首页期刊导航|计算机辅助设计与图形学学报
期刊信息/Journal information
计算机辅助设计与图形学学报
计算机辅助设计与图形学学报

吴恩华

月刊

1003-9775

jcad@ict.ac.cn

010-62562491；62600342

100190

北京2704信箱

计算机辅助设计与图形学学报/Journal Journal of Computer-Aided Design & Computer GraphicsCSCD北大核心CSTPCDEI
查看更多>>本刊创刊于1989年，是我国CAD和计算机图形学领域第一个公开出版的学术刊物，原为季刊，1996年起改为双月刊，从2000年起改为月刊。 该刊以快速传播CAD与计算机图形学领域的知识与经验为目的，刊登有创新的学术论文，报导最新科研成果和学术动态，及时反映该领域发展水平与发展方向。 该刊面向全国，聘请了我国CAD和计算机图形学学术界的知名学者、专家参加刊物的编委会，具有权威性和代表性。 读者对象为从事CAD和计算机图形及其他有关学科的科研、工程技术人员及高等院校师生。 被《中文核心期刊要目总览》第三版定为我国计算技术、计算机类核心期刊；被中国科学技术信息研究所接受为中国科技论文统计与分析用刊；被中国科学引文数据库、《中国学术期刊文摘》、《电子科技文摘》收录。从1996年起，每期由清华大学国家光盘工程中心全文收录到《中国学术期刊(光盘版)》中。从1996年开始被美国的工程索引(EI)收录。从1999年起被英国SA，INSPEC(Computer & Control Abstracts)及俄罗斯文摘杂志收录。
正式出版
收录年代

    数据整理脚本语义的可视化

    罗中粟熊凯傅四维王永恒...
    1096-1105页
    查看更多>>摘要：理解数据整理脚本的语义是数据工作者的常见需求。然而，数据整理操作的类型及其代码的实现方式复杂多样，使得数据工作者在理解脚本语义时费时费力。通过收集数据工作者在理解数据整理脚本语义上的具体需求，设计并实现了一个基于概览和细节模式的交互式可视分析系统ChangeVis，帮助数据工作者理解表格在数据整理过程中的变化。ChangeVis包含概览视图，语义视图，统计视图和数据视图4个视图，分别可视化代码块中的表结构变化、行列信息变化、单元格数据变化以及执行的数据转换操作的语义。通过案例分析和用户实验，验证了ChangeVis系统在帮助数据工作者理解数据整理脚本语义的可用性和有效性。

    数据整理程序可视化可视化设计表格数据可视化

      原文链接:
    • 万方数据
    • 维普

    ModelLogVis:面向模型服务的日志异常可视分析方法

    卢裕弘朱琳封颖超杰王斯加...
    1106-1114页
    查看更多>>摘要：利用深度学习模型训练和运行维护过程产生的海量日志信息，进行模型的优化与故障排查，是当前人工智能运维的研究热点。针对现有工作缺少模型工作流分析的问题，提出面向模型服务的日志异常可视分析方法ModelLogVis。该方法采用日志异常检测方法定位模型工作流中的潜在故障，帮助用户聚焦主要的故障类型;支持用户从数据流、状态、实例性能和原始日志等多个角度对工作流中的事件进行交互式可视化与分析，快速、准确地排查问题。通过真实的模型服务数据的案例研究和专家访谈，证明ModelLogVis方法可高效地辅助用户快速挖掘日志中的异常信息。

    可视分析日志可视化异常检测

      原文链接:
    • 万方数据
    • 维普

    散点图信息混淆的可视分析模型

    张景文蒲剑苏程卓越黄锦岳...
    1115-1121页
    查看更多>>摘要：信息混淆是指在有限的显示空间中，由于信息量密度不当，导致对信息的理解产生障碍。散点图作为最常见的数据展示手段，深受信息混淆困扰，需要进行信息混淆消除。从可视分析角度入手，提出一个对散点图信息混淆量化评估的混淆熵模型，并基于个体显著值模型和四分树结构提出了一个从内容和空间2个维度对散点图信息混淆进行消除的算法，对高低显著值数据分别处理和指定显示大小与布局位置，从展示和布局层面对散点图信息混淆进行消除。

    信息混淆散点图可视分析显著值模型

      原文链接:
    • 万方数据
    • 维普

    基于边缘感知的点云配准算法

    高俊杰王瑞安王子雄董秋杰...
    1122-1130页
    查看更多>>摘要：在使用深度学习方法进行点云配准时，直接利用特征相似性作为采样依据，往往会导致采样过于集中且大量分布在平面等非显著区域内，不利于变换矩阵的推导。针对此问题，提出一种边缘感知的点云配准算法。首先通过分析点云中每点与其邻域点的空间分布对边缘区域进行检测;然后针对现有的特征描述子和联合学习框架，将对应关系和关键点的采样区域限定在边缘区域，提高特征的匹配能力;最后将特征相似性和显著性作为采样概率，得到一组分布良好的对应关系或关键点并用于配准。在真实数据集和合成数据集上的大量实验结果表明，所提算法可以使现有的特征描述符达到与现有联合学习框架相当的性能，对于现有联合学习框架，在低重叠点云场景(3DLoMatch)中，边缘区域采样关键点可以平均提高约5％的配准召回率。

    点云配准边缘检测特征描述子关键点检测

      原文链接:
    • 万方数据
    • 维普