做网站要求的资料医院网站管理办法

当前位置： 首页 > news >正文

做网站要求的资料,医院网站管理办法,周末游做的好的网站,买个域名自己做网站WordsContents Home | Interactive Visual Data Analysis Book Outline 这本书对视觉、互动和分析方法进行了系统而全面的概述#xff0c;作为数据可视化方面比较好的读物#xff1b;
目录 WordsContents Book Outline #xff08;一#xff09;Introduct…WordsContents Home | Interactive Visual Data Analysis Book Outline 这本书对视觉、互动和分析方法进行了系统而全面的概述作为数据可视化方面比较好的读物  目录 WordsContents Book Outline 一Introduction 1.Basic Considerations 1.1 Visualization Interaction , and Computation 1.2 Five Ws of Interactive Visual Data Analysis 2.introductory Examples 2.1 Start Simple 2.2 Enhancing the Data Analysis 2.3 Consider Advanced Techniques 3.Book Outlines 一Introduction 信息时代数据已经变成了一个非常有价值的商品我们如何 make sense of data ? 如何利用分析数据从而得出一些有价值的信息 1.Basic Considerations 对可视化的一些基本的术语给予一些认识 1.1 Visualization Interaction , and Computation 这个定义我认为对整个可视化的概括的更加全面不仅仅是一次性的绘制图而是随着insigt的揭露进行交互来不断探究 1.2 Five Ws of Interactive Visual Data Analysis 为了开发出有效的数据分析工具必须考虑到该工具的使用环境。因而我们遵循five W的变体来进行探究Ws: What, why, who, where, and when.
1What data are to be analyzed? 有许多中类型的数据针对不同类型的数据有个体特征例如数据规模、维度和异质性 2Why are the data analyzed? 帮助人们实现目标而对于目标即包含多种分析任务例如识别数据值或者根据数据设定相关的模式 3Who will analyze the data? 这个暂时个人理解是决策者才是需要分析数据的 4Where will the data be analyzed? 普通的工作场所当然是具有显示器、鼠标和键盘的经典桌面设置。然而也有大型的显示墙和交互式表面为交互式可视化数据分析提供了新的机会。 5When will the data be analyzed? 绝大数是根据自身的需求所决定 这5个Ws表明了数据分析的工具往往会受到多个因素的影响对于What和Why这两个因素的影响往往是至关重要的这往往决定了我们的工作必须是针对某一个任务即是定制的不通用的。同时Who即主观的因素感知能力、认知、背景知识和专业等也会影响视觉驱动和交互控制的工具。Where和When这两个因素影响不太大但是当我们考虑到数据分析要在多个异构显示上运行、支持协作会话或遵循针对特定领域的工作流时这两个因素可以起到很重要的作用并且能够使得工作具有更大的亮点使得更加的专业。 2.introductory Examples 从一些基础的可视化表示到一些高级的分析场景不仅给出了交互式可视化的强大能力并且也分析了设计的决策和挑战。 可以改善的一些角度increase the degree of sophistication of the examples by enhancing the visual mapping, integrating interaction mecha nisms and automatic computations, combining multiple views, incorporating user guidance, and considering multi-display environments. 2.1 Start Simple 一个简单的例子主要是针对于雨果《悲惨世界》中的人物关系图这种一般graph可以采用Node-Link diagram只有图表的结构很难把其中的关系显示出来。图中每一个人物被可视化为一个节点人物之间的关系表示为边这样能够比较明显的表示该数据集中的关系。 针对每一个人物根据数据集中表示的属性其中每个节点根据id来进行识别对于边来说有权重、边的起点和终点。因此在图中边的连接往往决定了节点人物的重要性因而用颜色来进行编码节点的度当节点的度数越高此时也用节点的大小来突出重要的人物针对边的权重这个性质我们使用边的宽度来表示当边的权重越高说明这个关系较为重要则边越宽 notes: 这里的布局主要采用的是强制定向布局算法Force-directed Layout Algorithm也称为是力导向布局算法是一种常用于图形和网络可视化的布局算法怕它模拟了物理系统中的力和运动原理通过相互作用的力来确定节点的位置。 2.2 Enhancing the Data Analysis 上述的算法对于较为简单的数据集是非常好的但是数据集相对复杂的时候就难以展示了例如 climate networks节点数量以及边的连线会导致视觉混杂的问题 A standard approach in such situations is to focus on relevant subsets of the data. Subsets can be created dynamically using interactive fifiltering mechanisms that enable users to specify the parts of the data they are interested in. For the climate network we may be interested in those nodes that are crucial for the transfer or flflow in the network. Such nodes are characterized by a high centrality , a graph-theoretic measure. An automatic algorithm can be used to calculate the centrality for each node of the network. Then it is up to the user to determine interactively a suitable threshold for fifiltering out low-centrality nodes and their incident edges. 我们可以看到通过动态过滤能够将 climate networks 显示地更加清楚和明白 目前 动态过滤danamic fiter的方法已经能够解决 dataset size 带来的视觉混乱的问题但是对于空间和时间所带来的问题也需要解决; 例如Climate networks这个网络一般是在同一个空间中给出的但是也会受到时间改变的影响。这个问题使用多个视图的显示解决如下图 2.3 Consider Advanced Techniques 综上两个小节使用了动态过滤和多个视图来对整个数据集有一个较为全面的overview但是使用交互式可视化分析数据也会有一些局限。可视化必须适应可用的显示空间。交互不应该让用户做太多的事情。分析计算必须及时地产生结果。 当我们考虑到这两个限制的时候想出了两个方法 1指导用户进行数据分析 Some Questions are valued to be answered. What can I do to get closer to my goal, which action sequence do I have to take, how are the individual interactions carried out? An advanced visual analysis system is capable of providing guidance to assist the user in answering such questions. 当不确定如何进行分析的时候应该给出一定平衡的推荐指导用户接着进行数据分析 2扩大屏幕空间可视化。 可以考虑使用多个显示屏或者多个用户共同协作的方式来解决 3.Book Outlines(见第一部分) 参考 https://www.crcpress.com/AK-Peters-Visualiza!on-Series/book-series/CRCVIS