北京大学开设包括本科和研究生在内的可视化课程。其中本科课程自2008年开始开设,是国内早期开设专门课程之一。每年可视化课的最重要环节是课程设计。在此我们展示相关的优秀结果。注意到这是作为一个课程的设计作业,参与的同学基本都没有此前的前端实现经验,课程设计更体现的初步掌握可视化方法来分析解决实际问题。
继续阅读 »标签存档: 高维数据
Visual Boosting in Pixel-based Visualizations (基于像素的可视化中的视觉增强)
作者: Wu, Hao
日期: 2019年9月30日
Visual Boosting in Pixel-based Visualizations (基于像素的可视化中的视觉增强)已关闭评论
在散点矩阵中使用动画来减轻重叠(Using Animation to Alleviate Overdraw in Multiclass Scatterplot Matrices)
作者: Lu Feng
日期: 2018年6月23日
在散点矩阵中使用动画来减轻重叠(Using Animation to Alleviate Overdraw in Multiclass Scatterplot Matrices)已关闭评论
在可视分析中系统地结合降维投影与聚类方法(Towards a Systematic Combination of Dimension Reduction and Clustering in Visual Analytics)
作者: Chufan Lai
日期: 2018年1月5日
在可视分析中系统地结合降维投影与聚类方法(Towards a Systematic Combination of Dimension Reduction and Clustering in Visual Analytics)已关闭评论
对人工神经网络的隐式行为进行可视化 (Visualizing the Hidden Activity of Artificial Neural Networks)
作者: Fan Hong
日期: 2017年9月3日
对人工神经网络的隐式行为进行可视化 (Visualizing the Hidden Activity of Artificial Neural Networks)已关闭评论
用时序MDS视图分析高维数据(Temporal MDS Plots for Analysis of Multivariate Data)
作者: Tangzhi Ye
日期: 2016年1月2日
用时序MDS视图分析高维数据(Temporal MDS Plots for Analysis of Multivariate Data)已关闭评论
在大数据时代,数据的维度越来越丰富,一个数据往往拥有许多属性(Multivariate)。同时数据越来越多的数据带有着时间属性,如何分析高维数据的在时间上的模式成为一项挑战。在现实中,这类数据包括了计算机通络流量数据、医疗数据、金融数据等。可视分析技术致力于帮助人们理解复杂的数据并且找到数据中蕴含的模式。在2015的VAST论文中,来自德国Konstanz大学的小组提出了时序MDS视图(Temporal MDS Plots)的方法帮助分析高维数据在时间上的模式。 继续阅读 »
决策探索实验室:一个针对决策管理的可视分析解决方案(Decision Exploration Lab: A Visual Analytics Solution for Decision Management)
作者: Siming Chen
日期: 2014年5月2日
决策探索实验室:一个针对决策管理的可视分析解决方案(Decision Exploration Lab: A Visual Analytics Solution for Decision Management)已关闭评论
近期评论