这篇文档属于类型a，即报告了一项原创性研究。以下是针对该研究的学术报告：
多视图可视化中的组合与配置模式研究
作者与机构
本研究由Xi Chen（中国科学院深圳先进技术研究院/中国科学院大学）、Wei Zeng（中国科学院深圳先进技术研究院，通讯作者）、Yanna Lin（中国科学院深圳先进技术研究院）、Hayder Mahdi Al-Maneea（班戈大学/巴士拉大学）、Jonathan Roberts（班戈大学）和Remco Chang（塔夫茨大学）合作完成，发表于IEEE Transactions on Visualization and Computer Graphics（2021年2月，第27卷第2期）。
学术背景
研究领域与动机
多视图可视化（Multiple-View Visualization, MV）是一种通过整合多个视图类型（如柱状图、折线图、地图等）来展示高维复杂数据的布局设计技术。尽管MV在可视化社区中被广泛应用，但其设计空间缺乏系统性分类和分析，导致实际应用中缺乏明确的指导原则。现有工具（如Tableau、Power BI）依赖预设模板，难以满足复杂数据和任务的需求，设计师往往需通过试错手动调整布局，效率低下且易违反设计规范。
研究目标
本研究旨在：
1. 通过实证分析MV设计实践，量化其组合模式（视图类型的频率、多样性及关联性）和配置模式（视图的空间布局）；
2. 构建一个包含360个MV设计的数据集，标注视图类型与布局；
3. 开发基于数据分析的MV推荐系统，辅助设计师优化布局。
研究流程与方法
1. 数据集构建（Section 4）
- 数据来源：从2011–2019年IEEE VIS、EuroVis和PacificVis会议的论文中筛选MV图像，排除单视图或非可视化界面后，最终收集360个MV设计。
- 标注工具开发：开发专用标注工具，手动标注每张图像的视图类型（14类，如柱状图、网络图、科学可视化等）和边界框（位置与尺寸）。
- 布局优化：采用自底向上算法消除标注中的视图重叠或间隙，确保布局拓扑结构的准确性。
2. 组合模式分析（Section 5.1）
- 条件概率模型：计算视图类型的共现概率（如
P(柱状图|网络图)=0.5），发现面板（Panel）与多数视图类型高频共现（概率>0.5），而科学可视化（SciVis）与柱状图共现率极低（0.07）。
- 频率统计：68.3%的MV包含面板，柱状图（32.2%）、网络图（33.3%）和折线图（32.5%）使用率最高，圆形图仅占1.6%。
3. 配置模式分析（Section 5.2–5.3）
- 布局编码：采用“数字+字母”编码（如
2a表示两视图垂直排列），识别出98种布局，其中前10种占总数62.2%（如2a占13.9%）。
- 视图尺寸与位置：
- 长宽比：多数视图的长宽比在[1⁄2, 2]之间，但面积图（Area）和面板（Panel）分别偏向水平/垂直狭长布局（图7）。
- 相对位置：科学可视化和地图倾向于占据左上或中心区域（图8左），面板则稳定分布于边缘（稳定性指标Stb≈0.1）。
4. 推荐系统开发（Section 6）
- 探索模式：支持按视图类型、布局或会议年份筛选MV案例（图9）。
- 设计模式：根据用户输入的视图类型推荐布局，例如输入“网络图+面板”优先推荐
2a布局。
- 用户研究验证：证实系统能提升新手和专家的设计效率。
主要结果与结论
- 组合规律：面板是MV的核心组件，柱状图与网络图常搭配使用，而科学可视化偏好独立布局。
- 配置规律：简单布局（如两视图垂直排列）占主导，复杂布局（如嵌套小倍数视图）多见于VAST会议。
- 工具价值：发布的MV推荐系统和标注数据集为后续研究提供了基准。
研究亮点
- 数据驱动方法：首次通过大规模实证分析揭示MV设计模式，弥补了理论指导的空白。
- 创新工具链：开发的标注工具和推荐系统将经验性设计转化为可量化的流程。
- 跨领域应用：结合信息论（条件概率）与图形学（布局拓扑）方法，为可视化设计提供新方法论。
其他价值
- 开放数据集：标注的360个MV设计公开可用，促进可视化社区的后续研究。
- 设计启示：研究指出面板的稳定性布局和科学可视化的空间独占性，为跨学科协作界面设计提供参考。
（报告字数：约1500字）