RCLens: Interactive Rare Category Exploration and Identification
RCLens: Interactive Rare Category Exploration and Identification
复制标题
RCLens：交互式稀有类别探索和识别
DOI：
10.1109/tvcg.2017.2711030
复制
发表时间：
2018-07
影响因子：
5.2
通讯作者：
Nan Cao
中科院分区：
文献类型：
--
作者：
Hanfei Lin;Siyuan Gao;David Gotz;Fan Du;Jingrui He;Nan Cao
稀有类别识别是许多应用领域的重要任务，从网络安全到金融欺诈检测，再到个性化医疗。这些都是需要发现和描述一组罕见但结构相似的数据实体的应用程序，这些数据实体被隐藏在一个更大但结构不同的数据集中。本文介绍了RCLens，一个可视化分析系统，旨在支持用户引导的稀有类别探索和识别。RCLens采用一种新颖的基于主动学习的算法，根据用户提供的反馈迭代识别更准确的稀有类别。该算法与基于交互的可视化界面紧密结合，为稀有类别识别提供了一种新颖有效的工作流程。本文(1)定义了RCLens的底层主动学习算法；(2)描述可视化和交互设计，包括讨论设计如何支持用户引导的稀有类别识别；(3)给出了RCLens支持稀有类别识别过程的能力评估结果。
Rare category identification is an important task in many application domains, ranging from network security, to financial fraud detection, to personalized medicine. These are all applications which require the discovery and characterization of sets of rare but structurally-similar data entities which are obscured within a larger but structurally different dataset. This paper introduces RCLens, a visual analytics system designed to support user-guided rare category exploration and identification. RCLens adopts a novel active learning-based algorithm to iteratively identify more accurate rare categories in response to user-provided feedback. The algorithm is tightly integrated with an interactive visualization-based interface which supports a novel and effective workflow for rare category identification. This paper (1) defines RCLens’ underlying active-learning algorithm; (2) describes the visualization and interaction designs, including a discussion of how the designs support user-guided rare category identification; and (3) presents results from an evaluation demonstrating RCLens’ ability to support the rare category identification process.
登录
查看更多内容
DOI：
10.1201/b10345-5
发表时间：
2010-11
期刊：
Encyclopedia of Autism Spectrum Disorders
影响因子：
--
作者：
Kim-Anh Lê Cao;Z. Welham
通讯作者：
Kim-Anh Lê Cao;Z. Welham
影响因子：
12
作者：
Hodge, VJ;Austin, J
通讯作者：
Austin, J
影响因子：
1.1
作者：
Angluin, D
通讯作者：
Angluin, D
影响因子：
4.5
作者：
D. Pelleg;A. Moore
通讯作者：
D. Pelleg;A. Moore
Z-Glyph：可视化多元数据中的异常值
影响因子：
2.3
作者：
Nan Cao;Yu-Ru Lin;David Gotz;Fan Du
通讯作者：
Fan Du