移动轨迹数据的可视化

GPS,RFID和无线通信设备的爆炸状发展,让人们有可能搜集到大量的车辆、人群等的移动轨迹数据(简称轨迹数据),这些数据在交通管理、流动性分析、路线推荐等很多领域有着重要的应用.轨迹数据同时包含空间和时间属性,数据量大且维度高,分析起来难度很大.可视化技术可以直观地呈现多维时空轨迹数据,并提供丰富的互动,以揭示数据中包含的时空规律.文中总结了轨迹数据的可视化技术的研究现状,介绍了多个应用案例.

基于可视化的固态电解质材料机器学习筛选与预测

【目的】随着“碳达峰”和“碳中和”目标的提出,能源消费领域电气化进程将进一步加快,其中在储能技术领域,锂电池是当前最具发展潜力的技术之一,已被广泛地应用在国民生活的方方面面。传统的锂电池所采用的液态电解质存在漏液、易燃和爆炸等多方面的潜在安全隐患,能量密度和安全性更高的固态电解质被认为是代替液态电解质的理想解决方案。当前,寻找具有高离子电导率等特性的固态电解质材料仍然是当前的研究热点。【应用背景】传统的材料研究采用“试错”模式,基于已知经验与材料物理化学特性进行假设,然后进行实验验证,通过对上述过程的反复迭代,最终找到目标材料。上述过程耗时费力,限制了相关材料的研发进程。近年来,机器学习等方法被广泛引入并用于新材料的研究中,但却缺少辅助工具帮助材料领域专家分析和理解机器学习模型,并实现对满足特定性能需求的材料预测。【方法】在这种背景下,我们基于可视化相关技术,建立了材料数据可视分析系统,期望促进材料科学家更高效地寻找高性能固体电解质材料。【结果】我们基于可视化技术对多种机器学习算法的结果进行重构和展示,并通过不同视图对材料之间的关系进行可视化对比和分析,结合我们实验分析得到的一些案例,最终给出了预测。【结论】最终,经过材料实验反馈,证实了部分预测材料的优良性能,验证了该系统的有效性。

散点图信息混淆的可视分析模型

信息混淆是指在有限的显示空间中,由于信息量密度不当,导致对信息的理解产生障碍.散点图作为最常见的数据展示手段,深受信息混淆困扰,需要进行信息混淆消除.从可视分析角度入手,提出一个对散点图信息混淆量化评估的混淆熵模型,并基于个体显著值模型和四分树结构提出了一个从内容和空间2个维度对散点图信息混淆进行消除的算法,对高低显著值数据分别处理和指定显示大小与布局位置,从展示和布局层面对散点图信息混淆进行消除.