IEEE PacificVis 2021可视分析专题（Visual Analytics）共报告五个工作，分别是对于校园学生打卡数据（Campus Cards Data）、提升树模型（Tree Boosting Models）演变过程、异构多维机器维护数据、关键词关系、乒乓球比赛数据进行分析。
继续阅读 »作者存档: Shuai Chen - 第2页
IEEE PacificVis 2021 可视分析专题（Visual Analytics）
作者: Shuai Chen
日期: 2021年5月15日
IEEE PacificVis 2021 可视分析专题（Visual Analytics）已关闭评论
针对分布合作可视化的事件同步(VisConnect: Distributed Event Synchronization for Collaborative Visualization)
作者: Shuai Chen
日期: 2021年1月18日
针对分布合作可视化的事件同步(VisConnect: Distributed Event Synchronization for Collaborative Visualization)已关闭评论
支持多用户合作的可视化能够让多个用户同时对同一个可视化界面进行交互，共享交互分析结果。这个工作设计了一个工具VisConnect，让原有的基于d3的可视化能够方便支持多个用户协同进行交互。不同用户之间可以互相同步各自在网页上的交互行为，从而保持交互页面的一致性。通过一个“锁”的机制，可以保证用户之间的交互不发生冲突。
继续阅读 »通过强化学习生成故事线可视化(PlotThread: Creating Expressive Storyline Visualizations using Reinforcement Learning)
作者: Shuai Chen
日期: 2020年11月18日
通过强化学习生成故事线可视化(PlotThread: Creating Expressive Storyline Visualizations using Reinforcement Learning)已关闭评论
故事线（storyline）是一种常见的表现不同实体之间动态关系的可视化形式，如可视化电影中的人物关系，曲线的合并和分离分别表示电影人物在场景中同时出现、分开。传统的故事线的创作依赖于设计师手绘的方式，具有很好的叙事性，但是手绘的方式费时费力。近年来，研究者通过优化算法的方式，依据优化目标自动生成故事线。自动生成的方式效率高，但是仅依赖指标的方式限制了设计的空间。这篇文章[1]引入强化学习的方法，让机器自动生成不同的故事线可视化形式，然后用户可以在此基础上进行创作，兼顾了故事线可视化生成的效率、表达性和美观性。
Read moreIEEE VIS 2020 – Day 2
作者: Shuai Chen
日期: 2020年11月1日
IEEE VIS 2020 – Day 2已关闭评论
EmoCo: 视频中的情感一致性可视化分析 (Visual Analysis of Emotion Coherence in Presentation Videos)
作者: Shuai Chen
日期: 2019年10月5日
EmoCo: 视频中的情感一致性可视化分析 (Visual Analysis of Emotion Coherence in Presentation Videos)已关闭评论
在人们的日常交流中，情感扮演了重要的角色。情感的表达可以通过多种方式，如表情、声音、文字、肢体动作等。人们会通过同时利用多种表现方式来传递自己的情感，然而有时这些方式所传递的信息并不是一致的。该工作[1]通过利用视频中讲者的表情、文字、声音，来分析讲者在这个三个通道上情感表达方式的特征，从而帮助学习者提示自己的演讲技巧。
第六届中国可视化与可视分析大会（ChinaVis 2019）Day 3
作者: Shuai Chen
日期: 2019年7月24日
第六届中国可视化与可视分析大会（ChinaVis 2019）Day 3已关闭评论
第六届中国可视化与可视分析大会（ChinaVis 2019）于2019年7月21日至24日于成都龙之梦酒店会议中心进行。7月24日是正式会议的最后一天，会议内容包括圆桌论坛，特邀报告以及闭幕式环节。
基于话题探索和嵌入式可视化促进研究思路生成 (Topic-based Exploration and Embedded Visualizations for Research Idea Generation)
作者: Shuai Chen
日期: 2019年4月13日
1 条评论
研究者经常需要通过写作的方式讲述自己的研究思路。在写作的过程中，随着新的观点以及相关论据被引入，针对问题的研究思路会得到调整和逐步完善。这是一个认知构建(sensemaking)的过程，可以分为两个阶段：构建框架(framing)，完善细节(elaboration)。具体到一个提案的写作过程中，在框架阶段，研究者会创建和修改整个写作的提纲；在细节阶段，会加入更多的相关工作支持论点。本工作调研了研究者在写作过程中的痛点，构建了一个系统，减轻写作负担，促进研究想法的生成、完善。
IGAL可视化讲习班-1：从易用到自动，大数据可视化的下一个十年 – 袁晓如
作者: Shuai Chen
日期: 2018年12月31日
IGAL可视化讲习班-1：从易用到自动，大数据可视化的下一个十年 – 袁晓如已关闭评论
2018年12月26日，由中国图象图形学学会主办，CSIG可视化与可视分析专业委员会、北京大学机器感知与智能教育部重点实验室、北京大学大数据分析与应用技术国家工程实验室联合承办的主题为“可视化与可视分析前沿进展”第9期CSIG图像图形学科前沿讲习班在北京大学举行。第一次课程由北京大学袁晓如研究员讲授，题目为《从易用到自动，大数据可视化的下一个十年》。十年来可视化在中国发展迅猛，其中数据科学兴起对可视化产生推动作用。在计算机领域，计算能力、大数据、人工智作为三驾马车，极大推动了计算机相关学科的发展，同时也在推动社会的前进。数据科学离不开人和机器，机器拥有着强大的计算存储能力，而人类则更擅于创造，人类和机器具有不同的长处，可视化关注如何让将人和机器的长处结合，解决科学问题，将在其中扮演关键角色。 继续阅读 »
VIBR: 通过MDL准则可视化大规模二分关系数据（Visualizing Bipartite Relations at Scale with the Minimum Description Length Principle）
作者: Shuai Chen
日期: 2018年11月11日
VIBR: 通过MDL准则可视化大规模二分关系数据（Visualizing Bipartite Relations at Scale with the Minimum Description Length Principle）已关闭评论
对于两个集合，如果一个集合中点和另一个结合中的点有连接，而集合内的点之间没有连接，那么这样的数据称为二分关系数据。通常这样的数据通过图模型来描述，这类特殊的图称为二分图（图1）。生活中存在大量这样的二分关系数据，比如顾客购买商品，议员投票议案等。已有工作针对二分关系数据的分析仍停留在表现单个节点和边，难以处理大规模的二分关系数据。本文介绍的工作[1]使用了最小描述长度准则（Minimum Description Length Principle）来对二分数据聚合，并且提出了基于邻接链表形式的可视化方法分析二分关系数据，相比于已有方法，该方法能够更好的提供二分关系数据的概览。
新型交互技术 – Michael Mcguffin (ETS)
作者: Shuai Chen
日期: 2018年8月16日
新型交互技术 – Michael Mcguffin (ETS)已关闭评论
2018年7月22日（第十届可视化发展前沿研究生暑期学校第七天）上午，来自加拿大蒙特利尔École de Technologie Supérieure (ETS)的Michael Mcguffin教授向大家介绍了可视化原型设计以及菜单设计相关知识。Michael McGuffin是加拿大魁北克蒙特利尔École de Technologie Supérieure的副教授，研究方向为信息可视化和人机交互，曾获IEEE InfoVis 2009最佳论文提名奖。
近期评论