Making Parameter Dependencies of Time‐Series Segmentation Visually Understandable
Making Parameter Dependencies of Time‐Series Segmentation Visually Understandable
复制标题
使时间序列分割的参数依赖性直观易懂
DOI：
10.1111/cgf.13894
复制
发表时间：
2020
影响因子：
2.5
通讯作者：
Tominski
中科院分区：
文献类型：
--
作者：
Eichner;Schumann;Tominski
这项工作提出了一种方法来支持时间序列分割的参数依赖性的可视化分析。其目的是帮助分析人员了解哪些参数具有较高的影响力，哪些分割属性对参数变化高度敏感。我们的方法首先从分割输出中获得特征，然后计算特征和参数之间的相关性，更准确地说，在参数子范围中捕获全局和局部依赖性。专用概述可视化相关性，以帮助用户了解参数影响并识别参数空间中的不同影响区域。通过在视觉上强调参与依赖性的参数范围和段来支持对分割的详细检查。这涉及到链接和突出显示，以及一个特殊的排序机制，当用户交互式地探索各个依赖关系时，该机制可以动态地调整可视化。该方法被应用在活动识别的分割时间序列的上下文中。来自领域专家的非正式反馈表明，我们的方法是对分析师工具箱进行时间序列分割的有用补充。
This work presents an approach to support the visual analysis of parameter dependencies of time‐series segmentation. The goal is to help analysts understand which parameters have high influence and which segmentation properties are highly sensitive to parameter changes. Our approach first derives features from the segmentation output and then calculates correlations between the features and the parameters, more precisely, in parameter subranges to capture global and local dependencies. Dedicated overviews visualize the correlations to help users understand parameter impact and recognize distinct regions of influence in the parameter space. A detailed inspection of the segmentations is supported by means of visually emphasizing parameter ranges and segments participating in a dependency. This involves linking and highlighting, and also a special sorting mechanism that adjusts the visualization dynamically as users interactively explore individual dependencies. The approach is applied in the context of segmenting time series for activity recognition. Informal feedback from a domain expert suggests that our approach is a useful addition to the analyst's toolbox for time‐series segmentation.
登录
查看更多内容
对时间序列数据分段和标记过程中的不确定性进行分类
DOI：
--
发表时间：
2018
期刊：
Eurographics Conference on Visualization
影响因子：
--
作者：
M. Bögl;C. Bors;T. Gschwandtner;S. Miksch
通讯作者：
S. Miksch
影响因子：
3.7
作者：
Krüger F;Nyolt M;Yordanova K;Hein A;Kirste T
通讯作者：
Kirste T
使用参数空间划分来评估模型的定性拟合
影响因子：
3.5
作者：
S. Steegen;F. Tuerlinckx;Wolf Vanpaemel
通讯作者：
Wolf Vanpaemel
DOI：
10.1016/j.cag.2013.09.004
发表时间：
2014-04
期刊：
Comput. Graph.
影响因子：
--
作者：
M. Luboschik;Stefan Rybacki;Fiete Haack;Hans-Jörg Schulz
通讯作者：
M. Luboschik;Stefan Rybacki;Fiete Haack;Hans-Jörg Schulz
分类时间序列的排序
DOI：
--
发表时间：
2015
期刊：
IEEE Conference on Visual Analytics Science and Technology
影响因子：
--
作者：
C. Richter;M. Luboschik;Martin Rohlig;H. Schumann
通讯作者：
H. Schumann