北京大学图可视分析系列

图是一种抽象的数据类型,通常用来表示事物之间的连接关系。图的可视化致力于研究图的排布算法,交互手段和探索方式,来帮助人们发现和挖掘图中隐含的结构信息。下面是PKUVis Lab在图的可视化与可视分析方面所做的研究:


基于图的时序集合模拟可视分析

简介:我们提出了一个基于图的时序集合模拟可视分析方法。我们的方法按照成员之间相似程度为出发点,从集合模拟数据中捕捉具有高相似度的时空地点,并用图的形式来展示:节点代表时空中具有高相似度的区域,节点之间的连边表示相邻时刻区域发生重叠。结合多视图交互的界面,用户可以直接对集合模拟数据进行快速浏览,并选择区域来比较其内集合模拟成员的分布情况。我们把该工具应用在一组臭氧与污染排放模拟数据和一组流体力学实验集合模拟数据上,结果说明该工具能帮助用户直观地观察并分析在时空中集合模拟成员相似度的分布与具体演化。

点击这里查看更多介绍


基于拉普拉斯的动态图布局方法

简介:动态图可视分析存在很大的挑战,因为维持变化的图的布局的稳定性,保持用户的思维导图是一件很难处理的问题。在这个工作中,我们提出一个新的能够保持一系列变化的图中所有的结构不变的图布局算法。通过内嵌距离的拉普拉斯算子约束算法,我们的系统可以实时地处理数据,保持每个时间步图布局美观性,同时,保证相邻图结构之间的相似性。通过保持相邻时间步相同子图结构的形状,我们的方法可以有效的帮助用户追踪和获取图的变化信息。

点击这里查看更多介绍


PIWI:基于社群结构的图的可视分析

简介:社群结构是真实网络中一个重要的特征。这个特征表现为团簇内的顶点紧密相连,团簇间的连接很少。与社群相关的图可视分析任务,比如探索社群之间的关系,分析基于属性的结构关系,根据感兴趣的结构或属性选择相应的顶点等,是从网络发现、获取信息过程中,常见的任务。在这个工作,我们提出新颖的可视分析工作,PIWI。该工具能够支持用户高效的进行前面列举的、与社群相关的图可视分析任务。通过无交叉、直观、有丰富信息的可视化视图,结合丰富的交互方式,PIWI支持用户在上千个顶点的图中高效地探索分析图信息。

点击这里查看更多介绍


基于用户输入的智能图布局算法

简介:在本文中,我们提出一个新的图布局算法,即通过众人提供子图布局帮助优化整体的图布局 。为了保持用户输入子图的拓扑信息,我们提出了一个基于内嵌距离的拉普拉斯算子约束算法。为了更好的收集用户输入的子图布局,我们开发了一个轻量级的交互系统使得用户能够更方便的的动态查看、修改图布局。与其他现有的图布局算法相比,我们的方法可以在优先满足用户偏好的条件下实现更具美感和有意义的图布局。

点击这里查看更多介绍


豆瓣电影图可视化在线分析工具

简介:这里我们用图来表示电影之间的关系,每个节点表示一部电影,通过豆瓣的电影推荐机制:喜欢看A的观众也喜欢看B,我们则在这两个节点之间建立一条边。由此我们可以根据观众群体的爱好对电影类型进行分类。根据把关系密切的节点放在较近的位置,并且尽量避免或者减少边的交叉的原则,用户可以编辑出布局美观且有实际意义的子图排布。 图可视化分析工具提供了两个数据集,一个是从豆瓣电影中提取的,由15041部电影构成的电影图;另一个是由50个节点构成的抽象图。用户可任选一个数据集进行操作。

点击这里查看更多介绍



© PKU Visualization and Visual Analytics Group 2008-2016