文献类型：期刊文章

作　　者：夏佳志[1] 李杰[2] 陈思明[3] 秦红星[4] 刘世霞[5]

Jiazhi XIA;Jie LI;Siming CHEN;Hongxing QIN;Shixia LIU(School of Computer Science and Engineering,Central South University,Changsha 410083,China;College of Intelligence and Computing,Tianjin University,Tianjin 300072,China;School of Data Science,Fudan University,Shanghai 200433,China;College of Computer Science,Chongqing University,Chongqing 400044,China;School of Software,Tsinghua University,Beijing 100083,China)

机构地区：[1]中南大学计算机学院,长沙410083 [2]天津大学智能与计算学部,天津300072 [3]复旦大学大数据学院,上海200433 [4]重庆大学计算机学院,重庆400044 [5]清华大学软件学院,北京100083

出　　处：《中国科学：信息科学》

基　　金：国家自然科学基金面上项目(批准号:61872389,61972278,61936002,61772097);国家重点研发计划(批准号:2018YFC0831700);天津市自然科学基金(批准号:20JCQNJC01620);上海市重大专项(批准号:2018SHZDZX01);上海市自然科学基金项目面上项目(批准号:21ZR1403300);上海市2021“科技创新行动计划”扬帆计划(批准号:1YF1402900);重庆市自然科学基金(批准号:cstc2018jcyjAX0177)资助项目。

年　　份：2021

卷　　号：51

期　　号：11

起止页码：1777-1801

语　　种：中文

收录情况：BDHX、BDHX2020、CSCD、CSCD2021_2022、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：随着人工智能技术的突破性进展,人工智能与可视化的交叉研究成为当前的研究热点之一,为人工智能和大数据分析领域的若干核心难题提供了启发式的理论、方法和技术.一方面,人工智能技术的创新应用提升了可视化的分析效率,拓展了分析功能,为大数据可视分析提供了强有力的工具.另一方面,可视化技术增强了以深度学习为代表的人工智能的可解释性和交互性,为可解释人工智能提供了可靠的技术基础.本文从面向人工智能的可视化技术和人工智能驱动的可视化技术两个方向,分别介绍了数据质量改善、可解释机器学习、智能特征提取、可视化自动布局与生成、智能交互、智能故事叙述等6个重要问题.对国内外的研究进展进行了分析,并对发展趋势进行了展望.

关 键 词：可视化 可视分析  人工智能 可解释机器学习  自动可视化  

分 类 号：TP18] TP391.41]