作者存档: Min Lu

降维中的可视交互:一个结构化的文献分析 (Visual Interaction with Dimensionality Reduction: A Structured Literature Analysis)

chart

降维是高维数据可视分析的一种重要的数据抽象技术。它将高维数据降解到低维空间,同时尽可能保留诸如异常点、聚类等特征。降维的方法林林总总,在可视分析中很难一步到位使用不需要任何适配的降维方法。常见的做法是通过交互的方式,将标准的降维方法适配到具体的应用场景中。目前在关于算法与可视交互如何融合方面,大多数工作是从高层次、抽象的角度来讨论其流程或模型[1][2]。本文[3]聚焦于降维这一特定方向,通过对文献进行半自动分析的方式,对降维中的可视交互进行结构化的文献调研。

继续阅读 »

数据构建与手动编辑的可视化迭代设计 (Iterating Between Tools to Create and Edit Visualizations)

d3_ai

 

目前越来越多的工具支持可视化的生成与编辑,这其中可以分为两类:数据驱动的可视化构建工具以及所见即所得的可视化编辑工具。数据驱动的可视化构建工具中,有D3、Processing这样的可视化编程语言,也有MircoSoft Excel、Tableau这样的可视化构建软件。此类工具支持数据上载,定义视觉对应关系进而自动生成可视化;在所见即所得的可视化编辑工具中,如Adobe Illustrator这样的图形化编辑工具,用户交互式地编辑可视化。在这众多的可视化工具中,设计过程往往是单向的,即在单一的工具中进行可视化构建及编辑。而设计的过程往往是迭代的,需要利用各种工具在各个阶段对设计的可能性进行探索,单一的可视化工具常常不能很好地支持这一需求(例如D3适合数据驱动自动生成而非手动编辑,AI支持手动编辑却不能自动根据数据生成等)。因此,本文[1]提出了在数据构建和手动编辑相结合的可视化的迭代设计模式,同时实现了原型系统Hanpuku对这一想法进行实验。

继续阅读 »

从文章关键字透析VIS领域(Visualization as Seen Through its Research Paper Keywords)

keyword

可视化(VIS)领域正处于百花齐放、蓬勃发展的时期。从1990年VIS作为一个独立的领域出现开始,到1995年InfoVis子领域的出现,再到2006年分出的VAST领域。可视化中的研究内容、方法、应用场景丰富多彩,极具多样性。如此的多样性除了让VIS变成一个激动人心的领域之外,也带来了挑战,而统一研究语境、建立主题分类就是其中之一。此前,有很多文章对于子领域进行总结,但却未对VIS整个领域进行总结。本文作者[1]通过对1995年至2015年间可视化领域发表论文的关键词进行分析,从可视化领域中的研究主题、关键词变化的角度对VIS整个领域进行分析。 继续阅读 »

公共交通数据中途经限制的OD模式可视分析 (Visualizing Waypoints-Constrained Origin-Destination Patterns for Massive Transportation Data)

屏幕快照 2016-06-17 下午12.10.24

在交通领域,对OD模式的研究能够帮助交通领域的专家研究城市交通的动态规律以及移动行为。但是大多数OD模式的研究多集中于对全局OD模式的探索,而很少针对具有一定限制的OD模式分析。基于这个需求,本文[1]提出公共交通数据中途经限制的OD可视分析方法,通过交互式过滤满足途经限制的轨迹,并提出新颖的可视化设计,帮助领域专家分析对应的OD模式。

继续阅读 »

实验室博士生陆旻在第七届中国数据库技术大会数据挖掘和BI专场演讲

屏幕快照 2016-05-29 下午4.40.48

2016年5月13日,北京大学可视化与可视分析实验室博士生陆旻受邀参加在北京国际会议中心举办的第七届中国数据库技术大会,在数据挖掘和BI专场做了题为《城市移动数据知微探秘》的演讲。
继续阅读 »

PieceStack: 更好理解堆叠图 (PieceStack: Toward Better Understanding of Stacked Graphs)

屏幕快照 2016-05-06 下午5.48.45

对于多条时变数据的可视化与分析有多种方法,包括了多折线图、堆叠图、折线图的Small Multiples布局等。作为一种直观的多时序数据可视化方法,堆叠图因其直观形象的可视化表达被广泛使用。但同时由于存在着比较困难、当时序数据数量增加时可伸缩性差等缺点,被谨慎地用于可视分析中。本文[1]提出一种基于堆叠图的可视化设计,PieceStack,更好地理解和使用堆叠图进行时序数据的分析。

继续阅读 »

IEEE Pacific Visualization 2016 Day 2

042916_1413_1

IEEE PacificVis 2016的第二天正式进入论文报告环节。大会主席、台湾国立科技大学教授楊傳凱首先致开幕词,随后论文主席之一、犹他大学教授Charles D. Hansen介绍了今年PacificVis会议的论文提交情况。本届会议共收到97篇论文提交,最终接收29篇,录取率29.9%,和往年基本持平。其中6篇文章被推荐到TVCG。短篇论文(Notes)提交39篇,16篇被接收。

继续阅读 »

聚合集: 基于元素聚合的可拓展的集合探索 (AggreSet: Rich and Scalable Set Exploration using Visualizations of Element Aggregations)

Aggreset

集合数据是一种常见的数据,它以集合中元素作为属性。除了集合属性(set-typed attribute)之外,也可能存在着其他常规的属性。在集合数据中探索集合关系是此类数据的一个重要分析问题。但当集合数量变多、集合中元素增多,如何有效地探索这些集合关联是一个挑战。针对现有方法存在可拓展性不好,或针对特定的任务而设计,抑或将常规属性与集合属性区分,设计并不统一等问题,这篇论文设计了统一的、可拓展的集合探索可视化形式——AggreSet[1].

继续阅读 »

渐进式的视觉时序查询设计 (Supporting Iterative Cohort Construction with Visual Temporal Queries)

interface

在许多领域如医学、社会科学以及商业分析领域中,群体指的是一群具有相似特征的对象。在这些领域中,有大量的针对群体的研究。例如,在医学领域,有大量的电子医疗记录,领域专家们常常需要找到满足一定医疗记录的群体,从而进行发病特征或疾病预测等分析。然而,从大量的个体中,要查询获得满足一定时序条件的群体并不直接。使用传统的查询语言来描述时序关系不仅繁琐、易错。同时,由于此类系统不能动态地返回查询结果,按照这种方式查询的结果常常要么过大、要么过小,不能灵活地帮助领域专家对查询条件进行调整。本文作者旨在提出一种直观的渐进式视觉查询设计,通过自然的交互方式以及动态的查询结果反馈机制,更好地帮助领域专家查询符合时序条件的群簇[1]。

继续阅读 »

对参数相关的无序移动的特征驱动可视分析(Feature-Driven Visual Analytics of Chaotic Parameter-Dependent Movement)

1

在生物、气象等相关领域,科学家常常通过建立计算模型以观察和研究相关现象。例如,在系统生物学中,对生物现象进行抽象建立生物反应过程的模型。科学家通过输入不同的参数,分析和比较不同的模拟结果,发现参数与现象之间的相关性,建立和验证假设。本文[1]所做的工作针对系统生物学中的蛋白质与脂筏在细胞表面的运动模拟模型,提出特征驱动的可视分析系统,以帮助领域科学家分析比较不同参数下的运动模型。

继续阅读 »