Theo dõi các bộ dữ liệu qua các chiều: So sánh giữa Biểu đồ phân tán và Biểu đồ tọa độ song song

Computer Graphics Forum - Tập 31 Số 3pt4 - Trang 1365-1374 - 2012
Xiaohui Kuang1, Haimo Zhang1, Siyan Zhao1, Michael McGuffin2
1Nat. Univ. of Singapore, Singapore
2École de technologie supérieure, Canada#TAB#

Tóm tắt

Tóm tắtMột trong những nhiệm vụ cơ bản cho hoạt động phân tích là thu thập (tức là, đọc) giá trị của một đại lượng cụ thể trong việc trực quan hóa thông tin. Tuy nhiên, rất ít nghiên cứu trước đây đã so sánh hiệu suất của người dùng trong các nhiệm vụ thu thập giá trị như vậy cho các trực quan hóa khác nhau. Chúng tôi trình bày một so sánh thực nghiệm về hiệu suất của người dùng (thời gian và khoảng cách sai số) giữa bốn phương pháp trực quan hóa dữ liệu đa biến. Ba biến thể của biểu đồ phân tán (SCP), cụ thể là SCP với trục tọa độ thẳng đứng chung (SCP‐common), SCP với bố cục thang bộ (SCP‐staircase), và SCP với các trục xoay giữa các ô liền kề (SCP‐rotated), cùng với một phương pháp so sánh là biểu đồ tọa độ song song (PCP) đã được so sánh. Kết quả cho thấy rằng PCP cơ bản tốt hơn SCP‐rotated và SCP‐staircase ở tất cả các điều kiện, trong khi sự khác biệt giữa SCP‐common và PCP phụ thuộc vào độ chiều và mật độ của tập dữ liệu. PCP cho thấy có lợi thế hơn SCP‐common khi độ chiều và mật độ của tập dữ liệu thấp, nhưng cuối cùng SCP‐common vượt trội hơn PCP khi độ chiều và mật độ của dữ liệu tăng lên. Các kết quả này gợi ý những hướng dẫn cho việc sử dụng SCP và PCP có thể mang lại lợi ích cho các nhà nghiên cứu và thực hành trong tương lai.

Từ khóa


Tài liệu tham khảo

ArteroA. De OliveiraM. LevkowitzH.:Uncovering clusters in crowded parallel coordinates visualizations. InInformation Visualization 2004. INFOVIS 2004. IEEE Symposium on(0–02004) pp.81–88. 2.

AmarR. EaganJ. StaskoJ.:Low‐level components of analytic activity in information visualization. InProceedings of IEEE Symposium on Information Visualization (InfoVis)(2005) pp.111–117. 1 2.

AzharS. RissanenM.:Evaluation of parallel coordinates for interactive alarm filtering. InInformation Visualisation (IV) 2011 15th International Conference on(july 2011) pp.102–109. 1.

Chambers J. M., 1983, Graphical Methods for Data Analysis

10.1109/TVCG.2011.201

10.1080/00949657508810123

HeinrichJ. LuoY. KirkpatrickA. E. WeiskopfD.:Evaluation of a bundling technique for parallel coordinates. InProceedings of International Conference on Information Visualization Theory and Applications(2012). 2.

HoltenD. Van WijkJ.J.:Evaluation of cluster identification performance for different PCP variants. InProceedings of Eurographics/IEEE‐VGTC Symposium on Visualization (EuroVis)(2010). 1 2 8.

10.1007/BF01898350

KincaidR. DejgaardK.:Massvis: Visual analysis of protein complexes using mass spectrometry. InVisual Analytics Science and Technology 2009. VAST 2009. IEEE Symposium on(oct. 2009) pp.163–170. 1.

10.1057/ivs.2008.13

10.1109/TVCG.2007.70523

ShneidermanB.:The eyes have it: A task by data type taxonomy for information visualizations. InProceedings of IEEE Symposium on Visual Languages (VL)(1996) pp.336–343. 1.

10.1007/978-3-540-31842-2_21

TymanJ. GruetzmacherG. StaskoJ.:Infovisexplorer. InInformation Visualization 2004. INFOVIS 2004. IEEE Symposium on(oct. 2004) p. r7. 1.

TheiselH.:Higher order parallel coordinates. InProc. Vision Modeling and Visualization (VMV)( Saarbrãijcken 2000) GirodB. GreinerG. NiemannH. (Ed.)H.‐P. S. (Eds.) pp.119–125. 2.

10.1109/TVCG.2010.205

Wong P. C., Scientific Visualization: Overviews, Methodologies, and Techniques, 3

Wegman E. J., 1990, Hyperdimensional data analysis using parallel coordinates, J. of the American Statistical Association, 85, 664, 10.1080/01621459.1990.10474926

10.1109/TVCG.2009.179

Thông tin
Thông tin xuất bản

Computer Graphics Forum

Tập 31 Số 3pt4

1365-1374

Thông tin tác giả