分类存档: 研究

对兴奋网络拓扑结构的可视分析 (Visual Analysis of Governing Topological Structures in Excitable Network Dynamics)

在计算生物学和神经学领域,了解不同拓扑结构如何影响兴奋网络(Excitable Network)中的动力学传播是一个重要的问题。本文通过可视分析的手段,利用多个关联视图,帮助用户探索不同网络结构在兴奋网络动力学传播中的角色。

继续阅读 »

时变总览图:一个通过交互生成和放置注释的叙述可视化方法(Temporal Summary Images: An Approach to Narrative Visualization via Interactive Annotation Generation and Placement)

可视化既可以用来探索、分析数据,也可以作为解释性工具,与别人分享自己的发现。尽管研究人员已经提出了许多可视分析方法,但是很少能够支持叙述可视化(narrative visualization)。当面对大规模、复杂、多维、异构数据时,手动地筛选、识别、高亮出图表或者图中的关键部分会变得非常耗时耗力。这篇文章[1]设计了一种创建叙述可视化的框架(Temporal Summary Images,TSI) ,通过自动生成、放置注释帮助用户分析数据,展示自己的发现。

继续阅读 »

日本庆应大学吴湘筠博士访问北京大学

2016年10月7-14日,受袁晓如研究员邀请,来自日本庆应大学计算机图形与可视化研究组(Computer Graphics and Visualization Group, Keio University)的吴湘筠项目助理教授访问了北京大学可视化与可视分析实验室。吴湘筠博士的主要研究方向包括信息可视化中的地理可视化(Geographic Visualization)、图绘制(Graph Drawing)和多变量数据可视化(Multivariate Data Visualization)等方面的工作。
继续阅读 »

IEEE VAST Challenge 2016

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 »

基于高阶访问依赖的高效非定常流场可视化 (Efficient Unsteady Flow Visualization with High-Order Access Dependencies)

在流场可视化中,场线追踪是一种很基础的技术,很多应用包括流面计算、FTLE计算以及源汇分析等都需要追踪大量的场线。然而,由于巨大的I/O和内存需求,场线的计算是非常昂贵的。特别是I/O开销,往往能占据整个计算时间的90%。解决I/O负担的一个方法是将数据访问模式结合到场线计算中。数据访问模式由流场数据的特征隐式地决定,其记录了场线轨迹的数据访问情况。我们可以将其提取出来,并在之后的场线应用中预测数据访问。在已有的方法中,马尔可夫链被用来对数据访问模式进行建模,其思想是通过当前的数据访问预测下一个可能的数据访问。这种访问模式也被称为数据块之间的一阶访问依赖。不过,由于每个数据块可能与多个其他的数据块有访问依赖关系,因此很难得到比较准确和可靠的访问预测。
继续阅读 »

“可视化推动大数据平民化”位列2016年大数据发展趋势首位

在近期CCF大数据专家委员会发布的《中国大数据技术与产业发展白皮书(2015)》中,对2016年大数据发展趋势进行了预测。可视化推动大数据平民化被参加投票的大数据专家委员会专家和产业联盟成员列为2016年最重要的技术发展趋势。

 ​1.可视化推动大数据平民化

densitymap3 继续阅读 »

对于稀疏采样的带有地理标签的社交媒体数据的交互式可视分析与探索 – Interactive Visual Discovering of Movement Patterns from Sparsely Sampled Geo-tagged Social Media Data

‘社交媒体’这个词现大家并不陌生,每天成千上万的人在使用着微博之类的社交媒体软件,各种新闻、心情、信息等都在网络上传播。随着智能手机的普及,发送带有GPS定位的微博数据变得更为容易,大量的带有地理标签的微博被发送、传播。它提供了一个丰富、广阔的可探索的信息空间 — 这对于以前以用户调研(Survey)为主要研究手段的人群移动研究,提供了一个前所未有的空间。今天我们就北京大学可视化与可视分析研究组在今年可视化顶级会议IEEE VIS 2015 发表的一篇可视分析方面的文章进行详细介绍 [1]。

继续阅读 »

FLDA:基于LDA主题模型的非定常流场分析 (FLDA: Latent Dirichlet Allocation Based Unsteady Flow Analysis)

LDA主题模型是文本分析中常用的工具。在LDA模型中,一段文本被当作是一个词包(bag of words),通过分析这些词包,LDA模型可以提取出文本中潜在的主题,并基于所提取的主题分析文本间的关系。例如,考虑这两句话:“苹果最新发布了iPhone6和iPhone6 Plus”和“三星本季度利润大幅度下滑”。如果只从词语角度对这两句话进行分析,那么计算机很难发现这两者间的关系。但是,如果计算机通过分析大量文本之后,能发现两句话实际上都是与“科技”“手机”等主题相关,那么就比较容易判断两者的关系了。因此,主题模型实际上是在文本和词语之间增加了一层抽象层,而使得对文本间关系的分析能更加准确全面。而我们要介绍的这篇论文[1]则创新性地将LDA主题模型引入到流场分析中,利用流场主题这一抽象层,基于迹线来对流场进行分析。这篇文章由我们实验室与国防科技大学合作完成,并即将发表在今年的IEEE VIS年会上。

继续阅读 »

基于出租车轨迹数据的交通拥堵可视分析(Visual Traffic Jam Analysis based on Trajectory Data)

提到交通拥堵,大家一定都感到头疼。它让我们的出行变得不便,心情变得焦虑。同时它减缓了物流,加剧了空气污染。理解和治理交通拥堵是许多人的梦想,政府、企业、研究机构都在用各自的方法为着这个梦想而努力。作为我们研究可视化的人来说,我们是否也可以为理解和治理交通拥堵尽一份力呢?在我们最新的工作中,我们将可视分析方法运用于交通拥堵分析,得到了不错的结果。相应的论文[1]已经被IEEE VAST 2013所接收。

继续阅读 »

可视化与公共事件

ç是通过图形与交互的方式表达、诠释数据。能够以更加直观的方式,提供对数据内涵的理解,同时通过互动的方式提供更加方便的数据分析手段。除了面向专家的可视化系统,可视化还有一个很重要的用途就是针对社会大众的信息传播和解释作用。我们已经看到有很多的流传甚广的可视化案例,其结果无论受众的教育背景,都能够被很方便地理解。对于一些公共事件,例如地震、传染病等,数据在短时间蜂拥而来,公众面对大量的信息迫切需要一个简介方便的途径来了解事件的发展。动态的可视化就提供了这样一种途径,方便民众了解事态的发展。最近针对国内禽流感H7N9病例,雅安地震,北京空气质量等大众关系的事件北京大学可视化与可视分析研究组做了一系列的可视化。后面我们还将专门撰文解释。

1. 北京空气质量可视化 http://vis.pku.edu.cn/bjairvis/
继续阅读 »