在日常学习、工作和生活中，人、事、物之间以各种各样的关系彼此关联着：人们之间存在着社交网络关注的关系；研究人员之间存在着项目合作、论文合作者的关系；著作之间存在着引用的关系等等。这些存在关系的数据构建出了一个关系信息空间。对这个空间进行浏览 (navigation) 有助于我们更好地探索其中存在的关系结构。而对关系信息空间进行浏览并不总是很容易的，尤其是当这个空间存在着异构的、或大规模的数据项。这篇文章[1]则提出了一种新的浏览关系信息空间的方法——单子探索。
标签存档: 图可视化 - 第3页
单子探索：一叶知秋 (Monadic Exploration: Seeing the Whole Through Its Parts)
作者: Min Lu
日期: 2015年6月13日
单子探索：一叶知秋 (Monadic Exploration: Seeing the Whole Through Its Parts)已关闭评论
对高维数据集中显/隐性关系的交互式探索 (Interactive Exploration of Implicit and Explicit Relations in Faceted Datasets)
作者: Chufan Lai
日期: 2014年1月15日
对高维数据集中显/隐性关系的交互式探索 (Interactive Exploration of Implicit and Explicit Relations in Faceted Datasets)已关闭评论
在高维数据集中，数据之间的关系大致可分为两种，即显性关系和隐性关系。其中前者指的是直接包含两个对象的具体的联系（connection），而后者指的是对象之间的共同点（comment point），是相对抽象的联系。譬如两国之间，航线连接是其显性关系，而两国具有相同的气候类型则是一种隐性关系。由于隐性关系只能通过特定的数据查询来发现，多数的可视化方法都只表现了数据的显性关系。Jian Zhao等人[1] 提出了结合图（Node-link Graph）和动态查询（Dynamic Query）的可视化系统PivotSlice，通过在图布局中展现查询结果，并辅以灵活完善的交互功能，来辅助用户同时探索数据的显性和隐性关系。
多态社交网络可视分析：和社会学家的合作设计研究（Visual Analytics for Multimodal Social Network Analysis: A Design Study with Social Scientists）
作者: Guo Cong
日期: 2013年12月28日
多态社交网络可视分析：和社会学家的合作设计研究（Visual Analytics for Multimodal Social Network Analysis: A Design Study with Social Scientists）已关闭评论
传统的社交网络分析（Social network analysis，SNA）[1] 主要研究结点和边的关系，所有的结点都是同一类型的数据。但是，有的网络结点可能是不同类型的，比如论文合作关系，既有作者结点，又有论文结点，还可能有会议结点，机构结点等。这些所有的结点混在一起组成的社交网络，每一类结点我们称为一种模式（Mode），用传统的图分析方法就很难研究模式间的关系。研究这类社交网络的方法称为多态社交网络分析（Multimodal social network analysis，mSNA）。这篇来自IEEE VAST 2013的文章[2] 通过与社会学家合作，设计了一套针对多态社交网络的可视分析方法，首先针对mSNA抽象出来问题模型，然后设计了可视分析系统MMGraph，最后根据社会学家的反馈总结了研究人员如何和领域专家进行合作的流程。
继续阅读 »
对关系网络中模糊重叠的群体进行可视化（Visualizing Fuzzy Overlapping Communities in Networks）
作者: Guo Cong
日期: 2013年11月4日
对关系网络中模糊重叠的群体进行可视化（Visualizing Fuzzy Overlapping Communities in Networks）已关闭评论
可视化一个网络中群体的重叠关系对我们分析网络的结构、发现特殊个体具有重要作用。现在已经有了较多的工作来可视化确切重叠，其中最主要的方法是对重叠节点染色，或者使用欧拉图，凸包等形式来表现群体间的关系。但是可视化模糊重叠的工作很少，这篇来自2013年IEEE InfoVis的文章就是针对网络模糊重叠的可视化提出来一套新颖的布局算法，并给出来两个案例研究。
继续阅读 »
图形简化：通过使用扇形，连接器和团的图形符号提高网络可视化的可读性(Motif Simplification: Improving Network Visualization Readability with Fan, Connector, and Clique Glyphs)
作者: limei.che
日期: 2013年9月16日
图形简化：通过使用扇形，连接器和团的图形符号提高网络可视化的可读性(Motif Simplification: Improving Network Visualization Readability with Fan, Connector, and Clique Glyphs)已关闭评论
在研究和分析网络时，我们会关注节点间错综复杂的关系，以及节点的性质。图的点边表示法能很好的解释网络特性，常用来分析复杂网络。但是随着网络规模的扩大，越来越多的节点和越来越复杂的关系使得在有限的显示屏幕下对网络的可视化与可视分析变得非常困难。为了解决这个问题，本文提出了一种图的简化方法，即“图形简化”法。这种方法把经常出现的具有代表性的点边模式表示成紧密的有意义的图形。
图中集合关系的可视分析
作者: limei.che
日期: 2013年7月25日
图中集合关系的可视分析已关闭评论
本文[1]是2013年EuroVis最新的图可视化工作，文中介绍了一种显示图中存在的集合关系的可视化设计，适合中小型图的可视化，可以丰富的展现图的多种属性，非常具有启发性。
图可以表很多抽象的关系数据，图中的节点往往具有多种属性。例如，在一个社交网络中，每个人是一个节点，他不但有自己朋友关系，还有各种各样的兴趣爱好，像喜欢听音乐，爬山，摄影等。依据这些兴趣爱好，我们可以把图分成几个集合，比如，喜欢爬山的人是一个集合的，喜欢听歌的人是另一个集合。因此，在图的基础上添加集合的信息，可以表现出更丰富的数据属性。
北京大学“可视化与可视分析”报告——Peter Eades教授“How to Draw a Graph，Revisited”
作者: hongwei.ai
日期: 2012年6月26日
北京大学“可视化与可视分析”报告——Peter Eades教授“How to Draw a Graph，Revisited”已关闭评论
6月21日，国际著名计算机专家，弹簧画图算法发明人，悉尼大学教授Peter Eades访问北京大学。21日下午2点，Eades教授在北京大学理科2号楼2736学术报告厅作了一场题为“How to Draw a Graph，Revisited”（重新审视如何作图）的精彩报告。讲座以时间为线索，回顾了图绘制的发展历史。(更多可视化与可视分析报告会通知请关注：http://vis.pku.edu.cn/seminar/index.html )
近期评论