Advertisement

Informatik-Spektrum

, Volume 33, Issue 6, pp 589–600 | Cite as

Visualisierung und Analyse multidimensionaler Datensätze

  • Dirk J. Lehmann
  • Georgia Albuquerque
  • Martin Eisemann
  • Andrada Tatu
  • Daniel Keim
  • Heidrun Schumann
  • Marcus Magnor
  • Holger Theisel
HAUPTBEITRAG MULTIDIMENSIONALE DATENSÄTZE
  • 618 Downloads

Zusammenfassung

Für multidimensionale Datensätze existieren eine Reihe von automatischen Analysemethoden und Visualisierungstechniken, um ihnen innewohnende Zusammenhänge und Charakteristika aufzudecken. Die zunehmende Größe und Komplexität solcher Daten macht es notwendig, beide Ansätze miteinander zu kombinieren. In diesem Artikel stellen wir Ihnen daher etablierte Methoden zur visuellen und zur automatischen Datenanalyse vor und zeigen neuere Ansätze auf, diese sinnvoll miteinander zu kombinieren. Dabei werden alle Erläuterungen anhand anschaulicher Beispiele verdeutlicht und so für den Leser nachvollziehbar.

Preview

Unable to display preview. Download preview PDF.

Unable to display preview. Download preview PDF.

References

  1. 1.
    Albuquerque G, Eisemann M, Lehmann DJ, Theisel H, and Magnor M (2009) Quality-based visualization matrices. Proceedings of Vision, Modeling, and Visualization. BraunschweigGoogle Scholar
  2. 2.
    Asimov D (1985) The grand tour: a tool for viewing multidimensional data. J Sci Stat Comp 6(1):128–143zbMATHCrossRefMathSciNetGoogle Scholar
  3. 3.
    Bachthaler S, Weiskopf D (2008) Continuous Scatterplots. IEEE T Vis Comput Gr 16(6):1428–1435CrossRefGoogle Scholar
  4. 4.
    Beyer SK, Goldstein J, Ramakrishnan R, Shaft U (1999) When is “nearest neighbor” meaningful? In: ICDT ’99: Proceedings of the 7th International Conference on Database Theory, London, UK, pp 217–235, SpringerGoogle Scholar
  5. 5.
    Cleveland SW (1993) Visualizing Data. Hobart Press, Summit, NJGoogle Scholar
  6. 6.
    Everitt SB, Dunn G (1991) Applied Multivariate Data Analysis. ArnoldGoogle Scholar
  7. 7.
    Fisherkeller AM, Friedman HJ, Tukey WJ (1987) Prim-9: an interactive multi-dimensional data display and analysis system. In: Sleveland WS (ed) Dynamic Graphics for Statistics. Chapman and Hall, New YorkGoogle Scholar
  8. 8.
    Friedman HJ (1987) Exploratory projection pursuit. J Am Stat Assoc 82:249–266zbMATHCrossRefGoogle Scholar
  9. 9.
    Heinrich J, Weiskopf D (2009) Continuous Parallel Coordinates. IEEE T Vis Comput Gr (Proceedings Visualization/Information Visualization 2009) 15(6):1531–1538CrossRefGoogle Scholar
  10. 10.
    Hinneburg A, Aggarwal CC, Keim AD (2000) What is the nearest neighbor in high dimensional spaces? In: VLDB ’00: Proceedings of the 26th International Conference on Very Large Data Bases, San Francisco, CA, USA, pp 506–515, Morgan Kaufmann Publishers Inc.Google Scholar
  11. 11.
    Hoffman P, Grinstein G, Marx K, Grosse I, and Stanley E (1997) Dna visual and analytic data mining. In: Proceedings of the 8th conference on Visualization, Phoenix, AZ, pp 437ffGoogle Scholar
  12. 12.
    Inselberg A (2009) Parallel Coordinates. Springer, BerlinzbMATHCrossRefGoogle Scholar
  13. 13.
    Johansson S, Johansson J (2009) Interactive dimensionality reduction through user-defined combinations of quality metrics. IEEE T Vis Comput Gr 15(6):993–1000CrossRefMathSciNetGoogle Scholar
  14. 14.
    Keim D, Ankerst M, Kriegel H (1995) Recursive pattern: a technique for visualizing very large amounts of data. In: Proc. Visualization 1995 IEEE Computer Society Press, Washington, DC, pp 279–287Google Scholar
  15. 15.
    Kohonen T (1995) Self Organizing Maps. SpringerGoogle Scholar
  16. 16.
    Mead A (1992) Review of the development of multidimensional scaling methods, vol 33. The Statistician 41:27–39CrossRefGoogle Scholar
  17. 17.
    Moore SD, McCabe PG (1999) Introduction to the Practice of Statistics. WH Freeman, New York, NYGoogle Scholar
  18. 18.
    Nocke T (2007) Visuelles Data Mining und Visualisierungsdesign für die Klimaforschung. Dissertation, Universität Rostock, Fakultät für Informatik und ElektrotechnikGoogle Scholar
  19. 19.
    Picket MR, Grindstein G (1988) Iconographics displays for visualizing multidimensional data. In: Proc. IEEE Conference on Systems, Man and Cybernetics, Beijing and Shenyang, pp 514–519Google Scholar
  20. 20.
    Rao R, Card KS (1994) The table lens: merging graphical and symbolic representations in an interactive focus+context visualization for tabular information. In: Proceedings of the ACM SIGCHI Conference on Human Factors in Computing Systems, pp 318–322Google Scholar
  21. 21.
    Schumann H, Müller W (2000) Visualisierung: Grundlagen und allgemeine Methoden. SpringerGoogle Scholar
  22. 22.
    Seo J, Shneiderman B (2005) A rank-by-feature framework for interactive exploration of multidimensional data. Inform Visual 4(2):96–113CrossRefGoogle Scholar
  23. 23.
    Sips M, Neubert B, Lewis PJ, Hanrahan P (2009) Selecting good views of high-dimensional data using class consistency. Comput Graph Forum (Proc. EuroVis 2009) 28(3):831–838CrossRefGoogle Scholar
  24. 24.
    Tatu A, Albuquerque G, Eisemann M, Schneidewind J, Theisel H, Magnor M, Keim D (2009) Combining automated analysis and visualization techniques for effective exploration of high dimensional data. In: IEEE Symposium on Visual Analytics Science and Technology, New Jersey, pp 59–66Google Scholar
  25. 25.
    Thomas JJ, Cook KA (2006) A Visual Analytics Agenda. IEEE Comput Graph 10–13Google Scholar
  26. 26.
    Wattenberg M (2005) A note on space-filling visualizations and space-filling curves. In: Proc. of the 2005 IEEE Symposium on Information Visualization, pp 181–186Google Scholar
  27. 27.
    Wong PC, Bergeron RD (1997) 30 Years of Multidimensional Multivariate Visualization. In: Scientific Visualization, Overviews, Methodologies, and Techniques. IEEE Computer Society Press, Washington, DC, pp 3–33Google Scholar

Copyright information

© Springer-Verlag 2010

Authors and Affiliations

  • Dirk J. Lehmann
    • 1
  • Georgia Albuquerque
    • 2
  • Martin Eisemann
    • 2
  • Andrada Tatu
    • 3
  • Daniel Keim
    • 3
  • Heidrun Schumann
    • 4
  • Marcus Magnor
    • 2
  • Holger Theisel
    • 1
  1. 1.Universität MagdeburgMagdeburgDeutschland
  2. 2.TU BraunschweigBraunschweigDeutschland
  3. 3.Universität KonstanzKonstanzDeutschland
  4. 4.Universität RostockRostockDeutschland

Personalised recommendations