我们经常在CNS杂志的论文、财经杂志、公司的宣传海报上看到如下所示的非常漂亮的数据图，那么这些infographic是怎么绘制出来的呢？ 最近，“数据可视化”和“信息可视化”的话题在微博上得到了比较热烈的讨论和转发，现把一些资料汇总如下：信息可视化（Information Visualization）有两种解释：其一，作为广义的概念使用时，是包括数据可视化（Data

通过往外一年内的期刊和今年GIS的顶级国际会议，特总结未来2年本人感兴趣的gis发展动向如下：基于WebGL的大规模全球三维场景；增强现实与传感器网、视频结合，进行行为路径可视化、表达、模式识别和预测（建议看看《3D Town Project: Augmented UrbanSpaces》http://www.isprs2012.org/abstract/1695

假设数据是均匀采样于一个高维欧氏空间中的低维流形，流形学习就是从高维采样数据中恢复低维流形结构，即找到高维空间中的低维流形，并求出相应的嵌入映射，以实现维数约简或者数据可视化。它是从观测到的现象中去寻找事物的本质，找到产生数据的内在规律。流形学习方法是模式识别中的基本方法，分为线性流形学习算法和非线性流形学习算法，线性方法就是传统的方法如主成分分析（PCA）和线性判别分析（LDA），非线行流形学习