AQEyes：面向空气质量数据异常检测与核查的可视分析系统
人机交互
2021-03-25 v1
摘要
异常检测通过增强态势感知并提醒用户潜在危害，在空气质量分析中发挥关键作用。然而，现有空气质量分析异常检测方法在参数选择（如需要大量领域知识）、计算开销、普遍适用性（如需要标注数据）、可解释性以及分析效率方面各有局限。此外，所采集空气质量数据的质量较差（格式不一致且有时缺失）也大幅增加了分析难度。在本文中，我们系统性地 formulate 了一套可解决这些局限的系统设计需求，进而提出 AQEyes，一个用于高效监测、检测与核查空气质量数据中异常的综合可视分析系统。特别地，我们提出统一的端到端可调机器学习流水线，包含若干数据预处理器与特征提取器以应对数据质量问题。该流水线集成了一种高效的无需标注数据且无监督异常检测方法，克服了现有方法的局限。进一步，我们开发了交互式可视化系统以可视化流水线输出。该系统融合一组新颖的可视化与交互设计，使分析人员能够从多尺度、多侧面直观核查空气质量动态与异常事件。我们通过定量评估展示了该流水线的性能，并借助真实数据集的定性案例研究显示了可视化系统的有效性。
引用
@article{arxiv.2103.12910,
title = {AQEyes: Visual Analytics for Anomaly Detection and Examination of Air Quality Data},
author = {Dongyu Liu and Kalyan Veeramachaneni and Alexander Geiger and Victor O. K. Li and Huamin Qu},
journal= {arXiv preprint arXiv:2103.12910},
year = {2021}
}
备注
11 pages, 6 figures