> Detailanzeige

Blumenschein, Michael [Verfasser:in]; Behrisch, Michael [Verfasser:in]; Schmid, Stefanie [Verfasser:in]; Butscher, Simon [Verfasser:in]; Wahl, Deborah R. [Verfasser:in]; Villinger, Karoline [Verfasser:in]; Renner, Britta [Verfasser:in]; Reiterer, Harald [Verfasser:in]; Keim, Daniel A. [Verfasser:in]

SMARTexplore : Simplifying High-Dimensional Data Analysis through a Table-Based Visual Analytics Approach

Literatur-
verwaltung

Zur
Merkliste

Lösche von
Merkliste

Per Whatsapp teilen

Schließen

Merkliste



Sie können Bookmarks mittels Listen verwalten, loggen Sie sich dafür bitte in Ihr SLUB Benutzerkonto ein.
  • Medientyp: Sonstige Veröffentlichung; Elektronischer Konferenzbericht
  • Titel: SMARTexplore : Simplifying High-Dimensional Data Analysis through a Table-Based Visual Analytics Approach
  • Beteiligte: Blumenschein, Michael [Verfasser:in]; Behrisch, Michael [Verfasser:in]; Schmid, Stefanie [Verfasser:in]; Butscher, Simon [Verfasser:in]; Wahl, Deborah R. [Verfasser:in]; Villinger, Karoline [Verfasser:in]; Renner, Britta [Verfasser:in]; Reiterer, Harald [Verfasser:in]; Keim, Daniel A. [Verfasser:in]
  • Erschienen: KOPS - The Institutional Repository of the University of Konstanz, 2019
  • Sprache: Englisch
  • DOI: https://doi.org/10.1109/VAST.2018.8802486
  • Schlagwörter: aggregation ; patterndriven analysis ; tabular visualization ; High-dimensional data ; subspace ; visual exploration
  • Entstehung:
  • Anmerkungen: Diese Datenquelle enthält auch Bestandsnachweise, die nicht zu einem Volltext führen.
  • Beschreibung: We present SMARTEXPLORE, a novel visual analytics technique that simplifies the identification and understanding of clusters, correlations, and complex patterns in high-dimensional data. The analysis is integrated into an interactive table-based visualization that maintains a consistent and familiar representation throughout the analysis. The visualization is tightly coupled with pattern matching, subspace analysis, reordering, and layout algorithms. To increase the analyst’s trust in the revealed patterns, SMARTEXPLORE automatically selects and computes statistical measures based on dimension and data properties. While existing approaches to analyzing highdimensional data (e.g., planar projections and Parallel coordinates) have proven effective, they typically have steep learning curves for non-visualization experts. Our evaluation, based on three expert case studies, confirms that non-visualization experts successfully reveal patterns in high-dimensional data when using SMARTEXPLORE. ; published
  • Zugangsstatus: Freier Zugang
  • Rechte-/Nutzungshinweise: Urheberrechtsschutz