Dieses Projekt ist Teil des Sonderforschungsbereichs SFB-TRR 161 „Quantitative Methoden für Visual Computing“.

Die Analyse hochdimensionaler Daten erfordert den Umgang mit zahlreichen Herausforderungen, wie der Auswahl aussagekräftiger Dimensionen, dem Finden relevanter Projektionen und der Entfernung von Rauschen. Infolgedessen ist die Extraktion relevanter und bedeutungsvoller Informationen aus hochdimensionalen Daten ein schwieriges Problem. Dieses Projekt zielt darauf ab, das Feld der qualitätsmetrisch gesteuerten Datenvisualisierung voranzubringen, mit der zentralen Forschungsfrage, wie sich die Qualität von Transformationen und Abbildungen hochdimensionaler Daten für die visuelle Analyse quantifizieren lässt.

Forschungsfragen

• Wie können wir die Qualität einer Visualisierung messen und quantifizieren? Inwiefern unterscheiden sich Methoden im Datenraum von Methoden im Bildraum?
• Wie können wir die gemessene Qualität einer Visualisierung mit der menschlichen Wahrnehmung vergleichen?
• Wie kann der Nutzer in einen qualitätsmetrisch gesteuerten Prozess visueller Abbildungen und Transformationen eingebunden werden?
• Welchen Einfluss haben Wahrnehmungseffekte auf Qualitätsmaße?
• Können wir die visuelle Darstellung von Informationen verbessern, indem wir Wahrnehmungseffekte in Visualisierungen integrieren?

Ausgewählte Ergebnisse

SMARTexplore: Ein neuartiger, tabellenbasierter Visual-Analytics-Ansatz zur Identifikation und zum Verständnis von Clustern, Korrelationen und komplexen Mustern in hochdimensionalen Daten. Wir verwenden Qualitätsmetriken für eine halbautomatische Zuverlässigkeitsanalyse sowie ein musterbasierendes Layout von Zeilen und Spalten. Algorithmen für Musterabgleich und Teilraumanalyse werden eingesetzt, um interessante Erkenntnisse aufzudecken. Probieren Sie es hier aus.