由于潜在的大规模和高维数据，呈现长序列的动态图形仍然具有挑战性。我们提出了dg2pix，一种新的基于像素的可视化技术，来可视化地探索长序列大规模图形的时间和结构特性。该方法包括三个主要步骤:(1)时间维度的多尺度建模；(2)无监督图嵌入，以学习动态图数据的低维表示；以及(3)基于像素的交互式可视化，以在不同的时间聚集尺度上同时探索演变的数据。dg2pix提供了一个动态图形的可伸缩的概览，支持对高维图形数据的长序列的探索，并且能够识别和比较相似的时间状态。我们展示了该技术对合成数据集和真实数据集的适用性，证明了动态图中的时间模式可以随着时间的推移而被识别和解释。dg2pix在高细节的节点链接图和低细节的矩阵表示之间提供了合适的中间表示。
Contributions:
- The novel dg2pix visualization technique, a time-scalable visual metaphor to reveal changes and similar temporal states in a dynamic graph;
- an interpretation strategy of visual patterns that users can examine in dg2pix
- an interactive prototype that allows exploring dynamic graphs at multiple scales.
Related Work
- Dynamic Graph Visualization
- Dimension-Reduced Dynamic Graph Visualization
- Pixel-Based Visualization
- Delineation to our Work
DYNAMIC GRAPH TO PIXEL-BASED VISUALIZATION
dg2pix的基础是嵌入式图形的可视化分析，这是一种基于像素的可视化方法，用于识别时间状态。可视化技术包括三个步骤:(1)多尺度时间建模，(2)图形嵌入，(3)基于像素的可视化可视化分析。
我们提出了dg2pix，这是一种可视化技术，提供了长时间和大规模动态图形中时间变化的概述。新的表示包括多尺度时间建模、无监督图嵌入和基于密集像素的可视化，以探索不同时间尺度上的嵌入。主要思想是直观地分析潜在空间，以识别动态图中的时间变化。实现的原型和用例展示了如何使用dg2pix来提供对演化图形的洞察，并强调了该方法对合成和真实世界动态图形数据的适用性。总的来说，dg2pix是动态图的一个有前途的新的研究方向，并且可以被推广用于无监督嵌入方法和潜在空间的可视分析。