标签存档: 可视分析

WeightLifter:多准则权重空间的可视探索(WeightLifter: Visual Weight Space Exploration for Multi-Criteria Decision Making)

WeightLifter:多准则权重空间的可视探索

人们在做选择的时候,往往会综合考虑事物的多个方面。譬如在选择住房时,有的人注重装修,有的人看重便利的交通,有的人则更偏好良好的社区环境等等。当多个准则并存,我们常常赋予它们不同的权重,并选择综合得分最高的作为最佳选项。然而,人对权重的把握总是模糊的,如果略微改变权重设定,得到的“最佳选项”是否会不一样呢?在这篇文章[1]中,作者们针对多准则评价体系,提出了一种探索多维权重空间的可视分析方法。利用该方法,用户能够充分了解权重变化对最终决策的影响,并有针对性地调整权重、作出选择。

继续阅读 »

booc.io: An Education System with Hierarchical Concept Maps and Dynamic Non-linear Learning Plans 支持概念地图与动态非线性学习计划可视化的在线教育系统

%e5%b1%8f%e5%b9%95%e5%bf%ab%e7%85%a7-2016-12-24-%e4%b8%8a%e5%8d%881-17-32

对于在线教育现在大家都越来越熟悉了,与传统的教育相比它有一些优势,包括可以更加快速利用丰富的互联网资源进行授课与学习、可以支持远程教育让更多人收益,更理想地来说它最终要达到每个人个性化的学习。今天我们介绍的这篇文章[1]来自哈佛大学,描述了他们用了快2年的时间,和教育专家一起构建出一个在线教育系统 – 它支持正常的在线教育的功能,更加有特色的是,它融合了可视化的元素,将课程学习中的概念依据他们的层次结构关系构造出了概念地图,并且为每个学习者根据它的学习情况将课程的依赖关系进行展现,让他们拥有个性化的学习计划,而传统的在线教育网站或者可视化系统很难同时做到这几点。下表进行了他们提出的系统booc.io和以前一些系统的对比。

继续阅读 »

从边际投影中重构类别型联合分布的可视分析方法(A Visual Analytics Approach for Categorical Joint Distribution Reconstruction from Marginal Projections)

联合分布重构的可视分析方法

所谓边际投影,指的是多维数据在少数几个维度上的数量累积,例如两份病患统计数据,分别展示病人在年龄和性别上的一维分布。然而仅凭这些数据,我们无法确定不同性别的病患在各个年龄段上的二维分布,因为边际投影重构出的联合分布并不唯一。传统的自动算法能够给出重构分布的少数“可行解”,却无法结合用户的先验知识、也不一定符合现实情况。在这篇文章中[1],作者提出了一种可视分析方法,通过高维可视化手段、重构并展示大量潜在的联合分布,以帮助用户识别其中符合事实或预期的、有价值的分布。

继续阅读 »

用海量出租车轨迹数据选取广告牌放置位置(SmartAdP: Visual Analytics of Large-scale Taxi Trajectories for Selecting Billboard Locations)

interface

广告牌是最常见的室外广告形式之一。尽管电视广告等传统广告方式仍然占据主导地位,但是近些年来随着人们在出行上花费的时间越来越多,室外广告牌这种广告形式也变得越来越有价值。室外广告牌是否有效取决于他的内容设计,可见性以及放置的地理位置。其中地理位置被认为是最重要的因素。然而选取室外广告牌的放置点并非易事,传统选取室外广告牌位置的方法依靠领域专家进行人工的选取,找到多个潜在的地点,进一步计算每个地点的人流量分析、人群种类分布等人口统计信息,生成报告。提供给商户做参考和选择。这样的方法自动化程度不高并且十分依赖领域专家的知识。因此来自香港科技大学可视化团队的成员开发了SmartAdP,一个基于出租车轨迹数据选取广告牌放置位置的可视分析系统。
继续阅读 »

Adobe研究院刘志成博士访问北京大学

IMG_0211_back2

2016年9月28日,美国Adobe研究院创新技术实验室(Creative Technologies Lab., Adobe Research)刘志成博士访问北大可视化与可视分析实验室。刘志成博士对于交互式数据分析系统与技术有着深入的研究,曾多次获得InfoVis, VAST, CHI的最佳论文提名奖。 继续阅读 »

特征与序列:交互式基于网页访问日志数据对相似用户行为的分析 Patterns and Sequences: Interactive Exploration of Clickstreams to Understand Common Visitor Paths

屏幕快照 2016-09-10 上午12.28.28

序列数据(Sequence Data),在日常生活中十分经常见到。大规模的序列数据,其中蕴含了人群行为的规律、特征以及异常行为。因此分析人员十分重视对序列数据的分析。本次介绍的论文是针对网站点击序列的分析,这是一类典型的序列,如下图所示,其数据包含了一系列的事件,每个事件包含了时间、用户以及具体的行为。

继续阅读 »

公共交通数据中途经限制的OD模式可视分析 (Visualizing Waypoints-Constrained Origin-Destination Patterns for Massive Transportation Data)

屏幕快照 2016-06-17 下午12.10.24

在交通领域,对OD模式的研究能够帮助交通领域的专家研究城市交通的动态规律以及移动行为。但是大多数OD模式的研究多集中于对全局OD模式的探索,而很少针对具有一定限制的OD模式分析。基于这个需求,本文[1]提出公共交通数据中途经限制的OD可视分析方法,通过交互式过滤满足途经限制的轨迹,并提出新颖的可视化设计,帮助领域专家分析对应的OD模式。

继续阅读 »

实验室博士生陈思明在第九届R语言大会可视分析分会场演讲

4.pic_hd

2016年5月28日,北京大学可视化与可视分析实验室博士生陈思明受邀参加在中国人民大学举办的第九届R语言大会,在可视分析分会场做了关于“微博轨迹可视化”的演讲。报告介绍了实验室关于社交媒体可视分析的工作,从每个人的“微博足迹故事”出发,对单个人与人群的移动轨迹进行深入的可视分析。在场观众纷纷踊跃提问,现场与会后讨论交流热烈。本次可视分析分会场还有来自Tableau等公司可视化团队负责人以及利用R语言进行可视分析的学者。 继续阅读 »

IEEE Pacific Visualization 2016 Day 1

6.pic_hd副本

IEEE PacificVis 2016于4月19日到22日在台北的台湾科技大学举行。会议的第一天是PacificVAST议程。和后面几天的会议不一样,这一天会议的报告都是邀请制,成为一个供可视分析相关的研究者共享与他们的研究的一个很好的平台。本次PacificVAST由天津大学张加万教授与纽约大学Klaus Muller教授共同组织,邀请了12名可视分析领域的专家学者进行报告。报告分为4个部分,包括”交通轨迹与城市”、”看得更深”、”可视分析中的因果推断”、”日志与文本”。首先是这次PacificVis的logo,将中国的书法与英语结合,不仅不觉得生硬,反而有一种特色的美感。

继续阅读 »

IEEE Pacific Visualization 2016会议成功举办

图片 7

可视化三大会议之一的IEEE Pacific Visualization于今年4月19-22日在我国台北的台湾科技大学召开。PacificVis会议从2008年开始举办,主要面向亚太地区的可视化与可视分析研究,首届2008年在日本京都,次年四月在北京大学举办,至今已是第九届。本届大会共吸引了近百位世界各地的可视化领域专家和学者,国内包括北京大学、天津大学、浙江大学、中南大学、西南科技大学、四川大学、山东大学、中科院等高校机构都参加了这次盛会。

继续阅读 »