2018 IEEE VIS 见闻精选-02

Workshop

VISREG—Visual Summarization and Report Generation:

Beyond Scatter-Plots and Bar-Charts

这个研讨会着眼于数据可视化摘要(visual summarization)的技术和应用,以及创建可能在静态报告中使用的有意义的表示。视觉摘要需要能够将许多不同方面的数据组合成一个简洁的概述。它们还可以用作单独的可视化技术,以将结果传达给外部人。研讨会包括论文会谈,介绍在不同领域进行总结摘要的新技术。根据这些会谈,在研讨会结束的时候,参与者们一起讨论确定开放的研究问题和未来可能的研究方向。

Design Factors for Summary Visualization in Visual Analytics

这篇 survey 是研讨会的 Keynote Talk,发表在 EuroVis 2018 上。这篇文章采用引导式方法来调查可视化的状态,集中讨论摘要方法中的不同选择如何影响摘要在实践中的使用方式。使用定量内容分析方法(QCA),确定所采用的摘要类型,可视化的目的和数据类型之间的相关性。

VoD - Understanding Structure, Content, and Quality of a Dataset

为了让数据分析师能够方便的了解数据集结构、内容以及数据集是否适合进一步处理,这篇工作设计并评估 一个数据集可视分析原型,该原型提供了三个不同级别的数据集的交互式可视化摘要:数据集级别,数据属性级别和数据值级别。

Tilemaps for Summarising Multivariate Geographical Variation

这篇工作讨论'tilemap'设计空间,特别关注 tilemap 在丰富的分布汇总统计中描绘地理差异,按类别分类数据,显示变量之间的关联以及研究地理加权统计的多变量输出的潜力。

Developing a Formative Visual Feedback Report for Data Brokering

这里介绍了一个可视化框架的开发,用于向与数据经纪公司合作的客户提供形成性反馈,即通过增强客户端的数据创建和管理流程,改进数据的使用和代理过程。

Developing DesignGuidelines for Precision Oncology Reports

这个研究的目的是从精确的肿瘤学报告设计中确定肿瘤学家的任务和需求,然后根据这些发现改进报告设计。基于此,设计了设计标准,并使用这些标准开发了原型报告设计。

最后 chair 汇总了数据摘要主题,分别是可视化 guideline,理解数据的结构,时空数据摘要,图数据摘要与文档数据摘要。与会者对这五个主题进行了投票,确定哪个更重要,最后的结果是可视化 guideline 与理解数据的结构势均力敌。

Workshop

Machine Learning from User Interaction for

Visualization and Analytics

10月22日早的机器学习用户交互专题讨论会上,对可视分析系统、交互模型、交互技术进行讨论,分析如何使用ML学习用户交互行为,以及在此方向能做哪些未来研究工作。讨论会主要汇报了若干使用ML理解、增强用户交互行为的应用工作。

其中包括,通过机器学习对文献集进行交互式的关键词分配,通过机器学习检测用户在交互过程中感到沮丧的阶段并提供交互建议,通过可视分析方法使机器学习模型更具有交互性与解释性,提供一个用户可参与的软件平台对机器学习算法进行封装,使得用户可以再前端获取计算结果。

还包括,使用隐藏马尔科夫模型分析用户在可视分析过程中的认知状态,作者记录了用户在使用可视化系统过程中的交互操作及间隔时间,根据间隔时间的长短将交互行为分为不重要、认真思考、感知三个级别,通过马尔科夫模型最终将用户认知状态分为了计划、分析、总结三阶段。

在讨论会的最后,大家分组就机器学习用户交互行为有哪些新的研究机会与应用领域,需要哪些研究能使得提出的这些应用有用,这两个问题进行讨论,结束了今早的专题讨论。

Tutorial

Urban data visualization

城市数据可视化教程总结了与城市轨迹相关的可视化工作,并提出了近年来在对城市数据进行可视化时所遇到的任务及挑战。教程同时介绍了生成一个城市数据可视化系统所需要的具体技术及编程技巧。

首先来自浙江大学CAD&CG实验室的黄兆嵩介绍城市数据的概览及其数据特征。城市数据最重要的属性是地理属性及其时间属性。这两种属性能够支持很多数据挖掘相关的算法,从而挖掘很多与人类行为相关的知识。接下来,总结了四种城市数据可视化的任务,分别是数据的管理和预处理,解决数据的不确定性,数据挖掘和聚类,以及数据的转化。每一个可视化任务都对应着不同的可视化挑战。在本节的最后,对于不同的数据属性和可视化任务,分别列举了不同的城市数据可视化系统。包括时空可视化,高维数据可视化,沉浸环境可视化及数据预测,数据管理,模式识别和知识挖掘,交通管理和交通监控等等。

接下来,来自kent state university的赵烨老师介绍了在城市数据可视化过程中所遇到的数据管理和数据建模的工作。不同的分析和可视化需求需要对应不同的数据管理技术。例如R-tree, 四叉树等等,赵老师从不同的角度介绍了数据的获取方法和常见的预处理方法,并根据一个实际的可视化系统案例,介绍了实际操作中可以用到的工具及常见的技巧。

Yangjing老师介绍了不同的可视分析系统。包括轨迹的点可视化,聚合的可视化,语意的可视化,可视管理,可视查询,可是分析等。生动的介绍了在生活中各个领域所产生的可视化系统。

Shamal介绍了生成一个城市数据可视化系统可能需要用到的编程技术及工具。包括常用的后端索引技术,数据库链接及查询,用户的管理,及前端的d3js和chartjs等,最后展示了leafletjs所完成的可视化系统。

教程最后,赵老师总结了城市数据可视化中依然存在的挑战,包括Database design,数据的转换算法及设计,对于大数据多平台的渲染问题等等。

来自VAG天团--

张天野、魏雅婷、黄兆嵩

前线报道

输入

宽视 · 善知

| 宽视以博物 · 善知以致知 |

微信号

datavis

或长按识别上图

微博号

浙大可视分析小组

或长按识别上图

  • 发表于:
  • 原文链接https://kuaibao.qq.com/s/20181023G1F1A200?refer=cp_1026
  • 腾讯「云+社区」是腾讯内容开放平台帐号(企鹅号)传播渠道之一,根据《腾讯内容开放平台服务协议》转载发布内容。
  • 如有侵权,请联系 yunjia_community@tencent.com 删除。

扫码关注云+社区

领取腾讯云代金券