智能数据可视分析技术综述

如何从海量数据中快速有效地挖掘出有价值的信息以更好地指导决策,是大数据分析的重要目标.可视分析是一种重要的大数据分析方法,它利用人类视觉感知特性,使用可视化图表直观呈现复杂数据中蕴含的规律,并支持以人为本的交互式数据分析.然而,可视分析仍然面临着许多挑战,例如数据准备代价高、交互响应高延迟、可视分析高门槛和交互模式效率低.为应对这些挑战,研究者从数据管理、人工智能等视角出发,提出一系列方法以优化可视分析系统的人机协作模式和提高系统的智能化程度.系统性地梳理、分析和总结这些方法,提出智能数据可视分析的基本概念和关键技术框架.然后,在该框架下,综述和分析国内外面向可视分析的数据准备、智能数据可视化、高效可视分析和智能可视分析接口的研究进展.最后,展望智能数据可视分析的未来发展趋势.     

感知增强类流场可视化方法研究与发展

流场可视化作为科学可视化领域发展最早、应用最广泛的研究方向,在帮助用户分析和理解复杂流场流动机理,洞察流场物理现象并发现流动科学规律方面发挥着重要的支撑作用.其中感知增强类流场可视化方法能够有效展现流场结构特征、各属性间的相互作用及其复杂的流动物理现象,为用户提供良好的流场可视化分析环境,提高流场科学数据处理效率和可视分析能力.文中主要介绍了感知增强类流场可视化方法在工业设计、航空航天、生物医学以及其他交叉领域的应用.抽象领域专家分析理解流场物理现象,洞察流场数据集中蕴含的复杂物理规律的过程,提出一个自顶向下的VCIH分析流程模型,包括视觉接收、认知构建、交互参与和硬件辅助.以VCIH模型为指导,从视觉感知增强、流场物理过程增强、探索式交互增强和硬件依赖性增强4个方面综述了感知增强类流场可视化方法的研究现状,并结合应用需求展望未来的发展趋势.     

空气质量细粒度数据内联关系可视分析系统

随着数据观测和数字计算技术的快速发展,空气质量数据粒度越来越细致,为研究空气质量的细粒度数据内联关系可视化、辅助理解空气污染物的转化规律提供了数据基础.针对蕴含丰富内联特征的大气质量细粒度数据开发了一个内联关系可视分析系统.首先,基于大气质量数据多维属性设计时空数据维度模型增强数据的时空表达,并提出一种基于深度学习的特征提取方法,将空气质量数据从高维空间映射到支持交互可视分析的低维特征空间;然后,设计了一套多视图联动的可视化系统,帮助用户发现空气污染传输中的细粒度内联关系,理解污染传输途径的数据分布特征.用户实例和用户评价结果表明,该系统是有效的.     

可视分析增强的平行智能交通系统框架

随着人工智能 2.0 时代的到来,可视分析方法作为一种重要的人机耦合方法受到越发广泛的关 注。其是大数据分析的利器,也是理解数据的“导航仪”,能够有效地将三元空间结构(CPH)中的数据转换为知 识系统中的服务与决策,从而进一步提升交通系统智能化水平。为此,提出人工交通系统、计算实验和平行执 行相融合的平行智能交通系统,为智能交通领域提供了一种操控的新机制和新模式。通过分析具体案例,探讨 可视分析在新一代人工智能中的重要性,以及可视分析将数据或信息转换为知识系统的流程。证明将可视分析 与平行智能交通系统的无缝结合,能更好地分析大规模交通数据,更有效地解决交通困扰,从而实现“1+1>2” 的增强效果,据此提出新颖的可视分析增强的平行智能交通系统框架。     

TMvis:基于LDA的主题建模可视分析系统

主题建模是非常重要的一类文本挖掘方法,被广泛用于构建文本语料库的主题,但其存在难以解释和调整的问题.为了协助用户构建字典以及帮助用户理解主题模型并调节模型,设计并实现了渐进式可视化分析框架,包含2个可视化工作区:语料库优化可视化工作区,协助用户高效构建字典;主题模型可视化工作区,提供多尺度信息可视化以辅助用户理解主题模型并交互地改进主题建模.实现了Web环境下的交互式可视主题模型系统TMvis,并采用20newsgroups新闻数据设计了对照实验,证明了方法的有效性.此外,实现了针对豆瓣电影数据的案例分析,验证了系统的实用性.     

一种数据驱动的流程优化可视分析方法

针对工作流特点,提出一种将工作流性能分析进行图形化和可视化的方法。向工作流运行阶段的实际业务数据提出评估模型,并给出基于三维管道隐喻的工作流可视化方法,将抽象的工作流运行阶段实际业务数据映射到三维可视形态中;继而通过显著的视觉编码手段,将用户感兴趣的指标和参数结合可视形态进行呈现,提高用户观察效率,从而提供一个改进和优化工作流的有力工具。     

基于SOM的多层Web安全审计模型及其实现

随着Internet的普及，Web应用系统安全问题日益严重，而安全审计是保障信息系统安全的重要措施。可视化安全审计作为一种新的安全审计手段，有助于安全管理员充分理解主体行为，但在Web系统中却因运行效率等原因导致应用受到限制。本文定义了多层用户行为模型，以此模型作为Web安全审计的基础，并针对该行为模型提出了基于SOM的可视化算法。该算法将Web审计数据转换为形象的可视化信息，并且允许安全管理员对可视信息进行交互操作，进一步探索Web审计数据的内在关联，从而在保证可视化效果的同时，还可大幅提高安全审计的效率。     

新医科背景下人工智能在医学信息技术中的应用探讨

旨在探讨新医科背景下人工智能在医学信息技术中的应用。通过研究人工智能在医学信息技术中的优势和应用情况,包括医学影像诊断、医疗数据分析、智能辅助诊疗等方面。继而讨论了人工智能技术在医学领域中所遇到的挑战和问题,包括数据隐私保护、技术安全性等方面。最后,探究了如何更好地发挥人工智能在医学信息技术中的应用。通过研究,能更深入地理解人工智能技术在医学信息技术中发挥越来越重要的作用,并且在未来有更广阔的应用前景。     

基于多亲树的RBAC角色可视化管理

基于角色的访问控制(RRAC)被广泛地应用于各类复杂信息系统中,通过对用户指派角色进行授权以访问系统中的特定数据或资源。一些问题已在应用过程中逐渐暴露:如何较好地展现角色层次关系、用户角色指派和角色指派中约束如何体现、冗余的角色授权如何检测与解除等。从可视化的角度采用层次信息可视化技术来辅助RRAC中的角色管理。首先阐述了所研究的问题,并定义了可视化过程中使用的多亲树结构;然后给出一个多亲树规范化过程,以建立一个符合可视化要求的标准角色层次;随后提出一种双层可视化范例来展示角色管理过程,其中下层用于展示角色层次和权限,上层用于配置用户节点;此外,针对所述问题给出若干交互方法,以可视地辅助解决角色管理中的约束和冗余问题。     

面向沉浸式流场可视化的多视图数据管理方法

由于沉浸式环境下的三维交互方式对二维界面操作不够友好,使得依赖于二维列表界面的流场数据管理任务变得复杂且低效。为了实现沉浸式虚拟环境下对流场数据高效的组织和管理,增强用户对流场空间信息的理解,提出一种基于多视图结合交互的沉浸式流场可视化数据块管理方法。该方法构建了一个三维小视图用于提供场景概览,并通过“主视图交互+小视图辅助“”小视图交互+主视图反馈”等多种多视图组合交互方式完成对多块流场数据的管理交互操作。最后构建了一个基于手势的沉浸式流场可视化系统,定义多项交互任务,从学习时长、完成时间和用户反馈几个方面对比了多视图方法和传统交互方法差异。实验结果表明,相比于传统交互方法,多视图方法可以显著提高数据管理任务的效率。     

VIS+AI: integrating visualization with artificial intelligence for efficient data analysis

Visualization and artificial intelligence (AI) are well-applied approaches to data analysis. On one hand, visualization can facilitate humans in data understanding through intuitive visual representation and interactive exploration. On the other hand, AI is able to learn from data and implement bulky tasks for humans. In complex data analysis scenarios, like epidemic traceability and city planning, humans need to understand large-scale data and make decisions, which requires complementing the strengths of both visualization and AI. Existing studies have introduced AI-assisted visualization as AI4VIS and visualization-assisted AI as VIS4AI. However, how can AI and visualization complement each other and be integrated into data analysis processes are still missing. In this paper, we define three integration levels of visualization and AI. The highest integration level is described as the framework of VIS+AI, which allows AI to learn human intelligence from interactions and communicate with humans through visual interfaces. We also summarize future directions of VIS+AI to inspire related studies.     

A model and framework for visualization exploration

Visualization exploration is the process of extracting insight from data via interaction with visual depictions of that data. Visualization exploration is more than presentation; the interaction with both the data and its depiction is as important as the data and depiction itself. Significant visualization research has focused on the generation of visualizations (the depiction); less effort has focused on the exploratory aspects of visualization (the process). However, without formal models of the process, visualization exploration sessions cannot be fully utilized to assist users and system designers. Toward this end, we introduce the P-Set model of visualization exploration for describing this process and a framework to encapsulate, share, and analyze visual explorations. In addition, systems utilizing the model and framework are more efficient as redundant exploration is avoided. Several examples drawn from visualization applications demonstrate these benefits. Taken together, the model and framework provide an effective means to exploit the information within the visual exploration process     

教育大数据可视化研究综述

教育大数据可视化分析对于复杂教育规律的理解与挖掘具有重要作用,已成为当前教育信息科学研究领域的重要课题。首先归纳了教育大数据的典型特征,从促进学生元认知发展、辅助教师监督学习过程及提升管理者科学决策水平三个角度介绍了教育大数据应用的最新研究成果,并简述了利用教育大数据实施可视化分析的基本流程。然后重点对文本数据可视化、多维数据可视化、网络数据可视化、时间序列数据可视化以及地理空间数据可视化等五种主流的教育大数据可视化呈现方法进行特征描述,并给出具体的应用场景。随后介绍了动态查询与过滤技术、可缩放/变形界面技术和多视图联动技术三个实施教育大数据可视化的关键交互技术方法。最后依据最新研究动态,从多模态教育数据融合、人机交互、人机协同范式以及教育数据可视化设计的标准规范和评价体系四方面对教育大数据可视化未来研究方向进行了展望。     

Understanding Interactive Legends: a Comparative Evaluation with Standard Widgets

Interactive information visualization systems rely on widgets to allow users to interact with the data and modify the representation. We define interactive legends as a class of controls combining the visual representation of static legends and interaction mechanisms of widgets. As interactive legends start to appear in popular websites, we categorize their designs for common data types and evaluate their effectiveness compare to standard widgets. Results suggest that 1) interactive legends can lead to faster perception of the mapping between data values and visual encodings and 2) interaction time is affected differently depending on the data type. Additionally, our study indicates superiority both in terms of perception and interaction of ordinal controls over numerical ones. Numerical techniques are mostly used in today's systems. By providing solutions to allowing users to modify ranges interactively, we believe that interactive legends make it possible to increase the use of ordinal techniques for visual exploration.     

多模态人机交互综述

多模态人机交互旨在利用语音、图像、文本、眼动和触觉等多模态信息进行人与计算机之间的信息交换。在生理心理评估、办公教育、军事仿真和医疗康复等领域具有十分广阔的应用前景。本文系统地综述了多模态人机交互的发展现状和新兴方向,深入梳理了大数据可视化交互、基于声场感知的交互、混合现实实物交互、可穿戴交互和人机对话交互的研究进展以及国内外研究进展比较。本文认为拓展新的交互方式、设计高效的各模态交互组合、构建小型化交互设备、跨设备分布式交互、提升开放环境下交互算法的鲁棒性等是多模态人机交互的未来研究趋势。     

面向虚实融合的人机交互

面向虚实融合的人机交互涉及计算机科学、认知心理学、人机工程学、多媒体技术和虚拟现实等领域，旨在提高人机交互的效率，同时响应人类认知与情感的需求，在办公教育、机器人和虚拟/增强现实设备中都有广泛应用。本文从人机交互涉及感知计算、人与机器人交互及协同、个性化人机对话和数据可视化等4个维度系统阐述面向虚实融合人机交互的发展现状。对国内外研究现状进行对比，展望未来的发展趋势。本文认为兼具可迁移与个性化的感知计算、具备用户行为深度理解的人机协同、用户自适应的对话系统等是本领域的重要研究方向。     

一种面向临床决策推理的可视诊疗技术

海量医学信息的快速增长已远远超出人类认知能力,医疗服务环境和用户人群的复杂多样性使得海量数据难以在现有能力和工具的支持下满足广大用户对于信息服务的需求.临床诊疗服务的可视化、智能化程度不高导致现有的医学知识服务水平难以保证海量资源信息的充分利用.在分析了临床诊疗环境下人机协同认知特性的基础上给出了一种基于语义层次的信息组织方式;分析了符合该数据组织模式的可视形态及自然的可视交互技术;在上述工作的基础上构建了一个面向临床决策推理的可视诊疗分析框架,并给出了原型系统实例加以验证.结果表明,通过结合交互式可视化和自动分析技术,可以有效地帮助人们从海量数据中获取到有用的信息模式,减轻人们对数据进行分析的负担,为医疗诊断过程提供决策支持服务.     

面向目标用户的深度学习模型可视化综述

深度学习模型在某些场景的实际应用中要求其具备一定的可解释性, 而视觉是人类认识周围世界的基本工具, 可视化技术能够将模型训练过程从不可见的黑盒状态转换为可交互分析的视觉过程, 从而有效提高模型的可信性和可解释度. 目前, 国内外相关领域缺少有关深度学习模型可视化工具的综述, 也缺乏对不同用户实际需求的研究和使用体验的评估. 因此, 本文通过调研近年来学术界模型可解释性和可视化相关文献, 总结可视化工具在不同领域的应用现状, 提出面向目标用户的可视化工具分类方法及依据, 对每一类工具从可视化内容、计算成本等方面进行介绍和对比, 以便不同用户选取与部署合适的工具. 最后在此基础上讨论可视化领域存在的问题并加以展望.     

A Framework for Exploring Multidimensional Data with 3D Projections

Visualization of high‐dimensional data requires a mapping to a visual space. Whenever the goal is to preserve similarity relations a frequent strategy is to use 2D projections, which afford intuitive interactive exploration, e.g., by users locating and selecting groups and gradually drilling down to individual objects. In this paper, we propose a framework for projecting high‐dimensional data to 3D visual spaces, based on a generalization of the Least‐Square Projection (LSP). We compare projections to 2D and 3D visual spaces both quantitatively and through a user study considering certain exploration tasks. The quantitative analysis confirms that 3D projections outperform 2D projections in terms of precision. The user study indicates that certain tasks can be more reliably and confidently answered with 3D projections. Nonetheless, as 3D projections are displayed on 2D screens, interaction is more difficult. Therefore, we incorporate suitable interaction functionalities into a framework that supports 3D transformations, predefined optimal 2D views, coordinated 2D and 3D views, and hierarchical 3D cluster definition and exploration. For visually encoding data clusters in a 3D setup, we employ color coding of projected data points as well as four types of surface renderings. A second user study evaluates the suitability of these visual encodings. Several examples illustrate the framework's applicability for both visual exploration of multidimensional abstract (non‐spatial) data as well as the feature space of multi‐variate spatial data.