Đánh giá hiệu suất nhận diện cụm cho các biến thể PCP khác nhau

Computer Graphics Forum - Tập 29 Số 3 - Trang 793-802 - 2010
Danny Holten1, Jarke J. van Wijk1
1Eindhoven University of Technology, The Netherlands

Tóm tắt

Tóm tắtCác biểu đồ tọa độ song song (PCPs) là một kỹ thuật trực quan nổi tiếng để xem dữ liệu đa biến. Trong quá khứ, đã có nhiều sửa đổi về hình thức của PCPs được đề xuất nhằm hỗ trợ cho các nhiệm vụ như xác định tương quan và xác định cụm, giảm sự lộn xộn trực quan, và tăng cường khả năng truyền tải thông tin. Phần lớn các sửa đổi liên quan đến việc sử dụng màu sắc và độ mờ, các đường cong mượt mà, hoặc sử dụng hoạt hình. Dù nhiều cải tiến này có vẻ hợp lý, nhưng chỉ có một số ít nghiên cứu người dùng được thực hiện để điều tra việc này, đặc biệt là liên quan đến xác định cụm. Chúng tôi đã thực hiện một nghiên cứu người dùng để đánh giá hiệu suất nhận diện cụm - liên quan đến thời gian phản hồi và độ chính xác - của chín biến thể PCP, bao gồm PCP tiêu chuẩn. Để tạo ra các biến thể, chúng tôi tập trung vào việc bao quát các kỹ thuật hiện có một cách tốt nhất trong khi vẫn đảm bảo khả năng thử nghiệm. Điều này được thực hiện bằng cách điều chỉnh và kết hợp các kỹ thuật, dẫn đến những biến thể mới sau đây. Thứ nhất là một cách hiệu quả để nhúng các biểu đồ phân tán vào PCPs. Thứ hai là một kỹ thuật để làm nổi bật các cụm mờ dựa trên mật độ hàng xóm. Thứ ba là một kỹ thuật vẽ dựa trên spline để giảm bớt độ mơ hồ. Cuối cùng là một cặp sơ đồ hoạt hình cho việc xoay PCP. Chúng tôi trình bày tổng quan về các biến thể PCP đã được thử nghiệm và kết quả nghiên cứu của chúng tôi. Kết quả quan trọng nhất là một số lượng khá lớn các cải tiến có vẻ hợp lý, ngoại trừ các biểu đồ phân tán được nhúng vào PCPs, không dẫn đến những cải thiện hiệu suất đáng kể.

Từ khóa


Tài liệu tham khảo

AndrienkoG. AndrienkoN.:Constructing Parallel Coordinates Plot for Problem Solving. InProc. Symposium on Smart Graphics(2001) pp.9–14. 1 2 8.

ArteroA. O. De OliveiraM. C. F. LevkowitzH.:Uncovering Clusters in Crowded Parallel Coordinates Visualizations. InProc. IEEE INFOVIS(2004) pp.81–88. 2

10.1137/0906011

BarlowN. StuartL. J.:Animator: A Tool for the Animation of Parallel Coordinates. InProc. IEEE INFOVIS(2004) pp.725–730. 3

10.1080/01621459.1973.10482434

Cleveland W. S., 1985, The Elements of Graphing Data

Ellis G., 2007, A Taxonomy of Clutter Reduction for Information Visualisation, IEEE TVCG (Proc. INFOVIS), 13, 1216

FaneaE. CarpendaleS. M. IsenbergT.:An Interactive 3D Integration of Parallel Coordinates and Star Glyphs. InProc. IEEE INFOVIS(2005) pp.149–156. 1 3

Forsell C., 2007, Task‐Based Evaluation of Multi‐Relational 3D and Standard 2D Parallel Coordinates, Proc. IS&T/SPIE Electronic Imaging, Volume, 6495, 64950C

FuaY.‐H. WardM. O. RundensteinerE. A.:Hierarchical Parallel Coordinates for Exploration of Large Datasets. InProc. IEEE VIS(1999) pp.43–50. 2

GrahamM. KennedyJ.:Using Curves to Enhance Parallel Coordinate Visualisations. InProc. IEEE INFOVIS(2003) pp.10–16. 2 3

10.1179/000870403235002042

HoffmanP. E. GrinsteinG. G. MarxK. GrosseI. StanleyE.:DNA Visual and Analytic Data Mining. InProc. IEEE VIS(1997) pp.437–441. 1 3

HauserH. LedermannF. DoleischH.:Angular Brushing of Extended Parallel Coordinates. InProc. of IEEE INFOVIS(2002) pp.127–130. 8

Heer J., 2007, Animated Transitions in Statistical Data Graphics, IEEE TVCG (Proc. INFOVIS), 13, 1240

InselbergA. DimsdaleB.:Parallel Coordinates: A Tool for Visualizing Multi‐Dimensional Geometry. InProc. IEEE VIS(1990) pp.361–378. 1

10.1007/BF01898350

10.1057/palgrave.ivs.9500166

10.1057/palgrave.ivs.9500117

Kosara R., 2003, Thoughts on User Studies: Why, How, and When, IEEE CG&A, 23, 20

LanzenbergerM. MikschS. PohlM.:Exploring Highly Structured Data: A Comparative Study of Stardinates and Parallel Coordinates. InProc. INFOVIS(2005) pp.312–320. 3

LiJ. MartensJ.‐B. Van WijkJ. J.:Judging Correlation from Scatterplots and Parallel Coordinate Plots.Information Visualization(2008). 1 2 3 8.

10.1111/j.1467-8659.2008.01239.x

MoustafaR. E. A. WegmanE. J.:On Some Generalizations of Parallel Coordinate Plots. InSeeing a Million – A Data Visualization Workshop Rain am Lech Germany(2002). 2 4

Novotný M., 2006, Outlier‐Preserving Focus+Context Visualization in Parallel Coordinates, IEEE TVCG (Proc. INFOVIS), 12, 893

North C., 2006, Toward Measuring Visualization Insight, IEEE CG&A, 26, 6

PillatR. M. ValiatiE. R. A. FreitasC. M. D. S.:Experimental Study on Evaluation of Multidimensional Information Visualization Techniques. InProc. CLIHC '05(2005) pp.20–30. 3

10.1002/cyto.a.20288

10.1057/palgrave.ivs.9500091

StuartL. WalterM. BorisyukR.:Visualisation of Neurophysiological Data. InProc. IEEE INFOVIS(2002). 3

WilkinsonL. AnandA. GrossmanR.:Graph‐Theoretic Scagnostics. InProc. IEEE INFOVIS(2005) pp.157–164. 3

WardM. O.:XmdvTool: Integrating Multiple Methods for Visualizing Multivariate Data. InProc. IEEE VIS(1994) pp.326–333. 1 3

10.1080/01621459.1990.10474926

WegmanE. J. LuoQ.:High Dimensional Clustering Using Parallel Coordinates and the Grand Tour. InComputing Science and Statistics Symp. on the Interface(1996) pp.361–368. 3 5

10.1016/0010-0285(92)90010-Y

Yuan X., 2009, Scattering Points in Parallel Coordinates, IEEE TVCG (Proc. INFOVIS), 15, 1001

10.1111/j.1467-8659.2009.01476.x

10.1111/j.1467-8659.2008.01241.x

Thông tin
Thông tin xuất bản

Computer Graphics Forum

Tập 29 Số 3

793-802

Thông tin tác giả