7月22日上午，ChinaVis2019正式开幕，在主持人对可视分析挑战赛、艺术项目、海报项目等会议议程进行了简短的介绍后，众多可视化领域的专家给我们带来了精彩的分享。

特邀报告

来自德国斯图加特大学的Thomas Ertl教授带来了题为“Visualization and Analysis of Large Scientific Data - New Approaches for Volumes, Flows, and Particles”的精彩报告。Thomas Ertl教授是可视化及可视分析领域的知名学者，涉足于可视化、图形学及人机交互多个领域，研究主题包括模拟仿真、高性能可视化、文本分析、可视查询等多个方面。Thomas教授从科学可视化中体绘制、流场绘制与粒子模拟三个方面展开分享，结合团队的可视化作品，提出了一系列新型的方法与技术，给大家带来了科学可视化的视觉盛宴，相信将吸引更多的研究人员从事到科学可视化中。

可视化人才的成长与培养

会议邀请了来自浙江大学的陈为教授、来自四川轻化工大学的吴亚东教授、来自四川大学的朱敏教授与来自中南大学的赵颖教授开办圆桌论坛，共同探讨可视化的人才培养与课程建设。
陈为教授带来了“大数据可视化教学创新研究”报告。陈为教授从研究团队的建设出发，分享了开设可视化暑期学校、出版可视化教材、结题国家重点项目等一系列经历。

吴亚东教授给大家带来了“数据可视化人才培养模式构建与实践”报告。吴亚东教授从地方高校的教学特色出发，提出了“产学研赛”四者结合的教学模式，提倡从本科生参与比赛，到研究生参与项目，给大家带来了一套新颖的可视化教学模式，但同时也提出了可视化课程考核的一系列疑惑。

22日下午，会场黄浦厅进行了四场论文报告，分别为：时间序列可视化、事件序列与多维度数据可视化、文本可视化和时空数据可视化。
时间序列可视化
该专题由同济大学石洋主持，包括雷达信号的交互性分选方法、火电控制时序数据分析、离群值的周期性监测分析以及时序排序分析。
雷达信号交互式分选方法中，作者提出了一个新的雷达信号自动化分选方法，该方法结合核密度估计、密度聚类和排列熵技术对雷达信号监控数据进行分区式聚类和量化结果评价，并且设计并实现了一个包含多可视分析原型系统，支持多方面直观地展示和分析雷达信号分布情况和自动化分选结果，而且提供了相应交互手段。

事件序列与多维度数据可视化
该专题由香港中文大学（深圳）成生辉主持，包括事件序列总结和稀有事件检测、鼠标悬停效果对浏览交互信息可视化时点击率的影响分析、森林病虫害影响因子可视分析以及对于多变量全排列数据的可视分析。
事件序列总结和稀有事件检测，主要由三个部分组成：（1）序列嵌入模块，用于学习序列的有效特征向量；（2）序列分组和汇总模块，用于在数据集中查找具有代表性的簇和模式；（3）稀有的检测模块，用于发现和解释稀有事件。

文本可视化
该专题由深圳大学陆旻主持，包括对于宋词进行文本关联与时空分析、基于LDA模型的可视分析、多个社会群体意见流的可视分析以及从科研机构与专家发现角度进行文献分析。
宋词进行文本关联与时空分析中，提出了一套基于文本关联与时空可视分析的方法。支持文学研究者从词人的生平轨迹和不同生活年代的背景进行分析与对比，探索不同年代、不同经历的词作在文本主题上的相关性与独特性。并且，通过对宋词文本的音律情感可视化与文本意象的关联分析，让文学研究者拥有多维度的视角去了解宋词文本的特性，并且支持词作与词人的年谱和时代背景进行交叉验证。

时空数据可视化1
该专题由香港科技大学曾海鹏主持，包括作战行动的时空演化可视分析、多元移动数据和POI数据融合分析、小尺寸屏幕中地理可视化映射分析以及基于共享单车数据的交通小区划分。
基于共享单车数据的交通小区划分中，提出了一种将隐藏在数据中的模式和用户定义的规则结合起来的新方法。充分利用了不同地区的交通热点、出行方式以及路网等现实制约因素。

与此同时，会场龙鼎2厅开展了“时空索引及可视化”系列报告，该分论坛由来自中国科学院深圳先进技术研究院的曾伟教授主持，论坛紧接昨日的“城市时空数据可视化”课程，为大家带了更为细致的讲解。
城市空间时间序列可视分析
来自天津大学的李杰教授给大家带来了semantics-space-time cube的论文讲解。作者先对社交媒体数据进行LDA主题建模，再结合时间与位置两个维度，形成了语义-空间-时间数据立方体。通过对任意两个维度进行投影，能够交互式地对属性的变化趋势进行分析。

城市数据的时空语义信息挖掘和可视分析
来自浙江工业大学的孙国道教授从城市数据可视化的一系列挑战出发，给大家分享了其研究团队在城市数据领域的一系列成果，包括基于原子交互的交通卡口数据可视分析、多变量全排列数据的可视化分析研究与应用、用户社交活动与出租车轨迹模式关联分析等项目。其中，孙教授强调，在数据驱动的可视分析项目中，与领域专家进行细致的需求分析是重中之重。

SmartCube：支持时空数据实时可视化的自适应数据管理架构
来自北京大学的刘灿博士给大家带来了SmartCude的讲解。在不同时期，各维度中的数据有着不同的重要性，动态选择用户最为关注的数据，可以大大减小内存开销。作者采用树形结构对数据方块进行存储，不同数据方块以共享节点的方式存储在统一的结构中，之后作者也为大家讲解了节点创建/删除的操作方式。

大规模时间稀疏轨迹数据的建模、推断与可视化
来自北京航空航天大学的时磊教授给大家带来了大规模时间稀疏数据的分析方法。在用户出行数据中，由于数据分布的不均匀性导致的稀疏往往会给数据分析带来困难，时磊教授关注用户是否移动的判断问题，采用数据分段、窗口滑动等操作，结合神经网络等分类方法，解决了不同时间与空间粒度下的稀疏轨迹数据分析问题。