PCP-Ed: Parallel coordinate plots for ensemble data
PCP-Ed: Parallel coordinate plots for ensemble data
复制标题
PCP-Ed：集合数据的平行坐标图
DOI：
10.1016/j.visinf.2022.10.003
复制
发表时间：
2023
影响因子：
3
通讯作者：
Firat E
中科院分区：
文献类型：
--
作者：
Firat E
平行坐标图（PCP）是一种复杂的视觉设计，通常用于高维数据的分析。不断增加的数据大小和复杂性可能会使在有限空间中破译和发现趋势和异常值变得具有挑战性。由于边缘重叠而产生的密集PCP图像可能会导致图案被覆盖。我们开发了旨在探索数据维度之间关系的技术，以揭示密集pcp的趋势。我们在PCP视图中引入相关符号，以揭示相邻轴对之间的相关性强度，以及通过研究边缘相交的密集区域来揭示数据维度之间的联系的交互式符号透镜。我们还提出了一个减法算子来识别两个相似的多变量数据集之间的差异，并通过折叠轴对来实现关系引导的降维。最后，我们提出了一个应用于集成数据的技术的案例研究，并提供了来自流行病学领域专家的反馈。
The Parallel Coordinate Plot (PCP) is a complex visual design commonly used for the analysis of high-dimensional data. Increasing data size and complexity may make it challenging to decipher and uncover trends and outliers in a confined space. A dense PCP image resulting from overlapping edges may cause patterns to be covered. We develop techniques aimed at exploring the relationship between data dimensions to uncover trends in dense PCPs. We introduce correlation glyphs in the PCP view to reveal the strength of the correlation between adjacent axis pairs as well as an interactive glyph lens to uncover links between data dimensions by investigating dense areas of edge intersections. We also present a subtraction operator to identify differences between two similar multivariate data sets and relationship-guided dimensionality reduction by collapsing axis pairs. We finally present a case study of our techniques applied to ensemble data and provide feedback from a domain expert in epidemiology.
登录
查看更多内容
使用平行坐标的边捆绑来直观地表示簇特征
DOI：
10.1109/iv.2017.29
发表时间：
2017
期刊：
2017 21st International Conference Information Visualisation (IV)
影响因子：
--
作者：
R. Lima;Carlos G. R. Santos;B. Meiguins
通讯作者：
B. Meiguins
PeaGlyph：用于研究平衡数据结构的字形设计
影响因子：
2.3
作者：
Kenan Koc;A. Mcgough;Sara Johansson Fernstad
通讯作者：
Sara Johansson Fernstad
Spectrum：用于颜色图管理的 C 标头库
DOI：
--
发表时间：
2018
期刊：
Computer Graphics and Visual Computing
影响因子：
--
作者：
Richard C. Roberts;Liam McNabb;N. Al;R. Laramee
通讯作者：
R. Laramee
影响因子：
2.5
作者：
M. Blumenschein;Xuan Zhang;David Pomerenke;D. Keim;Johannes Fuchs
通讯作者：
M. Blumenschein;Xuan Zhang;David Pomerenke;D. Keim;Johannes Fuchs
揭示密集 2D 和 3D 平行坐标可视化中的结构
影响因子：
2.3
作者：
J. Johansson;P. Ljung;M. Jern;M. Cooper
通讯作者：
M. Cooper