overview and Detail）
作者: Guo Cong
日期: 2013年9月14日
TripAdvisor_N-D: 由观光想到的——一个从全局到细节的高维数据空间探索系统（TripAdvisor_N-D: A Tourism-Inspired High-Dimensional Space Exploration Framework with Overview and Detail）已关闭评论
imMens: 大规模数据的实时可视查询（imMens: Real-time Visual Querying of Big Data ）
作者: Guo Cong
日期: 2013年7月26日
imMens: 大规模数据的实时可视查询（imMens: Real-time Visual Querying of Big Data ）已关闭评论
这是一篇2013年EuroVis的文章[1]，文中介绍了一种针对大规模数据的快速聚集查询方法，针对数百万的数据规模，该方法在浏览器客户端可以达到每秒50帧的查询渲染速度，他们设计的数据降维方法也很有启发。
近期评论