本研究提出HDMI画布,解决可视分析中人、数据与模型互动不足的问题,展示其在促进可视分析过程和设计新流程中的潜力,并通过案例研究验证其有效性。
本研究提出了时间序列分类方法的分析方法,通过对 Covid-19 数据分析应用进行用户研究,发现用户行为在可视分析过程中可以区分,并且用户的物理行为与其执行的可视化任务存在潜在的强关联。同时,通过解释可视分析的开放会话来展示模型的用法,为研究感知过程提供了一种自动化的方式,避免了繁琐的手动标注。
第四届CSIG图像图形技术挑战赛-飞桨赛道以基于AI的量化选股投资策略建模与可视分析为主题,面向海内外在校大学生开放。比赛奖池升级,设有一等奖、二等奖、三等奖等二十个大奖名额,总共5万元奖金。赛题任务是利用数学和计算机方法分析市场数据,建立量化选股投资策略模型,并预测股票的未来收益率。参赛者可以使用飞桨PaddlePaddle进行算法和模型的创新,并进行多维度可视化分析。
本文提出了一种使用知识图谱的可视分析策略,可以对涉及时间序列、每个序列中的模式、模式之间的事件重叠,以及模式中相关的显性知识的多模态任务进行数据分析和探索。该方法融合了多个模态的数据:时间序列、分类数据和文本数据。通过构建知识图谱和可视化交互逻辑,可以帮助探索数据集中的模式和知识。然而,该方法存在一些限制,例如不适用于推理分析,无法探索非时间的多变量数据,无法同时展示太多条时间线等。
完成下面两步后,将自动完成登录并继续当前操作。