作者存档: Yu, Jiacheng

STRATISFIMAL LAYOUT:一种分层节点链接网络可视化的模块化优化模型(STRATISFIMAL LAYOUT: A Modular Optimization Model for Laying out Layered Node-link Network Visualizations)

节点链接图是一个用于显示网络中关系的有效工具。本文关注于计算网络的分层布局,在这种布局中,节点被排列在一组平行的轴上,来更好地展示层次或顺序关系。通常基于启发式的布局方法 [1] 可以得到可读的,但不是最优的可视化结果。本文提出了STRATISFIMAL LAYOUT [2],一种模块化优化模型来计算最优的节点布局。

继续阅读 »

2021年北京大学可视化发展前沿研究生暑期学校 – Day 7

2021年7月21日,暑期学校第7天,来自高等技术学院(ETS)的Michael McGuffin教授和来自爱丁堡大学的Benjamin Bach教授进行了报告,内容包括多维多变量可视化、图可视化和Data-Driven Storytelling with Data Comics 。

继续阅读 »

P6:一种集成了机器学习的可视分析描述性语法 (P6: A Declarative Language for Integrating Machine Learning in Visual Analytics)

通过Vega [2],Vega-Lite [3]等描述性语法,用户能够快速地定义交互式数据可视化,但是这些描述性语法都没有提供机器学习算法来对数据进行进一步分析。P6 [1]提出了一种新的描述性语法,可以帮助用户迅速构建集成了机器学习算法的交互式可视分析系统。

继续阅读 »

基于深度生成模型的图布局算法(A Deep Generative Model for Graph Layout)

在日常生活中,我们经常用图来表示社交网络等复杂的系统。在图的可视化中,点边图是最直观也是最常用的形式,不同的图布局能够展现同一个图的不同方面,找到一个好的图布局是图可视化中至关重要的任务。对于用户特别是新手来说,经典的图布局算法需要消耗大量的时间,来不断地调整参数以达到理想的图布局。本文[1]提出了一种深度生成模型,基于用经典布局算法获得的图布局数据,训练一个变分编解码器,其中编码器将图布局编码到一个二维的隐空间中,解码器从隐空间中重构出布局,这样的隐空间可以方便用户在二维平面上探索和生成各种布局。

继续阅读 »