IGAL可视化讲习班-3:数据科学工作流的可视化设计 – 赵健

12月26日下午的第一个可视化前沿讲习班的报告是由赵健研究员报告数据科学工作流的可视化设计。赵健研究员来自美国FX Palo Alto实验室,他的研究兴趣主要包括信息可视化、人机交互以及数据科学。数据科学工作流是指利用可视化的方法提高整个工作流的工作效率。主要分为以下4步:准备输入数据,进行数据探索,模型创造和结果展示。赵健老师主要围绕后三个步骤分析数据科学工作流。 继续阅读 »

IGAL可视化讲习班-4:任务驱动的自动可视化构建 – 汪云海

讲习班首日下午的第二位讲者是来自山东大学的汪云海教授。他大家带来了题为《任务驱动的自动可视化构建(Task-driven Automated Visualization)》的讲座。

继续阅读 »

IGAL可视化讲习班-6:基于智能可视化的电子病历分析及辅助诊疗技术 – 曹楠

12月27日上午,来自同济大学的曹楠教授为大家带来了题目为《基于智能可视化的电子病历分析及辅助诊疗技术(Visualization in Health Informatics)》的讲座,详细阐述了可视化在医疗信息领域的应用。 继续阅读 »

IGAL可视化讲习班-7:基于特征的流场可视化 – 陶钧

前沿讲习班12月27日下午的第一个讲者是来自于中山大学的陶钧老师,讲座的题目是《基于特征的流场可视化》,从流场可视化基本概念,基于特征的显性方法,基于特征的隐性方法等三个方面对基于特征的流场可视化进行讲述。

继续阅读 »

IGAL可视化讲习班-8:从认知和设计的角度看可视分析的研究方法和理论 – 张小龙

12月27日下午,来自美国宾夕法尼亚州州立大学的张小龙教授为大家带来了题为《从认知和设计的角度看可视分析的研究方法和理论》的讲座。

继续阅读 »

IGAL可视化讲习班-9:全细胞可视化与建模 – Ivan Viola

12月28日上午,来自阿卜杜拉国王科技大学的Ivan Viola教授为大家带来了题为《全细胞可视化与建模》的讲座。Ivan Viola教授首先通过一个对HIV血浆的可视化的案例让大家对于生物医学可视化有一个整体的理解。对生物医疗数据的可视化的主要动因是其可以有效地帮助用户理解、探索生物医学数据,但仍然存在许多挑战。如其拥有复杂的几何构型,个体数量十分庞大,且在多尺度之间迁移十分困难。对于全细胞的可视化的任务被定义为通过计算机图形学和可视化的技术来描绘多尺度的生命形式。

继续阅读 »

IGAL可视化讲习班-10:时空大数据的可视化 – 陈为

12月28号上午,最后一位讲者是来自浙江大学的陈为老师。讲座的主要内容有《时空大数据的可视化》和《海量动态图数据的可视分析理论和应用》。时空大数据的可视化从理解、分析、服务三个角度切入,向分享了可视化研究工作的成果与经验。对海量动态图数据的讨论,再次强调了可视化技术的重要与动态图相关的技术和应用。 继续阅读 »

用卷积神经网络来评估图形感知能力

卷积神经网络(Convolution Neural Network,CNN)已经在许多计算机视觉(Computer Vision)任务上取得了成功。 对于可视化,CNN 可以怎么应用于图形感知任务? 这篇文章 [1] 通过复制 Cleveland 和 McGill 的1984年的开创性实验 [2] 来研究这个问题,该实验测量了不同视觉编码的人类感知效率,并定义了可视化的基本感知任务。 我们在五种不同的可视化任务上测量了四种网络架构的图形感知功能,并与现有人的感知能力进行比较。 虽然在有限的情况下 CNN 能够达到或超越人工任务表现,但我们发现 CNN 目前还不是人类图形感知的良好模型。 我们提供这些实验的结果,以促进理解 CNN 在应用于数据可视化时的成功和失败。

继续阅读 »

Clustrophile 2:可视化指导聚类分析

聚类是探索性数据分析中一种流行的无监督学习方法。聚类算法通过基于相似性的度量将数据划分为子集,为分析人员提供了探索数据结构和变化的有力手段。然而,由不同算法、算法参数、数据子集和属性子集所决定的聚类空间是巨大的,如何引导用户高效地探索空间而不是漫无目的地尝试依然是一个巨大的挑战。为解决上述挑战,本文[1]提出了一种用于引导聚类分析的新型交互式工具Chustrophile 2。它指导用户进行基于聚类的探索性分析,适应用户反馈以改进用户指导,促进聚类的解释,并帮助用户快速推理聚类之间的差异。除此之外,Clustrophile 2还提供了一个新颖的功能,the Clustering Tour,根据用户的分析目标和期望选择聚类参数并推断不同聚类结果的质量。

继续阅读 »

Graphicle: 单元可视化与网络可视化的结合

现实世界存在很多大型、多变量且关系型的数据,用户在分析此类数据时,需要同时考虑到每个单元的属性和单元间的连接。然而,在现有的可视化方法中,一般只关注于单元可视化或者网络可视化中的一个。用户可以用单元可视化来探索各个变量的分布或者相关关系,也可以用网络可视化来分析单元间的网络结构。但是很难同时兼顾属性探索和网络结构探索。这也是本篇工作最想解决的问题。

继续阅读 »