基于迁移学习的交互时序数据可视化生成方法

为了解决时序数据间分布不一致的问题,使模式分析更容易应用于其他数据,提出基于迁移学习的交互式时序数据可视化生成方法,将迁移成分分析应用于时序数据提取的特征.将用户在其中一个时序数据上的分析作为标签,在该源域上训练分类器并应用到多个目标域,对多个不同目标域的时序数据的模式进行批量推荐.通过真实的天气数据和轴承信号数据的2个案例分析和专家访谈,验证了利用该方法能够提高时序数据探索的效率,减少数据分布不一致问题带来的影响,体现该方法的有效性和实用性.

基于混合现实的可视分析综述

混合现实具有新颖的人机交互方式,拓展了可视化与交互界面的设计空间,拥有广阔的应用前景.近几年,混合现实技术快速发展,许多研究者将其用于可视分析领域.首先,介绍了混合现实的概念与发展现状,并从显示与交互2个方面讨论混合现实环境与传统交互环境的差异,分析混合现实可视化的优势与局限性;其次,简介基于混合现实的可视分析的3个应用场景,即增强可视化、实景分析和协作分析;最后,给出基于混合现实的可视分析面临的机遇与挑战.