时间： 2019年4月18日 09：30
地点： 望江基础教学楼B座318实验室
论文分享者： 姚林，邱炜立
Part 1
研读成员：姚林
研读内容简介：本次论文研读的主题为可视化视图的选取与评估。第一篇评估四种视图对于理解模糊聚类的表达效果，第二篇为缺失数据的处理和视图呈现提供了建议。
研读内容一：
论文标题：Evaluating Multi-Dimensional Visualizations for Understanding Fuzzy Clusters
论文来源：IEEE VAST 2018
论文简介：模糊聚类通常不将数据完全分离，而是将数据基于隶属度分配给不同的簇。模糊聚类符合日常的许多场景，但没有实证能证明多维数据的可视化技术对模糊聚类结果的呈现的帮助。本文定义了模糊聚类的分析任务和代表性问题，采用相同的聚类手法和不同的视图呈现，并设计了客观和主观问卷，比较四种视图在解决问题的准确性、时间和满意度，以及易用性、信息性和帮助性，为分析人员选择合适有效的可视化技术来分析模糊聚类提供了指导。
研读内容二：
论文标题：Where's My Data? Evaluating Visualizations with Missing Data
论文来源：IEEE InfoVis 2018
论文简介：由于数据收集失误等因素，许多实际数据集是不完整的。而这些不完整数据集的可视化仍要求分析人员从中推断数据的质量并得出有效结论。虽然我们通常认为丢失的数据应该淡化感知程度，但有许多场景与此假设相反。文章进行了四项众包研究的估算方法和可视化方法，测量不同的因素，如高亮估算数据、零填充数据等，如何影响用户对数据质量和结论信心的感知。
Part 2
研读成员：邱炜立
论文内容：
论文标题：Experiences with IoT and AI in a Smart Campus for Optimizing Classroom Usage
论文来源：IEEE Internet of Things Journal 2019
论文简介：
随着人们对高等教育的重视程度的逐渐增高，如何更加有效地管理高校的硬件资源成为了热门话题。当课程注册人数和实际到勤人数的相差过大时，教室的利用率也会降低。本文阐述了此问题的定位过程，并就一种可能的解决方案及其效果进行了试验与讨论。
首先，作者介绍并比较了统计教室内人数的几种方式；然后，选用其中的两种获取了数据，并使用可视化方法对其在时间维度上的变化进行了表现，同时也对上述现象背后的原因进行了简单分析；最终，借助机器学习的几类方法对教室的使用情况进行了预测，据此调整了教室安排，并进行了跟踪研究。结果显示作者所提出的方案能节省至少 10 % 的教室维护成本，且不会对师生的上课体验产生较大影响。
分享理由：
此文是目前在相关话题下唯一的一篇综合性的研究成果，从数据收集（物联网）、数据表现与分析（可视化）、方案优化（机器学习）等角度进行了较为全面的讨论。无论是从进行科学研究的思路还是从解决具体的问题流程而言，此文都是一篇具有重要参考价值的作品。
