Splatting the Lines in Parallel Coordinates
- Tree Colors: Color Schemes for Tree-Structured Data
主要内容：
传统对于层次数据例如地理区域，经济活动等的展现采用层次可视化技术，然而通过有效的颜色方案可以更有效的反应数据中隐藏的层次性。本文提出一种新的配色方案Tree Colors，该方案用于用颜色来映射树形结构，采用的颜色空间为HCL（符合人们颜色感知）。通过该方法，不仅能点链式的树状结构更有优势，还能发现非层次可视化中隐藏的树状结构。
推荐理由：
通过设计一种新的配色方案来展示层次数据，结合传统的层次可视化技术，不仅使得层次布局更加清晰，同时可以充分利用空间展示更多的节点和标签。
该设计思想比较有创意，赞！
2． Multivariate Network Exploration and Presentation: From Detail to Overview via Selections and Aggregations
主要内容：
网络数据普遍存在各项社会活动中，比如：人们之间的e-mail流量、电话交流、交通活动以及资金网等。通常这些网络具有量大、多元、结构复杂等特征。而先前的工作主要集中在单个任务的分析工作上，如针对网络拓扑结构或者多元数据的可视化，此外一些已有的工具和技术大豆需要较高的领域知识和专业技能。
该文提出一种新颖的可视化技术，该技术将对多元网络的拓扑分析和多元信息的分析紧密结合起来，并支持用户自定义、动态的分析自己感兴趣的子区域。
推荐理由：
这种结合性的创新与我的学术论文很类似，此种文章的写作手法可以参考，同时这种融合的可视化创新可以是我们获得一定的启发。
3． Context Awareness by Case-Based Reasoning in a Music Recommendation System
主要内容：（基于案例推理上下文感知的音乐推荐系统）
大数据时代，面临着信息过载，如何实现用户的个性化服务一直是一个研究热点，其中推荐技术作为一项新技术被成为“利用用户群体性意见帮助其他用户从海量可能的选择中有效发现感兴趣内容的过程”，就本文而言，很多推荐系统仅仅利用了基本用户信息和行为特征，而没有讲上文环境作为考虑因素，而在普适计算中，上下文知识是重要的考虑因素。
本文设计一个基于案例推理上下文感知的音乐推荐系统，不仅将用户信息和行为模式作为特征，而且融入了上下文特征。
推荐理由：
一个有用的推荐系统案例，特征选取中融入了上下文知识，对以后开发项目中，可以同样的考虑上下文知识，以提高准确性。
4． Flexible Linked Axes for Multivariate Data Visualization
主要内容：
本文针对多元数据可视化提出一种的新颖的技术Flexible Linked Axes，该技术使得用户通过在画布上绘制或链接轴能够定义可视化形式。同时技术融入传统的可视化技术，如在每对轴之间可以使用散点图、散点图矩阵、平行坐标展示数据。
推荐理由：
设计新颖，更多的是从用户定制角度出发，为我们以后的可视化设计提供新的思路。
5． Splatting the Lines in Parallel Coordinates
主要内容：
平行坐标作为高维可视化的经典方法，其通过用平行轴表示数据维度，相应的高位数据表示成折线，将N维数据展现在二维空间中。然而随着数据集的增大，会出现折线重叠，聚簇使得视图部分区域变得稠密而无法分辨。
本文采用动态的方式展现平行坐标的绘制过程，并提供丰富的交互操作，是用户能够动态的观察到聚簇的形成过程；同时设计了segment splatter将每个折线表示成线段，并通过动画过程观察原始的折线交叉重叠的位置和过程。
推荐理由：
设计新颖，从动态可视化的角度展示绘制过程，使用户可以发掘隐藏在绘制过程中存在的一些数据模式。同样的，我们是否也可以从动态可视化的角度来解决传统可视化结束中存在的一些问题呢。