北京大学可视化发展前沿研究生暑期学校Day2

第二天暑期班上午接着昨天Jaegul老师讲的实时交互2D嵌入的可视分析，下午是王老师的Graphs in SciVIS

总结人：tc

时间: 2017-7-10

1、交互式二维嵌入可视分析(Visual Analytics Via Real-time Interactive 2D Embedding)续

      上午讲了一些局部保持的降维技术在2D空间进行可视分析，介绍了局部多维标度分析法（LMDS）对比昨天的MDS，通过添加一个分母，使得局部距离得到更好的保存

      之后又讲了t分布随机近邻嵌入(t-SNE)，也比较得到其相对于PCA的优势与不足，还有其中用到的KL divergence使得聚类内部距离减小，类间距离变大的方式:通过构造损失函数

其中, P,Q分别为压缩前后的距离阵，pij表示i和j是同一类的概率。通过上一个公式就可以达到一个放缩。

       之后主要就是讲t-SNE运用在一下可视化的案例。一个比较有意思的是通过可视化找到手写数字误判的原因，其中找到了5的两种写法而被分在两个不同区域，还有6,7为什么会存在误判。

      之后又介绍了一些和Deep learning结合的工作，如 CNNVIS还有公司做的TensorBoard,Facebook Visdom和Navida DIGIAL

2、科学可视化中的网络图（Graphs in Scientific Visualization）

      首先介绍了来自大数据的挑战，数据越来越大GB-TB-PB-EB，数据越来越复杂有体数据，几何数据，粒子数据，维度也越来越多从标量到向量再到张量。同时还存在时变，多维，多模特征。而这些给输入输出，交互，可视化质量，视觉导航等带来了困难。所以需要进一步的可视分析。需要结合Graph进行科学可视化，概略的提了几篇综述。其中有讲到Dynamic Graph之后可以具体看一下。

      由于数据太大，需要考虑将数据分割来看局部细节，或是聚焦到一个小的时间点，总结了四种分割方式： Partition-wise、Relationship-wise、Struction-wise以及Provenance-wise，具体细节通过论文案例讲解。

      TransGraph主要讲时序图，可视化图的变换，这里面主要就要用到，图的简化、社区探索以及节点/社区推荐，帮助用户更好理解large Graph。主要通过老师自己的一篇论文中的设计简单介绍了这些方法使用以后的效果，具体方法，没有听明白，之后可以找一下王老师的论文

总结，第二天的暑期学校，听一天英语课，还好能看懂ppt！