作者存档: Jiang, Ruike Jiang

Charticulator: 交互式构建定制的图表布局(Charticulator: Interactive Construction of Bespoke Chart Layouts)

定制的图表更具表现力,可以根据想要传递的数据洞察进行细节的设计,从而让目标用户更容易注意、理解和记忆这些图表。用户想要创建这些图表,可以使用绘图的工具,但是这些工具需要手动设置数据和属性的映射,比较低效;可以用可视化的库编写代码实现,但是用户需要有较高的编程技能;也可以使用一些交互式的可视化构建工具,但是这些一般需要用户从一些模版中进行选择,因而表现能力不足,并且提供的布局方式有限或者提供的布局构建的交互不够方便。针对已有工作存在的问题,[1]的作者们提出了Charticulator,可以灵活创建可视化布局。

继续阅读 »

时间格:支持交互式可视分析大规模时间序列的数据结构(Time Lattice: A Data Structure for the Interactive Visual Analysis of Large Time Series)

物联网设备的广泛使用生成了大量的时间序列数据,通常会有几十至几千的传感器同时生成时间序列。交互式的可视化框架在分析这些数据时非常重要。进行分析时需要复杂的查询,包括在不同时间分辨率下对时间序列数据的取值进行限制,进行聚集等。

继续阅读 »

ConcaveCubes: 支持基于聚类的大规模地理数据可视化 (ConcaveCubes: Supporting Cluster-based Geographical Visualization in Large Data Scale)

城市数据越来越容易获取,且规模不断扩大。现有的信息可视化方法在处理大规模数据时,需要占用大量的存储空间,交互时间过长,并且会由于渲染过多的图元而加重用户的认知负担。

继续阅读 »

InfoNice: 轻松创建信息图 (InfoNice: Easy Creation of Information Graphics)

信息图可以以美观的、难忘的和吸引人的形式传达数据中的信息,通常用于展示对于数据的洞察,而非用于数据探索和分析。该工作主要关注视觉修饰(visual embellishment)。视觉修饰传统上被认为传达的数据与使用的显示资源之比(Data-Ink Ratio)较低。但是,近年来的研究发现它对于数据的传播有价值:可以增强观众对信息的记忆;提供上下文;标记数据;ISOTYPE类型的信息图可以达到和可视化图表相同的阅读速度和准确率。

继续阅读 »

Podium:用混合驱动的可视分析对数据排序(Podium: Ranking Data Using Mixed-Initiative Visual Analytics)

对数据进行排序是数据分析中基础的操作之一。人们使用排序来理解大数据集中最重要的元素、根据数据属性进行决策、或者给原本没有排名的数据增加排名以表达某种含义。例如,人们会按照统计数据给球队排名,会根据电影的特性或者票房给电影排序等等。人们也会将一些排名和自己的认识进行对比,例如球队的粉丝可能希望理解专家发布的排名是基于什么样的准则。

继续阅读 »

西藏拉萨中学师生参观北大可视化与可视分析实验室

2018年1月4日,来自西藏拉萨中学的2名老师、10名学生以及正在拉萨中学支教的北京大学第十九届研究生支教团西藏分团的4名志愿者同学,来到北京大学可视化与可视分析实验室参观。志愿者中有一位是我们实验室的硕士生田敏同学。

继续阅读 »

Keshif: 提供可视化初学者快速有表现力的表格数据探索 (Keshif: Rapid and Expressive Tabular Data Exploration for Novices)

现有的一些交互式可视化设计环境,一般针对的是通用的可视化环境,强调强大的表达能力。用户需要手动定义可视化和交互。这样就造成用户学习这类工具的开销较大,探索数据的速度减缓等问题并且可视化初学者容易选择低效甚至错误的可视化映射。

继续阅读 »

保持多个视图一致:可视化构建中的约束、确认和例外(Keeping Multiple Views Consistent: Constraints, Validations, and Exceptions in Visualization Authoring)

可视化作者创建和展示可视化时,经常生成多个视图。多个视图之间可能存在不一致的现象:相同的变量可能在不同视图中以不同方式编码;不同的变量也可能以相同的方式编码。

已有的可视化设计的准则通常针对单视图可视化。对于多视图可视化,则需要可视化作者根据自己的准则做决定。关于可视化作者何时会遵循一致性,以及会遵循什么样的一致性,现在还很少有工作揭示。这篇论文[1]是第一个对此进行详细研究的工作。

继续阅读 »

TOPKUBE: 一种支持实时时空数据探索的序敏感数据立方体 (TOPKUBE: A Rank-Aware Data Cube for Real-Time Exploration of Spatiotemporal Data)

针对时空数据的查询中一类关于前k相关客体的查询,该论文[1]提出了能达到交互性要求的数据结构及相应算法,解决了相关工作没有关注此类查询或者没有关注可交互性的问题。

继续阅读 »

一个针对增量式可视化的可视化过程增强模型 (An Enhanced Visualization Process Model for Incremental Visualization)

在传统的可视化场景中,数据是稳定的,显示设备是固定的,但是随着技术的进步,这一场景已经不再必然成立。比如,流数据的质量和数量可能随时间变化;显示设备也变得无处不在,可视化的显示设备可能发生变化。

继续阅读 »