IGAL九期班学习笔记-袁晓茹

本篇博客用于记录观看袁晓茹老师在IGAL九期班中课程的学习笔记，其题目为《从易用到自动，大数据可视化的下一个十年》。袁老师从历史中的可视化的经典图案出发，通过不同的古代可视化有关的经典图像结合目前可视化的上的研究与不足来讲解，为我们讲解了可视化的作用与可继续做研究的发展空间。
《从易用到可视化的下一个十年》——袁晓茹
计算机学科中的三匹马：Artifical Intelligence、Big Data、Computing Power
1、可视化的早期形态
    可视化/可视分析:
        可视化对事物建立心理模型或者心理图像
    可视化的早期形态 古代地图 公元前天水放马图
        引申到现在：很多可视化的东西未必是地图的形式但可以借助地图这个例子来隐喻
        
        实验室的研究：Dmap-把信息的扩散把它看做一个地图，比如我在这我发了一条信息，然后周围或则
        说朋友圈的人转发了我的消息，然后他的朋友又进行了转发，这个就像是传染病的扩散，也很像地图上河流的
        流淌等。那我们对于这样一个信息的扩散也可以建立一个地图。
        再比如事件,刚开始在讨论事件本身，在然后讨论事件对国家的影响，再往后讨论将来可发生的0事件，像这样
        虚拟的事件也可以展现成地图样式的延伸。
        
        伦敦霍乱地图——>水井跟人类的关系——>人们从刚开始的单一只用地图来记录地理信息到用地图来记录展现更多更复杂的
        的信息——>今天很多的研究都做了地理信息，但都不太完善很大的发展空间。
2、可视化系统
    基于计算机的可视化系统通过提供对数据的视觉表达形式来帮助人们更有效地完成特定任务
    可视化中人的因素：
        *当可信的全自动解决方案存在时，不需要可视化
        *现实：许多分析问题不明确
            不知道提前要问什么问题
        *可能性
            *对于数据的交互清洗、理解
            *给终端用户长期使用
            *展示已知的结果
            *在开发模型之前更好地理解需要的垫脚石
            *帮助开发人员完成对自动解决方案的细化/调试，确定参数
            *帮助终端用户自动解决方案的验证，建立信任
    为什么使用外部表达？
        ........
        可以通过声音来考虑怎样加强可视化的东西
    可视化构造的设计空间
        在构造设计的空间巨大
        不同的颜色可以产生不同的组合
3、可视化发展之“史”前时代
    在十九世纪计算机还没问世时就有相当多的可视化图形问世建立
    上世纪初建立出了统计图表
    美国的全国人口调查，需要用大量的图表，进而推动图表的发展
    ============手动作图====================================
    1980-2000年：可视化的发展创始时代
    2006-Now：可视化发展之 分析|大众时代
    D3、vgea、人工智能等大大的提高了数据可视化的推广
    美欧奥可视分析合作国际
    美国陆军-《2016-2045年新兴科技趋势报告》
        we need better visualization techniques that allow human decision-makers to understand patterns
        in complex,multi-dimensional data sets.
可视化被例如2018年美国商务部工业安全部署技术出口管制
网页中搜索出的可视化界面千篇一律
从VAST Challenge 2017中对可视化认识可视化：
    以红冠蓝雀为背景来用可视化的方法来研究其红冠蓝雀减少的原因。
    进出保护区的人员各种记录数据量巨大，通过可视化的方法来发现可疑进出人员以及类似可能的“犯罪嫌疑人”
    做的工作：
        可视化视图包括：
            左侧列表为频繁序列列表用于表示出入最为频繁的人和车
            然后是车辆列表、标签视图
            中间是投影视图：用聚类算法将经常去的地点的车辆进行聚类
            左下角是时间视图
            左半部分是空间视图和车辆列表，空间视图用来展示在车辆列表中选中的车辆然后在空间视图
                中展示车辆进入保护区的路线。
            *基础信息的展示：
                *空间信息
                    *路网与监测站
                    *车辆轨迹
                *时间信息
                    *时间分布与周期规律
                *序列信息
                    *轨迹的监测站序列
        *遇到的难题：
            基础视图：难当大任
                *数据量大，不可能逐一查阅
                *难以找到分析的切入口
        *频繁序列挖掘
            *频繁子序列：常见的交通路线
            *经过同一路线的车辆
            *基于相似性的排序
        其中的一些处理经过
            数据转换
                1、将检测站看做维度
                2、统计每辆车通过监测站的次数
                3、形成40*18708的高维数据
            降维投影
                采用t-SNE加强聚类效果
                展现车辆行为的相似性
            得到的结果：
                十个明显的主要聚类
                若干个小型聚类
        发现问题：
            通过交通路线图发现一些问题：有一些车辆绕行->为何要绕行？
            通过发现这一问题找出了护林员车辆和违禁车辆
            然后在t-sne聚类上标识颜色表示
            通过时间和影响的联系发现排出废品的车辆
    用该案列来介绍可视化解决问题的一个过程
陨石撞击深海的影响与研究IEEE VIS 2018
    多变量
对做可视化的问题：
    How to make visualization easy to use ?
    怎样让可视化易于使用？如制作周期长要容易去产生、受很多训练才能解决问题
    解决好容易去产生和易用就能解决这个问题
    提高它的应用性
        剥离、着色、擦除
容易去实现和研发：
    介绍工具：D3、Jigsaw高维数据可是分析、可视化的快速构建工具IVIsDesigner、
        Interaction+:
可视化发展之智能时代（2018-）
    可视化的智能分析

参考文献：IGAL九期班《从易用到自动，大数据可视化的下一个十年》袁晓茹ppt及视频