报告人：陶钧，圣母大学
    题目：对流场的可视探索方法
    摘要：流场可视化的主要目的为展示流向，使用户能有效地观察及理解流场中的模式以及特征。传统的流场可视化方法通过种子点放置和流线选择产生合适的流线表达流场信息。然而，大规模流场数据包含复杂的流场结构以及大量特征，因而无法同时清晰地描绘所有信息。为解决这一问题，我们利用有效的可视化界面，使用户能通过交互探索挖掘提取符合其需要的模式与特征。在此报告中，我们将比较传统可视化方法与数个交互式探索方法，展示用户如何通过交互发现流场特征并根据其感兴趣的流场特征定制产生相应的可视化结果。
    个人简介： 陶钧，圣母大学计算机科学与工程学院博士后研究员，中国科学院软件所访问学者。于2015年获得密歇根理工大学计算机科学专业哲学博士学位。其主要研究方向包括：科学可视化，尤其是信息论，优化方法，和交互探索方法在流场可视化方面的应用；以及对图像数据集和网络的可视分析和探索。其于2015年获得密歇根理工大学的Dean's Award for Outstanding Scholarship以及Finishing Fellowship，于2013年获得IS&T/SPIE VDA会议的最佳论文奖。

    报告人：周亮，斯图加特大学
    题目：科学信息可视化
    摘要：在科学可视化中，使用信息可视化视图进行数据值空间的展示和交互是十分常见的手段。例如，在单变量体渲染可视化中使用直方图，在多变量数据中使用散点图矩阵，平行坐标系，降维投影图等进行兴趣区的选择，从而更细致地了解数据。相反的，在信息可视化中使用科学可视化的思路、方法进行设计、绘制是否也能增强人们在信息可视化中的洞察力？本报告将以连续散点图， 连续平行坐标系，以及基于不确定性的图布局三个具体工作为例，探讨使用科学可视化方法的信息可视化研究成果和前景。
    个人简介： 周亮，男，德国斯图加特大学可视化研究中心博士后研究员，2014年获得美国犹他大学计算博士学位。研究方向包括多维数据可视化，体数据可视化以及视觉感知在可视化中的应用

    报告人：洪帆，北京大学
    题目：使用信息可视化中的技术分析复杂科学数据
    摘要：许多流场数据往往同时具有向量场与多个标量场。为了分析多个属性随场线的协同变化关系，往往需要发展更加先进的可视化与分析方法。我们首先探索开展了基于多变量属性空间的迹线投影方法，根据流场中的场线根据其在各个属性上的差异，我们对其进行投影，然后通过交互操作来发掘具有属性相似性的场线特征。 进一步地，为了解决投影图中交互操作的诸多挑战，我们还创新性地借用文本分析中常用的主题模型，用于自动提取标量场随场线的协同变化关系，并进行可视化与分析。我们的方法在多个气象模拟数据上进行案例分析，并发现了一些之前工作难以得到的流场结构特征。
    个人简介： 洪帆于2012年在南京大学获得计算机学士学位。2012年至今，在北京大学信息科学技术学院攻读博士学位。他的主要研究方向是大规模流场可视化、集合模拟数据可视化等。

    报告人：张慧杰，东北师范大学
    题目：多变量体数据关联模式与特征探索可视化研究
    摘要：多变量体数据通常具有高维、时变、规模大等特点，数据的复杂度导致体素间的相关性难以被有效量化。针对该问题，通过综合考虑体素的多变量时变模式与空间邻域信息，提出体素间时变模式相似性和空间邻域差异性的综合评价方法，从而有效分析体素相关性。对于科学模拟实验中不可避免的不确定性问题，通过提取体数据中不确定性等值面，结合融合着色技术展示不同变量间关联模式的概览情况及其可信度。基于已有研究，分析信息可视化方法对科学可视化研究思路的扩展与启发，并介绍相关的初步探索性工作——通过结合子空间聚类方法和RadViz映射技术，帮助分析者探索多变量体数据内难于发现的复杂特征。
    个人简介： 张慧杰，女，博士，毕业于吉林大学计算机科学与技术学院。现为东北师范大学信息科学与技术学院副教授，数据可视化与可视分析小组负责人，CCF YOCSEF长春学术委员会（AC）委员、2017年主席会议成员、学术秘书，中国图象图形学学会可视化与可视分析专委会委员，吉林省科学技术协会第九次代表大会代表。主要从事科学可视化、信息可视化、可视分析、多分辨率建模、计算机图形学、三维地理信息系统等方面的研究工作。在《计算机学报》、《计算机研究与发展》、《IEEE Access》、《The Visual Computer》、《Pattern Recognition》、《Neurocomputing》，国际会议“ACM SIGSPATIAL GIS”、“EuroVis”、“PacificVis”，以及其他期刊和会议上发表学术论文50余篇，其中SCI、SCIE等检索论文30余篇。出版个人学术专著1部，主持国家自然科学基金面上项目1项，主持国家自然科学青年基金项目1项，主持吉林省自然科学基金面上项目1项，主持人力资源和社会保障部项目1项，主持教育部博士点基金项目1项，参加多项国家自然科学基金项目、教育部博士点基金项目以及国土资源部项目。获吉林省自然科学学术成果奖二等奖1项。

    报告人：曹轶，北京应用物理与计算数学研究所/中物院高性能数值模拟软件中心
    题目：大规模科学与工程计算中的数据可视化
    摘要：数据可视化可以帮助领域专家深入理解具有复杂时空维度的数据集，探寻数据蕴含的规律。当前，随着国产计算机峰值性能的不断快速提升，科学与工程计算中的实际复杂应用已经变为可以求解，但随之产生的大规模时变复杂数据集则不断带来新的可视化挑战。本报告将介绍若干典型大规模科学与工程计算问题及可视化实际应用，并围绕这些典型应用讨论科学数据可视化所面临的挑战性问题。
    个人简介： 曹轶，博士，副研究员，现工作于北京应用物理与计算数学研究所高性能计算中心、中物院高性能数值模拟软件中心，长期致力于国家典型重大应用领域的科学、工程数据可视化技术研究以及定制软件研制工作。目前主要研究方向为：科学计算可视化、大规模并行与硬件加速技术、百亿亿次高效能实现技术。作为项目负责人承担国家军口973项目、民口863项目、国防基础科研计划项目等多项国家重大研究项目，在国内外学术刊物发表学术论文约20余篇，获军队进步二等奖一次，省（部）级二等奖一次，软件著作权三项。

    报告人：王文珂，国防科大
    题目：非结构网格分片线性流场积分曲线高效可视计算技术
    摘要：线性流场是数值模拟中最常用的流场类型，积分曲线是流场可视化的重要方式。面向大规模非结构网格线性流场对积分曲线高效可视计算的需求，介绍两种积分曲线的快速可视计算技术：一种是通过将龙格-库塔积分公式改写成矩阵形式，利用计算重用的思想，通过重用积分矩阵，避免重复计算，提高积分曲线的可视计算效率；另一种是以统一的方式改写积分公式，通过牛顿迭代法求解流线与网格的交点，避免数值积分，从而提高流线可视化效率。
    个人简介： 王文珂，博士，副研究员。2003年在清华大学计算机系获学士学位，2009年在清华大学计算机系获博士学位，现任国防科技大学海洋科学与工程研究院可视化教研室主任。主要研究方向为科学计算可视化，主持和参与了国家重大专项、973、863、自然科学基金等多项课题，获军队科技进步二等奖1项，发表学术论文四十余篇，撰写学术专著1部，授权国家发明专利5项。

    报告人：毕重科，天津大学
    题目：2-3-4 Decomposition Based Parallel Image Composition
    摘要：Visual data exploration helps users to get better insight into their data and has been considered an indispensable tool for computational scientists. Sort-last parallel rendering is a proven approach for large-scale scientific visualization, while it requires a costly parallel image composition at the final stage. Since it requires interprocess communication among the entire nodes, it usually dominates the total cost of a parallel rendering process. Efficient image composition algorithms for power-of-two (2n) number of nodes have already been proposed so far, however when handling non power-of-two number of nodes, an additional processing is required causing performance penalty. The simplest way is to execute this additional processing in the initial stage, or in parts, during the entire parallel image composition process. The latter approach causes less performance penalty. It adds performance penalty at every stage of parallel image composition, thus it can suffer in a large-scale image composition where tens, or even hundreds, of thousands of nodes can be involved. In this paper, we propose a decomposition approach, for non-power- of-two number of nodes, named 2-3-4 Decomposition. It works by generating exactly power-of-two number of groups of 2, 3 or 4 nodes. Therefore, by compositing independently each of these groups, at the end, we will obtain a power-of-two number of nodes making it easy to combine with any of the existing image composition algorithms for power-of-two number of nodes. It works as a pre-processing and the performance penalty is limited to the overhead of compositing three or four images. This performance penalty can be further reduced depending on the image compositing algorithm to be applied in the next stage. Our experimental results have shown promising results making this method a potential candidate for large- scale image composition with arbitrary number of nodes.
    个人简介： Chongke Bi, received the B.Sc. (Eng.) degree and the M.Sc. (Eng.) degree from Shandong University, China, in 2004 and 2007, respectively, and the Ph.D. (Sci.) degree from the University of Tokyo, Japan, in 2012. After that, as a researcher in RIKEN, Japan, he was focus on the research in the field of visual analysis of big data on supercomputer from 2012 to 2016. He is currently in Tianjin University. His current research interests include big data, visualization, image processing, and computer graphics.

    报告人：张江，北京大学
    题目：高性能并行粒子追踪计算
    摘要：并行粒子追踪是大规模流场可视化中的一个基本方法，根据初始划分和分配对象的不同可分为数据并行和任务并行两类。但是，这两类方法可能会遇到严重的I/O瓶颈和负载不均的问题。我们针对性地提出了两种解决方法。首先，利用粒子的数据访问模式，我们通过将数据进行细粒度的划分建立了一种稀疏的数据管理方法，并进一步地引入高阶访问转移的思想，提高了数据的局部性。此外，我们还提出了一种动态负载平衡的算法，通过动态地进行k-d树的分解来尽量均匀地对粒子进行重新分配，从而达到负载均衡的目的。实验证明，与基线方法相比，我们的方法在多种流场可视化和分析问题上都可以获得更高的性能和更好的可扩展性。
    个人简介： 张江，男，本科毕业于山东大学软件学院，目前是北京大学可视化与可视分析研究组的博士生。主要研究方向为大规模科学数据可视化，特别是流场可视化和分布式并行环境下的粒子追踪计算。

    报告人：Rebecca Ruige Xu, Syracuse University
    题目：Artistic Data Visualization in the Making
    摘要：In recent years we have seen an increasing of interest in data visualization in the artistic community. Many data-oriented artworks use sophisticated visualization techniques to express a point of view or persuasive goal. Meanwhile the attitude that visualizations can be used to persuade as well as analyze has been embraced by more people in the information visualization community.
     This talk shares my experience and reflection in creating data visualization as artwork via case study of two recent projects. It presents a workflow from conceptual development, data analysis, to algorithm development, procedural modeling, and then final image production. It hopes to offer insight into the artist’s effort of finding balance between persuasive goals and analytic tasks. Furthermore, it raises the question of the roles of artistic data visualization played in assisting people to comprehend data and the influence of this artistic exploration in visualization might have injected in shifting public opinions.
    个人简介： Rebecca Ruige Xu currently teaches computer art and animation as an Associate Professor in College of Visual and Performing Arts at Syracuse University. Her artwork and research interests include artistic data visualization, visual music, experimental animation, interactive installations, digital performance and virtual reality. Her recent work has been appeared at: IEEE VIS Arts Program; SIGGRAPH & SIGGRAPH Asia Art Gallery; ISEA; Ars Electronica; Museum of Contemporary Art, Italy; Los Angeles Center for Digital Art, USA; Expressive 2015, CAe+SBIM+NPAR, Istanbul, Turkey; FILE– Electronic Language International Festival, Brazil; Techfest -Technical Arts Exhibition, India; Colloquium culture and digitization, Switzerland; CYNETart, Germany; International Digital Art Exhibition, China; Boston Cyberarts Festival, USA. Xu served on the Media Arts Advisory Panel for the U.S. National Endowment for the Arts. She also worked for New York State Council on the Arts and Missouri Arts Council. Xu has been a research fellow at Transactional Records Access Clearinghouse, Syracuse University since 2011, and is currently on the Executive Committee for the Association of Chinese Artists in American Academia.

    报告人：李铁萌,北京邮电大学
    题目：设计与可视化
    摘要：设计是一门处理事物之间关系的学科，不同的领域、不同的角色都对设计有着不同的诠释。在可视化中，设计也占有举足轻重的地位。本报告首先围绕“什么是设计”及“设计的方法”进行阐述，然后从多个角度对设计与可视化的关系进行剖析，并结合实验室在设计与可视化方面的交叉研究工作进行解释，最后介绍实验室在人机交互、可视化及虚拟现实等方面的探索研究工作。
    个人简介： 李铁萌，男，博士，北京邮电大学数字媒体与设计艺术学院，工业设计中心讲师，硕士生导师。研究方向为人机交互、可视化与可视分析、虚拟现实，主要研究了面向可视化、混合现实等场景中的自然人机交互，以及虚拟装配技术。参与及主持国家自然科学基金、国家科技支撑计划、教育部博士点基金、北京市重点实验室主任基金、北京市教委共建项目、中央高校青年科研创新计划专项等多个研究项目，近年来在国内外学术期刊及会议上发表论文近20篇。

    报告人：李谦升, 上海大学美术学院
    题目：可视化视角下的数字人文
    摘要：随着现代信息科学的发展，许多人文类学科都开始将数字技术融合进相关的学术研究中。现代数据采集技术的发展与普及，为传统人文领域中很难被定量描述的研究内容提供了新的测量工具；另外，现代可视化技术的发展也为交互式呈现和探索研究对象的内在趋势提供了心的途径。本次发言将结合作者在人文领域的一些案例实践，提出了可视化视角下如何探索人文学科的一些思考。
    个人简介： 李谦升，现任上海美术学院信息与交互设计工作室负责人、上海大学美术学院美术学博士、上海市创意设计工作者协会会员、麻省理工学院媒体实验室访问学者。近年来主要从事信息设计、数据可视化、交互设计等领域的研究。

    报告人：覃京燕，北京科技大学
    题目：信息维度与视觉思维
    摘要：信息维度决定观者与被观者的视觉表征的视角与视觉思维模式。从万象表征，到客体具象化呈现，再到主体感知认知，从具象到抽象的心智模型，关联并判断主客体在视觉思维中的动态交互映射关系，形成视觉思维的全部范畴内容。本报告例举格式塔心理学的特征，结合新的变化阐释读图2.0时代的视觉思维新范式。
    个人简介： 覃京燕，北京科技大学工业设计系教授、计算机与通信工程学院博导，上海美术学院博士生导师，台湾华梵大学客座教授。2013年教育部新世纪人才，2014年光华龙腾奖“中国设计业十大杰出青年”，剑桥大学CRUCIBLE成员，剑桥大学国家公派访问学者。主要研究领域为大数据信息可视化、可持续设计、网络设计、交互界面设计、数字娱乐设计、数字媒体艺术、数字化文化遗产及虚拟博物馆研究、文化创意产业研究等。主持国家社会科学基金，国家自然科学基金，文化部，教育部人文社科项目等国家省部级项目19项，参与欧盟、863项目、国家自科、国家社科重点项目、北京市社科等项目6项，主持50余项企业项目。GM、CES、Car Styling、红星奖等国内外设计奖项14项，学术报告46次，论文76篇，出版编著及译著9部，发明专利等3项。

    主持人：赵颖，中南大学
    个人简介： 赵颖，博士，中南大学，副教授。主要研究方向包括网络安全可视化、工业数据可视化、无线电磁信号可视化等。主持国家自然科学基金、省自然科学基金、省科技计划、企业合作项目近10项，发表论文20余篇。2012-2015年在VAST Challenge国际可视分析挑战赛中共获奖5项，2013年获得International Symposium on Cyberspace Safety and Security的最佳论文奖。2015-2017年担任ChinaVis数据可视分析挑战赛共同主席。更多信息参见：http://faculty.csu.edu.cn/zhaoying

    报告人：曹楠, 同济大学
    题目：可视异常检测及其应用
    摘要：异常检测在计算机以及数据分析领域是一个重要而又相当难缠的问题。一方面，对于异常检测的需求无处不在，例如，金融领域中的不良贷款检测，网络安全领域中的入侵检测，社交媒体当中的异常用户行为检测，公共安全领域的异常人群流向问题、以及医疗信息领域中的异常病状检测等。另一方面，传统的基于统计分析以及机器学习算法的异常检测技术，往往面临着两方面的挑战，首先，异常与正常之间往往没有明确的数学界定、如何定义异常往往因应用而定；其次，统计分析过程中用于训练模型或者验证分析结果的基本事实数据往往难以获得。正因为如此，极大的限制了异常检测技术的发展。在过去的五年中，我们致力于应用可视分析技术解决各个领域当中的异常检测问题，并且作出了一些列相关的可视分析系统。在该报告中，我们将剖析基于可视分析的异常检测技术中存在的问题，并介绍其在不同领域的相关应用。
    个人简介： 曹楠，中组部青年千人同济大学设计创意学院教授, 同济大学智能大数据可视化实验室创始人及主任。在加入同济大学前，曹楠曾先后担任上海纽约大学助理教授，纽约大学坦登工学院研究助理教授，美国 IBM 沃森研究院研究员，及IBM中国研究院副研究员，曾获得 “IBM 全球杰出技术成就奖”。曹楠毕业自香港科技大学 曾获得“香港科技大学工学院杰出博士 研究奖 ”、“微软全球最有价值专家”等奖项与称号。曹楠在信息可视化、可视化分析、人机交互、数据挖掘等相关领域发表论文五十余篇，申请专利近40项，获得2016年度 ACM 智能用户界面国际会议最佳论文奖，及最2014年度 IEEE 国际可视化分析大会最佳论文提名奖等国际会议论文奖项。其主要研究方向是大数据可视化及分析。他的技术主要应用在信息安全、医疗信息、城市计算、工业4.0等领域。曹楠曾担任 IEEE VAST, EuroVis, SDM，AAAI, IJCAI 等可视化、人工智能、数据挖掘领域国际学术会议程序委员会委员，及 IEEE TMM，ACM TIST， ACM TIIS 等重要学术期刊客座编委。

    报告人：姚羽, 东北大学
    题目：“谛听”工控网络空间：实践与思考
    摘要：工业控制系统是电力、交通、能源、水利、冶金、航空航天等国家重要基础设施的“大脑”和“中枢神经”，超过80%的涉及国计民生的关键基础设施依靠工业控制系统实现自动化作业。随着经济与技术发展，工业控制系统在应对传统功能安全威胁的同时，也面临越来越多的病毒、木马、黑客入侵等工控信息安全威胁。报告以国内外工控网络安全面临的挑战为切入点，分析目前威胁态势感知领域面临的可视化新需求，在此基础上介绍东北大学“谛听”工控威胁态势感知平台在安全威胁感知、分析、建模、预测等方向的实践，最后给出科学研究、工程实践中对于可视化研究的思考。
    个人简介： 姚羽，博士，东北大学教授、博士生导师，沈阳大数据局副局长（挂职），教育部新世纪人才，CCF YOCSEF沈阳2015~2016年度主席。主要研究方向包括恶意软件攻防分析及建模、网络安全数据分析、网络安全数据可视化、工控网络安全分析、网络空间安全态势感知等。作为项目负责人主持国家自然科学基金项目、教育部“新世纪人才支持计划”项目、教育部基本科研业务费项目、辽宁省自然科学基金等科研项目10余项，发表学术论文40余篇，获辽宁省科技进步二等奖、辽宁省自然科学学术成果一等奖。

    报告人：黄伟，360企业安全
    题目：WebGL和GIS在网络安全可视化中的应用
    摘要：随着互联网技术的发展，网络几乎渗入到了人们工作和生活的各个方面，在给人们生活带来方便的同时，网络攻击和网络犯罪也随之产生。近年来，网络攻击的数量越来越多，规模越来越大，攻击复杂度也越来越高，传统的网络安全保障机制也越来越不足以应对。网络安全可视化应运而生，并成为网络安全研究领域的一个热点。 本次分享将围绕360企业安全天眼团队利用GIS和WebGL技术在网络安全可视化领域的实践经验，具体包括： 1）APT先知计划：以“上帝视角”将攻击信息及POI信息在地图上显示出来，让客户感知安全态势，帮助企业和组织及时作出应对策略； 2）伪基站追踪系统：结合可视化和数据挖掘揭示伪基站在城市中出现的模式及发送短信的规律，并能够实时显示伪基站的位置，有效帮助执法机关打击不法分子； 3）全国僵木蠕毒态势感知：结合GeoHash技术和Openlayers以热力、蜂窝聚合显示全国僵木蠕毒数据； 4）春运铁路网热度：利用WebGL可视化春运时期全国铁路线路及各线路热度； 5）大图可视化引擎：针对海量数据可视化中布局及绘制的难点，开发大规模网络关系布局算法库在服务端进行布局，前端利用WebGL技术显示数百万点边图。
    个人简介： 黄伟，于2015年在中南大学软件学院获硕士学位，现就职于360企业安全，从事前端开发与可视化研发工作，发表多篇可视化相关论文和专利，近期研究领域为多维数据可视化与可视分析，时空数据可视化，可视化数据挖掘和BI。

    报告人：李龙辉，海云数据
    题目：公共安全业务场景中的可视分析
    摘要：公共安全业务是一个广阔的领域，国家每年投入大量人力、财力解决公共安全问题。为了能够分析公安人、地、物、组织等核心要素及增加对案件和重点人员预知、预警、预测能力，往往需要发展更加先进的可视化与分析方法。我们首先探索了结合犯罪分子作案的时空模型给出若干还原业务场景的可视分析方法。进一步为解决多案件、串并案的场景，开发出多案、人员、地理空间等可视分析方法，最后使用深度学习方法结合可视分析方案给出案件预测的多种技术及效果。我们的方法结合了具体的业务场景，相比单纯的学术研究，更贴近一线作战场景。
    个人简介： 李龙辉，于2011年在中国科学院研究生计算与通信工程学院获硕士学位。2015年至今，在海云数据从事数据可视分析工作。他的主要工作是结合公安业务场景，定义可视分析产品，促进可视分析在指挥、刑侦、情报等业务场景中落地。