一个可视分析系统可以分成视觉表示和交互两个部分。有很多用户调研的相关工作对不同的视觉表示进行比较，但是少有相关工作对不同的交互设计进行比较。因此，这篇工作首要关心的是对于不同交互的比较。此外，在相关工作中，对于不同的视觉编码之间的比较仅限于位置编码和颜色编码效果的比较，没有人比较过面积编码与前两种编码的效果差别。也很少有人（但确实有）比较过笛卡尔坐标系和极坐标系的差别。综上，这篇工作就是要对不同的交互、视觉编码、坐标系下的时间序列可视化通过实验进行比较。
作者存档: Yu Zhang
通过用户调研探究如何改进时间序列可视化中的用户体验(Investigating Time Series Visualisations to Improve the User Experience)
作者: Yu Zhang
日期: 2017年4月29日
通过用户调研探究如何改进时间序列可视化中的用户体验(Investigating Time Series Visualisations to Improve the User Experience)已关闭评论
通过基于语法的方法为交互序列建模并进行数据探索中的推荐(A Grammar-based Approach for Modeling User Interactions and Generating Suggestions During the Data Exploration Process)
作者: Yu Zhang
日期: 2016年12月17日
通过基于语法的方法为交互序列建模并进行数据探索中的推荐(A Grammar-based Approach for Modeling User Interactions and Generating Suggestions During the Data Exploration Process)已关闭评论
在可视化系统中，往往会有很多交互功能。丰富的交互功能一方面使得用户能够灵活地探索数据的不同方面，另一方面却也容易让用户信息过载，不知道使用哪些交互能够高效地完成数据探索的任务。为了解决这个问题，帮助用户沿着正确的交互探索路径使用可视化系统，作者提出将过往的多个用户的探索序列合成一个有限状态自动机，推荐用户采取能够高效地达到解决方案的状态转移对应的交互。得到的自动机不仅能够用来产生推荐，而且可以用来理解用户的交互方式。
Vol2velle: 一种可交互的物理媒介体可视化(Vol2velle: Printable Interactive Volume Visualization)
作者: Yu Zhang
日期: 2016年10月16日
Vol2velle: 一种可交互的物理媒介体可视化(Vol2velle: Printable Interactive Volume Visualization)已关闭评论
在体可视化中，有很多重要的交互，比如转动视角、更换传递函数、改变观测的界面、调整光源位置。在有些应用场景中，我们需要将这些体可视化印刷出来，用纸质的方式呈现。比如，当我们想把一个可视化的结果分发给很多人的时候，使用纸质的形式能够比电子的形式更加便宜；并且，在相关工作中，研究者发现在相同条件下，比起电子的可视化，使用纸质的可视化能够让用户更好地理解数据。但是常规的纸质媒介的体可视化不具有交互性，在体可视化中各种重要的交互都无法进行，这使得纸质的体可视化的效果比起电子的体可视化效果大打折扣。针对在物理媒介中保持体可视化的交互的问题，作者设计了VolumeVolvelle [1]（也即Vol2velle），一种可交互的物理媒介体可视化。
IEEE VAST Challenge 2016
作者: Yu Zhang
日期: 2016年8月16日
IEEE VAST Challenge 2016已关闭评论
国际可视化年会IEEE VIS是可视化领域最顶级的学术会议，而IEEE VIS中的IEEE VAST Challenge是可视化与可视分析领域最重要、规模最大的竞赛。每年VAST Challenge提供的数据的故事背景各异，有生化恐怖袭击、流行病、武器走私、社会骚动、网络攻击等。竞赛题目覆盖可视分析最重要与前沿的研究领域，例如网络安全可视分析、时空数据可视分析与人际关系网络可视分析等。
北京大学可视化与可视分析研究组近4年都参与了VAST Challenge，每年都获有奖项，在今年获得了Outstanding Comprehensive Solution Award。
继续阅读 »
SepMe: 2002种度量视觉元素分离程度的准则 (SepMe: 2002 New Visual Separation Measures)
作者: Yu Zhang
日期: 2016年5月6日
SepMe: 2002种度量视觉元素分离程度的准则 (SepMe: 2002 New Visual Separation Measures)已关闭评论
在可视数据分析中，分析者需要用视觉观察数据，寻找有趣而未知的模式。在降维的投影的语境下，希望降低人的认知开销，让机器事先找到有趣的投影。为此，就需要量化定义投影的质量，在许多工作中都给出了各自的视觉效果度量（visual quality measure），这些度量都希望能够模仿人类知觉的准则。
本文只考虑到二维散点图的投影，在二维散点图的视觉效果度量的相关工作中，一般来说，这些视觉效果度量，或者说可分性度量，希望散点图中不同类的中心距离比较大，或者希望在不同范围中根据类标签计算出的熵比较小。不失一般性，本文只讨论数据的类别标签只有两种的情况。
近期评论