Blog – HKUST CIVAL

Data-Centric Explainable Machine Learning

2022年11月1日星期二上午，HKUST-CIVAL课题组邀请到清华大学软件学院刘世霞教授为香港科技大学（广州）数据科学与分析学域做特邀报告。本次研讨会中，刘世霞教授带来了题为《Data-Centric Explainable Machine Learning》的精彩报告。低质量的数据会降低模型的性能，在高风险的应用中将带来严峻的问题。具体来说，数据的低质量体现在三个方面：Poor Label, Poor Coverage 以及 Poor Amount。刘世霞教授从这三个方面来介绍THU-VIS近年的工作。

StreamMap：高密度流点的平滑动态可视化

随着来自社交媒体网络、空气质量监测、GPS跟踪和实时在线零售等领域的时变数据量不断增加，流数据可视化的研究变得尤为重要。本文对这个问题进行了深入研究，主要贡献有：( 1 )提出了一种新的可视化和探索点数据流的框架。( 2 )提出了一种自适应核密度估计方法来聚合一个周期内的高密度点作为一个高精度的密度图；( 3 )提出了一种平滑变形密度图的新算法；( 4 )提供了一种可视化方法来展示流数据的变化趋势。

PSEUDo：基于位置敏感哈希和相关反馈的多变量时间序列模式搜索

2022年10月9日星期日下午，郝佳凝在组会中报告了论文《PSEUDo: Interactive Pattern Search in Multivariate Time Series with Locality-Sensitive Hashing and Relevance Feedback》，这篇论文提出了一个可视化的多变量时间序列模式检索工具PSEUDo，他的目的是检测高维时间序列中的模式，通过特征选择利用相关性反馈改进结果，并提供给用户一个利于理解和探索的检索过程。

可视化数据叙事的自动设计

2022年5月6日星期五下午，HKUST-CIVAL课题组邀请了微软亚洲研究院主管研究员王韵做特邀报告，题为《可视化数据叙事的自动设计》。首先，讲者介绍了数据分析的流程与目标，以及使用现有工具的局限性。其后，王韵博士绕着数据探索和数据叙事展开介绍了四个工作：1. 如何从表格数据中创建情况简报（fact sheet）；2. 将包含数据描述的文本转化成视觉表达；3. 从设计师的作品中提取模板，进行重用；4. 对设计师的作品进一步增强设计，为静态图表添加动画效果。

VIS+Deep Learning

2022年4月22日星期五下午，HKUST-CIVAL课题组邀请了中南大学计算机学院夏佳志教授做特邀报告，题为《VIS + Deep Learning》。讲者介绍了可视化与深度学习的关系，并从自己的研究出发讲述了深度学习与可视化两者的优势是如何帮助对方解决存在的挑战的。对于VIS for DL, 讲者介绍了三个方面工作：1. 可视化帮助深度学习改善数据质量；2. 可视化解释深度学习模型的黑箱问题；3. 可视化解决深度学习中的数据隐私保护问题。对于DL for VIS, 讲者分享了：1. 如何利用DL对可视化方法重用；2. 如何利用DL解决复杂数据可视化; 3. 如何利用DL对人的认知建模。

结合增强现实技术的科学数据探索

2022年4月15日星期五上午，HKUST-CIVAL课题组邀请了加拿大维多利亚大学王曦耀博士做特邀报告，题为《结合增强现实技术的科学数据探索》。首先，讲者介绍了科学数据可视化的背景以及使用2D可视化的方法探索科学数据的局限性。其后，王曦耀博士介绍了他所在的研究团队和高能物理领域的合作工作。接下来，王曦耀博士介绍了他们对于现实环境和虚拟环境结合的探索。最后，王曦耀博士简单介绍了他现在的研究工作——如何将现实场景的渲染和可视化相结合。

不确定性可视化中的人类认知

2022年4月8日星期五下午，HKUST-CIVAL课题组邀请了西北工业大学计算机学院副教授刘乐做特邀报告，题为《理解不确定性可视化中的人类认知》。刘乐教授首先介绍了可视化的发展历史，接着，刘乐教授开始讲解此次报告的重点内容—不确定性，首先不确定性可以理解为对信息理解的缺失。下一步，刘乐教授介绍了理解和捕捉不确定性的具体方法—Ensemble approach (集合方法)。刘乐教授还介绍了自己在不确定性可视化研究中取得的一些有趣的发现。