作者存档: Ma, Nan

IEEE Pacific Visualization Symposium 2018 – Day 1

今天是IEEE PacificVis会议正式日程的第一天。首先进行的是大会的开幕式。本次大会的会议主席Takayuki Itoh教授向各位与会者表示热烈的欢迎。在回顾了PacificVis十多年的发展之后,他介绍了本次会议的参与情况。今年是第十一届PacificVis会议。过去十年在中国举办了五次,韩国两次。今年是第三次在日本举办,前两次分别是首届2008年的京都以及2014年的横滨。今年会议共有15个国家的161位参会者,其中来自大陆的可视化研究者有49名,位居各国第一。

继续阅读 »

第二届中日可视化研讨会

第二届中日可视化研讨会于2018年4月9日在神户大学泷川纪念学术交流会馆举行。继首届会议2017年7月在北京大学成功举办后,本次研讨会有中国方面北京大学、清华大学、浙江大学、天津大学、西南科技大学、中科院、北京应用物理与计算数学研究所以及奇虎、阿里、百度等互联网企业专业人员,日本方面京都大学、大阪大学、应庆义塾、东京工业大学等日本知名大学50余人参加。

继续阅读 »

Voyager 2:通过部分具体视图扩展可视分析(Voyager 2: Augmenting Visual Analysis with Partial View Specifications)

探索性的可视分析主要分为两类高层级的任务,一类是无预期结论的探索,一类是针对于特定问题的解答。然而现有的工具都仅针对上述的一个任务进行设计,没有能同时解决上述两个任务的工具。

因此,这项工作提出了一个名叫Voyager 2的工具,它是一个新型的,混合主动性的系统。它混合了人工和自动的图形绘制,帮助分析人员进行无预期结论的探索,和解答特定问题。

继续阅读 »

Zooids: 为群用户界面建立模块(Zooids: Building Blocks for Swarm User Interfaces)

这个工作[1]介绍了群用户界面,这是一个新的人机界面的类别,由很多自动机器人组成用来展示和交互。Zooids是一个开源的公开硬件设计的桌面群界面,这个平台包含一组定制设计的有轮的直径为2.6cm的小机器人,一个基于无线电的站,一个高速DLP结构的小投影机用来做轨迹追踪和一个为应用的发展和控制的软件架构。这一工作通过一系列Zooids的应用脚本展示了桌面群界面的潜能,并且讨论了普遍的思路与群用户界面设计上的区别。

继续阅读 »

用故事曲线可视化非线性的叙述(Visualizing Nonlinear Narratives with Story Curves)

叙述说明了故事中的事件被讲述的方式。非线性叙述是一个跳出以时间先后顺序来描述事件的叙述技巧。例如,叙述可以隐瞒一些信息来保持神秘感。最终,叙述可以闪回到故事的开端,来释放紧张感。这种非线性叙述技巧被广泛的应用于多种讲述故事的体裁中,包括文学、戏剧、电影、小说和电子游戏。

继续阅读 »

美国雪城大学艺术学院访问北京大学

 

2017年9月23日下午,美国雪城大学艺术学院的Michael Tick教授、Reige Xu副教授、Sam Van Aken副教授到访可视化与可视分析实验室,并就艺术可视化相关知识进行分享。

继续阅读 »

Hashedcubes: 对于大数据的简洁,低存耗,实时的可视探索 (Hashedcubes: Simple, Low Memory, Real-Time Visual Exploration of Big Data)

交互式可视化系统的设计者现在正面对着大规模、多维度的数据的挑战。这一工作为以下问题提供了一个肯定的答案:是否存在一个简单的数据结构为一个更成熟的索引提供更丰富的性能,同时使空间消耗相对较低、执行方法较为简便?

继续阅读 »

对于机器分析和人类分析在分类中的解析 (An Analysis of Machine- and Human-Analytics in Classification)

这项工作跟踪在两个可视化分析应用中的技术和认知过程,并归纳为一个应用软知识的共同理论模型,可以添加到建立一个决策树模型的可视化的分析过程中。 继续阅读 »

Squares: 支持多类别分类器的交互式分析展示(Squares: Supporting Interactive Performance Analysis for Multiclass Classifiers)

对于机器学习来说,对分类器的表现进行分析是很关键的,因为它会影响到应用模型的人的产出。例如,应用模型的人在决定使用哪个参数之前,总是比较不同模型通过不同算法参数产生结果的表现。现在比较流行的工具有两种,第一种是统计学上的总结,例如准确度、精确度、召回率或对数的损失;第二种是混淆矩阵。

但当前的这两种工具也存在一些问题,第一是与原始数据缺乏关联;第二是会掩盖数据中的重要信息,例如分数的分布;第三是对于多分类分类器的支持是很重要的,而现有工具不具备这个功能。

继续阅读 »