矩阵可视化可以突出图数据中的局部结构。为了使这些结构表现为明显的视觉模式，人们提出了各种矩阵重排的方法来对矩阵的行和列进行适当排序。 但是，图数据可能不是孤立出现的，而是属于共享一组顶点的图集合的一部分。在这种情况下，已有的一种方法是选择一个图进行矩阵重排，然后推广到所有的图上；另一种方法是对所有图进行加权的合并，然后对合并后的图进行重排。然而这些方法都会损失信息，来自荷兰埃因霍芬理工大学的Beusekom等人 [1] 提出了一种考虑整个图集合的重排算法，如图1所示，可以同时对图集合中的所有图数据得到较好的矩阵重排结果。

节点链接图是一个用于显示网络中关系的有效工具。 来自美国东北大学的DiBartolomeo等人提出了STRATISFIMAL LAYOUT [2]，关注于计算网络的分层布局，在这种布局中，节点被排列在一组平行的轴上，来更好地展示层次或顺序关系。通常基于启发式的布局方法 [1] 可以得到可读的，但不是最优的可视化结果，该工作提出了一种模块化优化模型来计算最优的节点布局。

在日常生活里，色彩对事物的理解有重要的意义，用符合人们常识的色彩来表现相应的事物，譬如用红色代表火焰，蓝色代表寒冰等，可以促进认知和记忆。基于这个原理，在这篇EuroVis 2013的文章中，斯坦福大学的可视化小组提出了自动选择某一事物的语义共鸣色（Semantically-Resonant Color）的算法，并将其运用到可视化中，以提高可视化作品的信息传达效率。
继续阅读 »