Please wait a minute...

当期目录

2019年, 第3期 刊出日期:2019-11-30 上一期    下一期
本期栏目: 论文 
论文
海洋数据可视化分析综述   收藏
Cui Xie, Mingkui Li, Haoying wang, Junyu Dong
Vis Inf. 2019 (3): 113-128.   DOI: 10.1016/j.visinf.2019.08.001
摘要( 1363 )  
海洋大数据分析的主要挑战是数据的复杂性和海洋动态过程的内在复杂性。交互式可视分析可作为一种有效补充方法用来发现数据中蕴含的各种现象或模式,并对研究人员日常工作涉及的多个变量进行关联探索和比较。 本文阐述了由众多测量设备或计算机模拟生成的海洋数据的基本概念,综述了海洋数据的特点和相关的数据处理技术,介绍了海洋数据分析的主要任务。基于海洋领域的主要分析任务,本文重点围绕以下四个方面: 多种海洋环境要素的可视化和多变量分析、海洋现象识别和跟踪、模式或相关性检测、集合和不确定性探索介绍了相关的交互式可视化技术和工具。最后,讨论了未来的研究方向。
时空模拟数据可视化的多空间分析技术综述   收藏
Xueyi Chen, Liming Shen, Ziqi Sha, Richen Liu, Siming Chen, Genlin Ji, ChaoTan
Vis Inf. 2019 (3): 129-139.   DOI: 10.1016/j.visinf.2019.08.002
摘要( 551 )  
数值模拟在不同科学领域的广泛应用创造了各种研究机会。它们通常输出大量的时空模拟数据,按其特征可分为单程、多程、多变量、多模态和多维数据。从数据探索和分析的视角看,我们注意到许多聚焦于时空模拟数据的工作往往采用相似的探索技术,例如针对模拟空间、参数空间、特征空间以及它们的组合而设计的探索方案。 然而,目前尚无对这些工作基本共性的系统性综述。在本综述中,我们基于新颖的多空间视角将代表当前水平的工作分为三大类。分类依据的是其采用的相类似的技术:模拟空间中的可视化设计(可视化映射、基于盒形图的可视化概览等)、参数空间分析(可视导航、参数空间投影等)和特征空间中的数据处理(特征定义和提取、模拟数据的采样、简化和聚类等)
利用主题子轨迹对出租车轨迹进行可视分析   收藏
Huan Liu, Sichen Jin, Yuyu Yan, Yubo Tao, Hai Lin
Vis Inf. 2019 (3): 140-149.   DOI: 10.1016/j.visinf.2019.10.002
摘要( 453 )  
基于GPS定位的出租车轨迹数据挖掘对交通运输和城市规划具有重要意义。主题模型可以有效地从出租车轨迹中提取语义信息,用于分析城市道路的交通情况。常用的LDA模型忽略了轨迹的方向,不能准确地挖掘出租车的运动模式,从而影响交通情况的分析粒度。因此,有必要在主题建模时考虑轨迹的方向信息。

出租车轨迹由若干个GPS位置组成,本文首先将GPS位置与道路名相匹配来对轨迹数据进行文本化,然后利用bigram主题模型提取轨迹主题。由于bigram模型根据前n-1个单词预测当前单词,因此将其结合主题模型用于轨迹主题的提取可以包含方向信息。

面向言语情感识别的多模态关联网络   收藏
Minjie Ren, Weizhi Nie, Anan Liu, Yuting Su
Vis Inf. 2019 (3): 150-155.   DOI: 10.1016/j.visinf.2019.10.003
摘要( 503 )  
人机交互研究中变得越来越重要。近年来,由于硬件和深度学习方法的发展,自动情感识别的性能不断提高。然而,由于情感的抽象概念和多种表达方式,自动情感识别仍然是一项具有挑战性的任务。 为此,本文提出了一种新颖的多模态关联网络,进行用于言语情感识别,旨在利用音频和视频两个通道的信息来实现更多鲁棒和准确的检测。在所提出方法中,首先在频域中对音频信号进行处理,获得Mel声谱图。然后将Mel声谱图视为图像输入卷积神经网络中,获取音频特征。对于视觉信号,则从视觉片段中提取一些有代表性的帧,输入卷积神经网络中,获得其视觉特征。另外,我们采用三联组损失来扩大不同类特征间的差异。同时,提出了一种新的关联损失来缩小同类特征内的差异。最后,采用特征融合方法融合音频特征和视觉特征,进行情感识别分类。 在AEFW数据集上的实验结果表明,多模态关联信息对于自动情感识别至关重要,而且在执行分类任务上可达到目前最优的性能。