[文献导读] 信息可视化和可视化挖掘

Information Visualization and Visual Data Mining
Daniel A. Keim, Member, IEEE Computer Society
IEEE TRANSACTIONS ON VISUALIZATION AND COMPUTER GRAPHICS, VOL. 8, NO. 1, JANUARY-MARCH 2002
1 背景
有史以来从来没有一个时代像今天这样产生如此大规模的数据。大量数据的分析也变得尤为困难。信息可视化和可视化数据挖掘可以帮助处理海量数据。可视化数据探索的优势是用户直接参与数据挖掘过程。在过去十年中,为了支持大数据集的探索,建立了大量的信息可视化技术。在本文中,我们提出的信息可视化和可视化数据挖掘技术的分类是基于可视化的数据类型、可视化技术、以及交互和失真技术三个方面。

2可视化数据挖掘的好处
1)可视化数据探索可以很轻松地处理高维非齐次数据和嘈杂数据。
2)可视化数据探索是直观的,不需要对复杂的数学或统计学算法或参数的理解

3可视化数据挖掘技术的分类
技术可以根据三个标准分类:可视化的数据,可视化技术,交互和失真技术。
可视化数据类型可以是:
1)一维数据,例如时间数据。
2)二维数据,例如北极星的地理地图
3)多维数据,例如北极星中的关系表
4)文本和超文本,例如新闻报道和网络文件
5)层次结构和图形,例如电话呼叫
6)算法和软件,例如调试操作
所使用的可视化技术可被分类为:
1)标准的2D、3D显示器,如条形图和XY图。
2)几何变换的展示,如陆地和平行坐标。
3)基于图标的展示,如指针图标和星星图标
4)密集像素展示,如递归模式,圆弧段技术。
5)层叠显示器。例如树状图,三维堆叠。
分类的第三维是交互和失真技术。它允许用户与可视化直接进行交互,分为:
1)交互式投影
2)交互式滤波
3)交互式缩放,在MGV中用到
4)交互式变形,在可伸缩框架中用到。
5)交互式链接和刷新

4总结
关于大数据集的研究是项重要而又比较困难的工作,信息可视化技术可以帮助解决问题。可视化数据的研究具有很高的潜力并且应用面十分广阔,例如欺诈检测和提取数据,它将运用信息可视化技术来提高分析数据的能力。基于统计、机器学习、运筹学、模拟仿真这些学科,未来的研究工作将会涉及可视化技术与传统技术的紧密结合。

关键词
信息可视化,可视化数据挖掘,可视化数据探索,分类

anyShare分享到:
This entry was posted in 新闻动态. Bookmark the permalink.

发表评论