作者存档: 李, 金城

IGAL可视化讲习班-2:未来工作模式: 使用先进可视化技术提升交流与合作 – 赵健

可视化前沿讲习班第一天上午的第二个课程由来自美国FX Palo Alto实验室的赵健研究员讲授。赵健研究员博士毕业于多伦多大学,他的研究兴趣主要包括信息可视化、人机交互以及数据科学。近几年他在CHI、InfoVis和VAST上发表十余篇论文,其中多篇获得了Honorable Mention。本次课程他从数据、模型和用户的关系出发,给学员们带来了精彩的演讲。 继续阅读 »

Clustrophile 2:可视化指导聚类分析

聚类是探索性数据分析中一种流行的无监督学习方法。聚类算法通过基于相似性的度量将数据划分为子集,为分析人员提供了探索数据结构和变化的有力手段。然而,由不同算法、算法参数、数据子集和属性子集所决定的聚类空间是巨大的,如何引导用户高效地探索空间而不是漫无目的地尝试依然是一个巨大的挑战。为解决上述挑战,本文[1]提出了一种用于引导聚类分析的新型交互式工具Chustrophile 2。它指导用户进行基于聚类的探索性分析,适应用户反馈以改进用户指导,促进聚类的解释,并帮助用户快速推理聚类之间的差异。除此之外,Clustrophile 2还提供了一个新颖的功能,the Clustering Tour,根据用户的分析目标和期望选择聚类参数并推断不同聚类结果的质量。

继续阅读 »

SMARTexplore: 通过基于表格的可视分析方法简化高维数据分析(SMARTexplore: Simplifying High-Dimensional Data Analysis through a Table-Based Visual Analytics Approach)

高维数据通常以表格形式提供,可视化高维数据通常会将它转换为抽象表示。常见的高维数据可视化方法有散点图矩阵,平行坐标,线性和非线性投影。虽然这些方法对于高维数据的分析是有效的,但是它们与记录和维度的交互却不够直观。分析人员需要心理的努力来将原始格式的记录,维度和值与可视化中的表示相互关联,反之亦然。因此,非可视化专家通常需要培训才能掌握这些可视化方法,而且这种抽象表示也会影响他们对所揭示模式的信任。因此,本文[1]提出了可视分析系统SMARTexplore,希望通过熟悉的基于表格的可视化分析方法,简化高维数据中相关性、聚类、异常值以及其他模式的识别和理解。

继续阅读 »

探索数据显示的交互空间 – 麻晓娟(香港科技大学)

2018年7月21日(第十届可视化发展前沿研究生暑期学校第六天)下午,麻晓娟教授为学员们带来了人机交互相关的知识。麻晓娟是香港科技大学计算机科学与工程系助理教授,研究方向为人机交互。她在普林斯顿大学取得了计算机科学博士学位。在加入香港科技大学之前,她是华为诺亚方舟实验室的研究员。此次课程她以“探索数据显示的交互空间”为主题,介绍了以视觉、触觉、嗅觉、味觉和听觉等五感为基础的不同交互方式。

继续阅读 »

北京大学可视化发展前沿全国研究生暑期学校顺利闭幕

2018年7月27日下午,第十届北京大学可视化发展前沿全国研究生暑期学校课程设计答辩在上海ChinaVis会场举行。至此,本届可视化暑期学校顺利落下帷幕。

继续阅读 »

北京大学可视化发展前沿研究生暑期学校十年特别峰会详细报道

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 »

大型散点空间中局部模式的交互视觉探索 (Interactive Visual Exploration of Local Patterns in Large Scatterplot Spaces)

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 »

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举行

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 »