近年来技术的不断革新使得大量城市数据的收集变得越来越方便，这些收集到的数据还可以用来分析城市，如果这些数据得到了适当的分析利用，可以用来帮助我们解决现有问题并有利于政策制定。然而，对于城市数据的有效分析，还有着许多挑战，无论是从数据量，还是从一个城市固有的时空复杂性。通常分析这种数据的方式是使用不同的聚类并且产生视觉总结，但是这些会产生许多矛盾，如使用粗糙聚类可以减少数据片的量，但是可能引起信息丢失。 继续阅读 »

在开发可视化时，设计者必须考虑一系列因素，包括知觉效果，用户熟悉程度和审美选择。除了数据值，设计者必须传达数据的语义和意义。在进行一些复杂的可视化设计时，现有的设计工具还非常不直观。这篇文章提出了一种针对定制可视化的叫Lyra的交互设计环境，这种环境比起基于编程的工具表达性好了很多。通过Lyra，设计者可以在画布上添加图形标记，并且可以把数据区域和标记特性结合起来。可视化数据管道可以实现数据转换和先进的布局算法。Lyra结合了我们在绘画和图表工具中熟悉的交互方式：手柄可以用来交互地移动，旋转和调整标记；连接器相对地定位标记；拖放区允许通过拖动和拖放来绑定数据。对标记的直接操作大大降低了设计难度。 继续阅读 »

我们都知道，用外部和实物的方法表示信息比书写的发明还要早，外界表示可以保证外部认知和视觉思维，人类也学会了丰富的手工艺技能并探索它们。除了少数视觉探索，外部标识的操作已经成为了外部认知的关键元素。但是传统的桌面可视化有很多局限性，随着技术的发展，新的操作和交互技术不断涌现出来，面对复杂多样的交互方式，我们很难做出合适的选择，并且缺少新概念的模型设计。 继续阅读 »

随着芯片上计算核数量的增长，许多HPC协会的人开始担心至今在单核的大规模并行系统上运行良好的并行编程语言，模型和执行框架会面临越来越小的收益。于是这篇文章探索了一种叫做光线投射体绘制的常用可视化算法在不同的并行编程模型上操作并且在六核CPU组成的大规模超级计算机和多核GPU集群上运行的性能和可扩展性。本文比较了一种传统的单纯基于消息传递的分布式内存操作和一种混合操作，这种混合操作混合了芯片之间的消息传递和CPU或GPU内部的共享内存并行。我们希望验证的是在混合内存操作中，在芯片内部使用共享内存并行可以增强性能和可扩展性。

继续阅读 »

在许多应用尤其是数据分析中，我们经常会遇到大规模数据集聚类的任务，在大的多边形表面网格问题中，这个任务显得更为重要，因为目前的3D模型采集系统提供多达上百万种的表面模型。在聚类问题中，通常最常用到的两种方法是k-means聚类算法和分层方法，然而这两种方法都有一些缺点，这会严重影响他们的性能。这篇文章提出了一种在GPU上单独实施的针对网格聚类的框架。这种框架主要的算法元素是基于边界的查询，它的主要算法优势是多极方面内在地解决了初始化问题，由此提供了具有鲁棒性和高质量的聚类结果，其次，这种算法适用于任何全局数据结构。

继续阅读 »