时间： 2021年5月26日09:30
地点： 望江校区基础教学楼B座318实验室
研读成员： 李季倬
分享内容：
[1]X. Wang et al., "ConceptExplorer: Visual Analysis of Concept Drifts in Multi-source Time-series Data," 2020 IEEE Conference on Visual Analytics Science and Technology (VAST), 2020, pp. 1-11, doi: 10.1109/VAST50239.2020.00006.
[2]X. Chen, W. Zeng, Y. Lin, H. M. AI-maneea, J. Roberts and R. Chang, "Composition and Configuration Patterns in Multiple-View Visualizations," in IEEE Transactions on Visualization and Computer Graphics, vol. 27, no. 2, pp. 1514-1524, Feb. 2021, doi: 10.1109/TVCG.2020.3030338.
论文简介：
[1]要全面了解动态的环境，有必要从多个数据源中了解环境的变化。本文提出了一种新颖的视觉分析方法，用于检测和分析来自多源时间序列的概念漂移；提出了一种视觉检测方案，用于基于预测模型从多个来源的时间序列中发现概念漂移；设计了一个漂移级别指数来描述漂移幅度，并设计了一个一致性判断模型来识别多源数据的概念漂移是否一致。本文设计的ConceptExplorer有助于可视化地探索、识别、理解和比较来自多源时间序列数据的概念和概念偏差。最后，本文使用案例研究和专家访谈以验证方法的有效性。
本文的在线系统请见这里。
[2]在辅助用户探索海量、复杂、高维数据时，多视图可视化（MV）设计已被广泛应用。但是，现有研究缺乏有效地使用MV设计的指导原则。 本文对MV的设计进行了深入研究，关注于多视图模式的两个基本度量：组成与配置，“组成”量化视图类型，“配置”用于表征视图布局的空间排列。本文建立了一个新的数据集，包含从IEEE VIS，EuroVis和PacificVis出版物2011年至2019年收集的MV的360幅图像，并设计了一个标注系统对这些可视化图像的视图类型和布局进行了细粒度的注释。根据这些数据，本文使用视图出现频率和布局拓扑的定量指标进行成分和配置分析，进一步确定了有关MV的常见做法，包括视图类型，流行的视图布局之间的关系以及视图类型与布局之间的关联。最后，将多视图设计规则整合到MV推荐系统中，提供交互式工具来探索设计空间并支持基于示例的设计。
本文的工作文件请见这里。
