历时三天的ChinaVis 2018最后一天的会议内容同样充实精彩，包括特邀报告，Panel讨论环节，专题报告，以及闭幕式。
标签存档: 可视分析
ChinaVis 2018 – Day 1 （2018年7月26日）
第五届中国可视化与可视分析大会（ChinaVis 2018）于2018年7月26日在上海隆重开幕。大会为期三天，从2018年7月26日至7月28日举办，邀请了国内外可视化领域知名专家就相关研究与应用的最新进展作大会报告、介绍发展动态、开拓研究思路。会议包含了论文报告、海报张贴、Panel研讨、专题报告、可视化艺术展等丰富多彩的日程。大会由中国图象图形学学会主办，可视化与可视分析专委会、华东师范大学计算机科学与软件工程学院承办，同济大学、上海交通大学和多家赞助单位协办。本次会议吸引了来自101家高校与企事业单位、13家国外高校与企业的500多位专家学者参会。会议开幕式前一天，在华东师范大学还举办了前导课程，由美国俄亥俄州立大学的沈汉威教授和清华大学的刘世霞教授为大家分别介绍“数据分析与可视化信息理论”和“可解释机器学习”，课程得到了大家的积极参与，参加人数高达两百多人次。
2018年北京大学可视化暑期学校 – Day 1 （2018年7月17日）
作者: Ye, Chuyue
日期: 2018年8月2日
2018年北京大学可视化暑期学校 – Day 1 （2018年7月17日）已关闭评论
前一天刚参加完精彩的北京大学可视化发展前沿研究生暑期学校十年特别峰会，暑期学校的学员们就在7月17日投入到了紧张而充实的全面学习中。今天的暑期学校邀请的讲者是香港科技大学的屈华民教授和马里兰大学帕克分校的Leila De Floriani, Hanan Samet两位教授。三位老师结合各自所做的工作，从不同的角度向同学们展示了可视化的魅力。 继续阅读 »
当大卫遇上歌利亚：在数据可视化与探索中将智能手表与大屏幕结合(When David Meets Goliath: Combining Smartwatches with a Large Vertical Display for Visual Data Exploration)
作者: yuening.shi
日期: 2018年7月11日
当大卫遇上歌利亚：在数据可视化与探索中将智能手表与大屏幕结合(When David Meets Goliath: Combining Smartwatches with a Large Vertical Display for Visual Data Exploration)已关闭评论
随着大屏幕技术的发展和普及，其在展示、交互、合作方面的优秀性能使其更广泛地应用于可视化与数据探索。大屏幕的高分辨率和充足的显示空间可以支持展示更多信息，提供了多人协同分析的空间，并可以组合多种交互方式使探索过程更加自然。然而使用大屏幕进行可视分析仍存在很多挑战，诸如工具和菜单栏遮挡视图、用户无法触及屏幕较远位置、交互距离过长引起疲劳、多用户合作时面临冲突等问题。针对这些挑战，跨设备交互——使用个人设备（如手机、iPad、智能手表等）与大屏幕结合分析是一种常见的解决办法。相比于其他设备，智能手表具有轻便、操作便捷、解放双手、注意力转换少（部分操作无需注视手表）的优点，但相关研究中缺少将智能手表与大屏幕可视分析系统结合的工作，因此这篇文章[1]专注于解决这个问题，使智能手表作为存储和发送数据的存储器、提供额外视图和交互的中介和远程定位的控制器，提供了一套将大屏幕与智能手表结合的设计理论和系统，如图1，不仅能保障在多用户合作过程中个人探索的准确性，同时能降低个人操作对屏幕整体的影响，最后他们通过用户体验的结果验证了该系统的有效性。
CDAS：用于高效作业的动态空域扇区化的认知决策架构
作者: chenglei
日期: 2018年6月16日
CDAS：用于高效作业的动态空域扇区化的认知决策架构已关闭评论
国际航空运输协会（International Air Transport Association）对空中交通增长前景的最新研究预测表明到2035年空中交通量将增加一倍[1]。为了应对流量突变，降低管制员的工作负担以及保障空中交通的安全性和效率，动态地划分空域变得更加重要。传统的空域划分包括基于交通流的图划分[2], 对扇区的合并增加[3]以及基于Voronoi图[4]。该工作CDAS[5]使用认知决策架构的模型, 采用多目标优化算法来动态的划分空域。评测结果表情该工作有效提高了管制员的工作效率。
第二届中日可视化研讨会
第二届中日可视化研讨会于2018年4月9日在神户大学泷川纪念学术交流会馆举行。继首届会议2017年7月在北京大学成功举办后，本次研讨会有中国方面北京大学、清华大学、浙江大学、天津大学、西南科技大学、中科院、北京应用物理与计算数学研究所以及奇虎、阿里、百度等互联网企业专业人员，日本方面京都大学、大阪大学、应庆义塾、东京工业大学等日本知名大学50余人参加。
西藏拉萨中学师生参观北大可视化与可视分析实验室
作者: Jiang, Ruike Jiang
日期: 2018年1月6日
西藏拉萨中学师生参观北大可视化与可视分析实验室已关闭评论
2018年1月4日，来自西藏拉萨中学的2名老师、10名学生以及正在拉萨中学支教的北京大学第十九届研究生支教团西藏分团的4名志愿者同学，来到北京大学可视化与可视分析实验室参观。志愿者中有一位是我们实验室的硕士生田敏同学。
EVA: 可视分析用于识别欺诈事件
金融机构需要为他们的客户确保安全和质量，如银行需要及时识别和阻止有害的交易。 为了检测欺诈操作，通常使用数据挖掘技术和客户画像分析，但是这些方法目前还没有得到可视分析的支持。 然而可视分析技术可以帮助增强知识发现的过程，并提高欺诈事件探测系统检测和预测的准确性。因此，这篇文章提出了EVA，一种用于欺诈交易的可视化分析方法，将自动算法与可视分析相结合，提高系统检测的准确性。
对TensorFlow中数据流图的可视分析（Visualizing Dataflow Graphs of Deep Learning Models in TensorFlow）
作者: Chufan Lai
日期: 2018年1月5日
对TensorFlow中数据流图的可视分析（Visualizing Dataflow Graphs of Deep Learning Models in TensorFlow）已关闭评论
TensorFlow是谷歌开发的、当下最流行的机器学习软件库之一。它采用数据流图（Dataflow Graph）来表达机器学习算法的计算过程，用户可以定制不同的数据流图来构建自己的算法。然而，随着深度学习的兴起与流行，各类神经网络渐趋大规模、复杂化。算法开发者仅凭借自身的理解与记忆、很难把握算法的各部分体系结构，相互之间也难以进行沟通。为此，这篇文章[1]提出了可视化工具TensorFlow Graph Visualizer，通过可视分析帮助用户在TensorFlow中进行算法分析与开发。值得一提的是，该文章荣获了IEEE VAST 2017的最佳论文奖（Best Paper Award）。
近期评论