标签存档: 可视分析

通过可视化分析地理因素对多变量聚类的影响(Visualizing the Impact of Geographical Variations on Multivariate Clustering)

通过可视化分析地理因素对多变量聚类的影响

多变量地理空间数据是一种十分常见的数据类型,例如对各大城市的人口状况统计、世界各国的国力评判指标等等。如何分析地理因素(如地域的位置、范围、方向等)对多变量数据的影响,一直是地理信息、可视分析等领域的重要课题。另一方面,聚类是简化多变量分析的常用方法,它能够挖掘相似数据、总结数据特征、并消除变量增长所带来的负担。然而,当下的聚类分析方法并没有考虑地理因素的影响。这篇发表于2016年EuroVis会议的文章[1],就探讨了如何通过可视化分析地理因素对多变量聚类的影响。

继续阅读 »

流式文本的在线可视分析(Online Visual Analytics of Text Streams)

现如今的互联网上有大量的流式文档,一个很普遍的问题就是如何检测和跟踪这种文本流中的新兴事件。目前在挖掘和可视化文本流方面已经取得了很大的进步。然而,大多数现有的方法都是离线方法。离线的方法是基于所有文档来计算结果的。每次当新文件流入时,这些方法都会先将新文档与旧文档合并,然后重新计算模型。目前使用的这些离线方法存在两个主要的问题:
1. 重新计算模型时间消耗太大;
2. 由于模型被重新计算,结果在一定程度上发生了变化,这对用户来说可能是难以理解的。
这篇文章[1]提出了一种在线的可视化分析方法,帮助用户探索和了解大量流式文档中的层次主题演化。

继续阅读 »

TextTile:给结构化数据和无结构文本提供无缝探索性分析的交互式可视化工具 (TextTile: An Interactive Visualization Tool for Seamless Exploratory Analysis of Structured Data and Unstructured Text)

在实际的很多应用中,数据集由无结构文本和结构化数据组合而成。比如购物网站上,顾客会给商品的质量、物流服务质量、商家态度等条目打分,也可以写一段关于商品的评论。前者就是结构化数据,后者则是无结构文本数据。分析者面对这些数据时,往往需要同时分析二者。既可能先指定结构化数据字段的过滤条件(如对于北京的餐馆),总结文本信息(如,用户评价这类餐馆时最经常使用哪些关键词);也可能先指定无结构文本(如用户评价中含有“非常满意”),再观察这些数据在结构化数据字段的分布(如,这样的评论的地理分布)。然而,分析者面对这类数据时,面临两大问题:(1)没有一种系统的方式来组织和连接这些操作;(2)缺少完整地集成了这些操作的可视化系统,能够支持用户灵活地进行分析。 继续阅读 »

IEEE Pacific Visualization Symposium 2017 – Day 1

Bongshin Lee对PacificVis近十年的情况进行了可视化与总结

今天是IEEE PacificVis会议正式日程的第一天。首先进行的是大会的开幕式。大会主席Bongshin Lee和Jinwook Seo欢迎各位与会者,并介绍了这次会议的参与情况。今年共有来自19个国家的133人参与,其中来自大陆的可视化研究者有22名。接着,论文、短论文、海报张贴与storytelling竞赛的主席分别对各自部分的参与、评审以及接收情况进行了介绍。本次会议共接受论文29篇,分数均在3.5及以上。我们实验室陆旻同学的论文《Interaction+: Interaction Enhancement for Web-based Visualizations》被全文接收。图可视化主题在今年所接受论文、海报张贴中都有着很大的比例。

继续阅读 »

IEEE Pacific Visualization Symposium 2017 – Day 0

国际可视化盛会之一的IEEE PacificVis 2017,于4月18日到21日在韩国首尔大学举行。会议首日是PacificVAST研讨会,邀请了众多可视化领域的著名专家学者前来作报告。会议内容共包含两个主题报告(Keynote Talk)、四个邀请报告(Invited Talk),以及一个讨论环节(Panel Discussion)。

继续阅读 »

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

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)

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

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 »