电视收视率作为电视节目受欢迎程度的重要指标，一直是电视台关注的重点。尤其是近年来各种网络媒体的兴起，导致电视台之间的竞争越来越激烈。各大电视台想要提升竞争力，需要对收视率进行有效的分析。对收视率的有效分析可以帮助发现影响节目收视率变化的原因，从而指导电视台工作者进行更好的节目制作和节目编排。可视分析方法利用多视图展示数据的不同角度，使用交互功能帮助用户探索数据。通过多视图之间的联动，用户可以方便地观察分析电视台，电视节目，观众行为之间的关联关系。交互式探索可以将人的知识增加到分析过程当中，有助于发现影响收视率的关键因素，了解不同电视节目收视率之间的潜在联系。 （1）相关性分析模型 我们利用相关性计算帮助用户发现可能存在竞争关系的电视节目。节目间的竞争关系如下：如果两个播放时间有重叠的电视节目的收视人数随时间变化序列呈现负相关，那么我们认为这两个电视节目存在竞争关系。我们选择了Spearman相关系数计算收视率序列的相关性，因为它更专注于数据的趋势。 （2）聚类模型 通过对观众观看电视序列数据的分析，我们总结了四个特征以描述观众行为：对电视台的偏爱、对电视节目类型的偏爱、对观看时间段的偏爱、平均观看时间。观众的分组通过对每个特征分别进行聚类分析实现。

近年来，基于大尺度高分辨率显示装置（LHDs）的可视化技术和应用由于其在视觉效果和使用效率上的的优点而受到广泛关注。然而，现有的LHD可视化研究既缺乏针对设计需求的深入引导，也缺少为特定应用开发的工具。 本文推出了DataV，一个以软件形式进行服务(SaaS)的可视化部署工具，可以在LHD上实现交互可视化的快速构建和跨平台发布，本文介绍DataV的应用背景、设计和实现。我们的框架可以为多源异构数据的高性能可视化呈现提供丰富的组件，并提供了一个完整的工具链来帮助用户高效地进行画面布局和交互。

本文通过实例并与Tableau、Power BI、VisComposer和iVisDesigner进行比较，展示了DataV的易用性和令人印象深刻的视觉效果。我们还给出了它的3D地图渲染性能，并与deck.gl进行了比较。

自动信息图生成器采用机器学习算法、用户定义的规则和视觉修饰生成信息图。它属于信息可视化领域的一个新兴课题，在控制面板设计、数据分析和可视化推荐等众多领域有应用需求。 由于近年来可视化分析越来越受欢迎，自动信息图也日益受到人们的关注。因此有必要做一个全面的综述，评估这一领域的重大进展。 自动工具可为分析师搜索和选择来自动生成可视化结果，而无需分析师手工指定，从而降低了数据可视分析的门槛。本文将按照应用类别对可视推荐的自动化工具和论文进行评述和分类，这些应用包括网络图可视化，注解可视化和故事情节可视化。特别地，本文还列出了在自动信息图和可视化推荐领域中未来工作的若干挑战和有前景的研究方向。

我们进行了一项眼动跟踪研究，以调查不同任务下对配有文本修饰的叙事式可视化结果的观察方式。研究的输入是带有注释、题注、标签和描述文字的数据可视化结果，。 我们考虑在查看这些类型的可视化图时三种常见的查看任务： (1)简单观察，(2)积极搜索以回答某个问题，(3)对图上信息进行记忆以备后用。总体目标是在感知层面上理解不同的任务是否影响以及如何影响可视化结果的观察方式。通过分析收集的凝视数据和对扫描路径进行高级的语义分析，可以发现凝视行为存在不同的模式: 简单的观察和信息记忆对应相似的观察策略，而积极搜索的方式则迥然不同，它们都与用户所关注的可视化结果的领域以及与修饰文字互动的频率相关。我们讨论了在不同应用场合中观察配有文字修饰的可视化结果的研究结果。

2020年年初，新型冠状病毒肺炎疫情爆发。2月初，中国计算机学会CAD&CG专委会、阿里云天池、机器之心、阿里云DataV、Datawhale联合发起的以“万众‘疫’心 天池众智”为主题的疫情数据可视化公益行动，面向全社会开放，希望广大开发者围绕疫情态势展示、疫情大众科普、疫情走势预测、疫情物资情况、各地各业人员返工返程情况等需求场景，挖掘复杂异构多源数据之间的关联关系，开发并创作的各种正能量的作品，以形象生动的方式呈现给公众。 参与作品采用数据可视化的形式，分为科普宣传类和应用场景类。科普宣传类是面向公众的疫情态势展示、疫情大众科普、疫情防控宣传等方向作品；应用场景类是面向一线指战员，为抗疫人员提供有效的数据工具，支持快速直观的疫情分析，为疫情的防治提供可靠、可理解、易沟通的信息，助力政府、企业、机构的抗疫、防控和宣传。

本文介绍了美国圣母大学可视化实验室的基本情况，研究方向，设备设施，国际合作。

特征分析在计算机视觉和计算机图形学中起着重要的作用。在形状检索的任务中，形状描述符必不可少。近年来，基于深度学习的特征提取非常流行，但是由于各种形状所包含的内在信息及其可解释性，对它们的几何形状描述符的设计仍然很有意义。 本文提出了一种有效且鲁棒的三维模型描述符，基于表面拉普拉斯-贝尔特拉米算子的归一化特征函数的概率分布和用于降维的频谱方法来构造描述符，利用联合贝叶斯模型来估计描述符空间中的距离，在训练阶段引入矩阵正则化过程来重新估计协方差矩阵。最后，将3D形状检索描述符应用公共基准库。实验表明，该方法鲁棒，具有良好的检索性能。