时间：2024年12月21日（周六）上午09: 00
地点：望江校区基础教学楼B座318实验室
分享者：邓子祎
分享内容：
[1] J. Yan et al., "Visual Analysis of Collective Anomalies Using Faceted High-Order Correlation Graphs," in IEEE Transactions on Visualization and Computer Graphics, vol. 26, no. 7, pp. 2517-2534, 1 July 2020, doi: 10.1109/TVCG.2018.2889470.
[2] S. Liu et al., "Relation-driven Query of Multiple Time Series," in IEEE Transactions on Visualization and Computer Graphics, doi: 10.1109/TVCG.2024.3397554.
论文简介：
[1] 成功检测、分析和推理集体异常对于许多实际应用领域（例如，入侵检测、欺诈分析、软件安全）都非常重要。实现这一目标的主要挑战包括：处理大量的低风险事件及其多模态关系；应对各种数据和异常类型的集体异常的多样性；整合专家的领域知识。本文提出了分面高阶相关图（HOCG） 的新概念。相较于传统的低阶相关图，HOCG 能够在一个图中综合表示异构对象、它们的异常情况及多模态关系，从而提供更佳的用户交互性、计算可扩展性和跨领域的适用性。除此之外，还精心设计了视觉隐喻、交互模型和基于协调的多视图界面，从而使用户能够充分运用 HOCG 的可视化分析功能。最后，本文针对三个应用领域进行案例研究，并收集不同应用场景的专家反馈，结果表明 HOCG 在点异常概述、集体异常检测以及根本原因分析的推理过程中具有有效性。
[2]根据时间序列间的关系进行查询是多时间序列分析中的一个关键环节。通过检索和理解这些关系，分析师能够更有效地在复杂的时间序列数据集中检测异常并验证假设。然而，当前基于知识和数据驱动的的关系提取方法，既繁琐又难以支持异构关系。为了改进这一状况，本文与11位领域专家进行了形成性研究，总结出了六种类型的时间序列关系：相关性、因果性、相似性、滞后性、算术关系以及元关系，并研究出在涉及这些关系查询时间序列时遇到的三个主要痛点。基于上述研究成果，本文还开发了RelaQ，这是一个旨在通过关系规范来支持时间序列查询的交互式系统。RelaQ 允许用户在查询多个时间序列时直观地指定异构关系，基于可扩展的多级可视化理解查询结果，并探索现有查询之外的可能关系。RelaQ 通过两个案例和一项有 12 名参与者的用户研究进行了评估，结果显示该系统具有良好的有效性和可用性。
