文献

J-GLOBAL ID：201802252272632415   整理番号：18A1426518

多変量散乱プロットのためのクラスタベース視覚抽象化【JST・京大機械翻訳】

Cluster-Based Visual Abstraction for Multivariate Scatterplots

著者 (4件)： Liao Hongsen (School of Software, Tsinghua National Laboratory for Information Science and Technology, Tsinghua University, Beijing, China) ,  Wu Yingcai (State Key Lab of CAD & CG, Zhejiang University, Zhejiang Sheng, China) ,  Chen Li (School of Software, Tsinghua National Laboratory for Information Science and Technology, Tsinghua University, Beijing, China) ,  Chen Wei (State Key Lab of CAD & CG, Zhejiang University, Zhejiang Sheng, China)
資料名： IEEE Transactions on Visualization and Computer Graphics  (IEEE Transactions on Visualization and Computer Graphics)
巻： 24  号： 9  ページ： 2531-2545  発行年： 2018年 
JST資料番号： W0715A  ISSN： 1077-2626  CODEN： ITVGEA  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 散乱プロットの使用は,多変量データ可視化のための重要な方法である。各点によって表される可変値とともに,散乱プロット上の点分布は,データにおける基礎パターンの解析を助けることができる。しかし,多次元スケーリングのような射影法を用いて生成された散乱プロット上の多変量データ変動を決定することは困難である。さらに,データスケールが大きく,クラッタ問題が発生するとき,点分布は不明確になる。これらの条件は,多変量データ解析における散乱プロットの使用性を著しく減少させることができる。本研究では,多変量散乱プロットの可視化を強化するためのクラスタベース視覚抽象化法を提案した。著者らの方法は,散乱プロットのための高品質の抽象化を提供するために,適応マルチラベルクラスタリング法を活用した。画像ベースの方法を用いて,大規模データ問題を扱った。さらに,異なるレベルの詳細にデータを可視化し,データ探索を支援するために,一連のグリフを設計した。グリフに基づく可視化とテーブルレンズの間の視点協調は,多変量データ解析を効果的に強化することができる。データ抽象化品質,事例研究,およびユーザ研究のための数値評価を通して,著者らは,散乱プロットに関する多変量データ解析のために提案した技術の有効性と有用性を実証した。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： レンズ ,  *散乱 ,  高次元 ,  データ探索 ,  射影 ,  *視覚 ,  クラッタ ,  可視化 ,  品質 ,  事例研究 ,  画像
準シソーラス用語： 大規模データ ,  多変量データ ,  データ可視化 ,  *多変量 , 【Automatic Indexing@JST】

分類 (2件)： 情報処理一般  (JE15010U) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (6件)： 多変量 ,  散乱 ,  プロット ,  クラスタ ,  視覚 ,  抽象化