Prof. Dr. Detlef Krömker Goethe-Universität, Frankfurt Graphische Datenverarbeitung Visualisierung...
-
Upload
gottlob-schuler -
Category
Documents
-
view
217 -
download
1
Transcript of Prof. Dr. Detlef Krömker Goethe-Universität, Frankfurt Graphische Datenverarbeitung Visualisierung...
Prof. Dr. Detlef Krömker
Goethe-Universität, FrankfurtGraphische Datenverarbeitung
Visualisierung
Vorlesung 12
WS 2005/20062Visualisierung – Vorlesung 12Prof. Dr. Detlef Krömker
Übersicht
Wiederholung Fortgeschrittene Visualisierungstechniken
Geometrische Verfahren Ikonen-basierte Verfahren Pixel-basierte Verfahren Hierarchische Verfahren
WS 2005/20063Visualisierung – Vorlesung 12Prof. Dr. Detlef Krömker
Fortgeschrittene Visualisierungstechniken: Klassifikation
Klassifikation fortgeschrittener Visualisierungstechniken Visualisierungstechniken
2d vs. 3d Geometrisch, Ikonen-basiert, Pixel-basiert, hierarchisch,
Graph-basiert Interaktionstechniken
Mapping, Projektion, Filterung, Brushing & Linking, Zooming Verzerrungstechnik
Keine, einfach, komplex Ansatz zur Informationsdarstellung
Vollständig, teilweise
WS 2005/20064Visualisierung – Vorlesung 12Prof. Dr. Detlef Krömker
Fortgeschrittene Visualisierungstechniken: Klassifikation
Mapping ProjektionFilterungBrushing &
Linking Zooming
Einfach
Komplex
Graph-basiert
Pixel-basiert
Ikonen-basiert
Hierarchisch
GeometrischVisualisierung
Verzerrung
Interaktion
nach Keim 2000mit Adaptionen
WS 2005/20065Visualisierung – Vorlesung 12Prof. Dr. Detlef Krömker
Fortgeschrittene Visualisierungstechniken: Klassifikation
Mapping ProjektionFilterungBrushing &
Linking Zooming
Einfach
Komplex
Graph-basiert
Pixel-basiert
Ikonen-basiert
Hierarchisch
GeometrischVisualisierung
Verzerrung
Interaktion
nach Keim 2000mit Adaptionen
WS 2005/20066Visualisierung – Vorlesung 12Prof. Dr. Detlef Krömker
Fortgeschrittene Visualisierungstechniken: Klassifikation
Graphen-basiert: Einfache Graphen, Spezielle Graphen (z.B.DAG, Symmetric, Cluster, ...), Systeme (z.B.Tom Sawyer, Hy+, SeeNet, Narcissus, ...)
Ikonen-basiert: Chernoff Faces, Stick Figures, Shape-Coding,Color-Icons, TileBars, ...
Pixel-basiert: Recursive Pattern Techniques, CircleSegments Technique, Spiral & AxesTechniques, ...
Hierarchisch: Dimensional Stacking, Worlds-within-worlds,Treemaps, Cone Trees, InfoCube, ...
Geometrisch:Scatterplots, Landscapes, ProjectionTechniques, Prosection Views, Hyperslice,Parallel Coordinates, ...
Hybrid: Beliebige Kombinationen der oben genannten Techniken
after Keim, 2000, with modifications
WS 2005/20067Visualisierung – Vorlesung 12Prof. Dr. Detlef Krömker
Verzerrungstechniken
Einfache Verzerrung: (z.B. Perspective Wall, Bifocal Lenses, TableLens, Graphical Fisheye Views, ...)
Komplexe Verzerrung: Hyperbolische Darstellungen,Hyperbox, ...
WS 2005/20068Visualisierung – Vorlesung 12Prof. Dr. Detlef Krömker
Dynamische / Interaktions-TechnikenData-to-Visualization Mapping:
AutoVisual, S Plus, XGobi, IVEE, ...
Projektionen: GrandTour, S Plus, XGobi, ...
Filterung: Selektion, Querying (z.B. MagicLens, Filter/Flow Queries, InfoCrystal, ...)
Linking & Brushing: Xmdv-Tool, XGobi, DataDesk, …
Zooming: PAD++, IVEE, DataSpace, ...
Detail on Demand: IVEE, TableLens, MagicLens, VisDB, ...
WS 2005/20069Visualisierung – Vorlesung 12Prof. Dr. Detlef Krömker
Fortgeschrittene Visualisierungstechniken: Klassifikation
Mapping ProjektionFilterungBrushing &
Linking Zooming
Einfach
Komplex
Graph-basiert
Pixel-basiert
Ikonen-basiert
Hierarchisch
GeometrischVisualisierung
Verzerrung
Interaktion
nach Keim 2000mit Adaptionen
WS 2005/200610
Visualisierung – Vorlesung 12Prof. Dr. Detlef Krömker
Visualisierungstechniken: Geometrische Techniken
Ansatz: Visualisierung durch geometrische Transformationen
und Projektionen der Daten Techniken
Panel Matrices und verwandte Techniken Scatterplot Matrices [And 72, Cleveland 93] Projection Pursuit Techniques [Hub85] Prosection Views [FB94, STDS 95] Hyperslice [WL 93]
Parallele Koordinaten [Ins85, ID90] Landscapes [Wis95]
WS 2005/200611
Visualisierung – Vorlesung 12Prof. Dr. Detlef Krömker
Geometrische Techniken:Scatterplot Matrices
Scatterplot Matrices And 1972, Cleveland 1993
Ansatz: Auswahl von je 2 Dimensionen des
multidimensionalen Datensatzes und Visualisierung als Punktediagramm (Scatterplot)
Resultat: Matrix von Scatterplots(x-y-diagrams) desk-dimensionalen Datensatzes mit (k2/2 - k) einzelnen Diagrammen
Aspekte Ermöglicht i.d.R. die vollständige
Visualisierung eines multidimensionalen Datensatzes
Cleveland 1993
WS 2005/200612
Visualisierung – Vorlesung 12Prof. Dr. Detlef Krömker
Geometrische Techniken:Prosection ViewsProsection Matrices
Tweedie et. al. 1996Ansatz
Erweiterung der Scatterplot Matrices
Matrix aller orthogonaler Projektionen, wobei die Merkmale eines selektierten multidimensionalen Sub-Raums farblich anders dargestellt werden
Aspekte Geeignet zum Finden von
bedeutsamen Projektionen multidimensionaler Daten
Kombination von Selektion und Projektion
R. Spence, Imperial College London
WS 2005/200613
Visualisierung – Vorlesung 12Prof. Dr. Detlef Krömker
Geometrische Techniken:Prosection Views
Beispiel Brushing eines
Scatterplots Färbung der Daten mit
Bezug auf Toleranzwerte in jeder Dimension
R. Spence, Imperial College London
WS 2005/200614
Visualisierung – Vorlesung 12Prof. Dr. Detlef Krömker
Geometrische Techniken:Hyperslice
Hyperslice van Wijk, van Liere 1993
Ansatz Erweiterung der Scatterplot
Matrices Matrix von k2 Schnitten
durch einen k-dimensionalen Datensatz
Interaktive Spezifikation der Schnitte
WS 2005/200615
Visualisierung – Vorlesung 12Prof. Dr. Detlef Krömker
Geometrische Techniken:Hyperslice
Van Wijk 1993
WS 2005/200616
Visualisierung – Vorlesung 12Prof. Dr. Detlef Krömker
Geometrische Techniken:Parallel Coordinates
Parallele Koordinaten Inselberg 1985, ID 90
Ausgangspunkt Daten: k Dimensionen / Attribute
Ansatz Layout an k parallelen Achsen Pro Daten-Attribut eine Achse Achsen bezüglich der
Minima/Maxima des jeweiligen Attributs skaliert
Datenrepräsentation: PolygonAspekte
Vollständige Visualisierung eines k-dimensionalen Datensatzes
Attr. 1 Attr. 2 Attr. 3
WS 2005/200617
Visualisierung – Vorlesung 12Prof. Dr. Detlef Krömker
Geometrische Techniken:Parallel Coordinates
Beispiel Visualisierung mikrobiologischer Daten
Schumann, Müller 2000
WS 2005/200618
Visualisierung – Vorlesung 12Prof. Dr. Detlef Krömker
Geometrische Techniken:Parallel Coordinates
15.000 Datenelemente mit Noise 5% der Daten (750 Elemente)
Keim 2001
WS 2005/200619
Visualisierung – Vorlesung 12Prof. Dr. Detlef Krömker
Geometrische Techniken:Parallel Coordinates
15.000 Datenelemente mit Query-abhängiger Kolorierung
Keim 2001
WS 2005/200620
Visualisierung – Vorlesung 12Prof. Dr. Detlef Krömker
Geometrische Techniken:3D Parallel Coordinates
Schumann, Müller 2000
WS 2005/200621
Visualisierung – Vorlesung 12Prof. Dr. Detlef Krömker
Geometrische Techniken:Spiral Graphs
Spiralengraph Weber et. al. 2001
Zielsetzung Visualisierung großer,
zeitvarianter Datensätze Ansatz
Transformation eines 1d-Sequenzdiagramms in Spirale
Visualisierung einzelner Merkmale über Farbe, Gylphen oder Balken
WS 2005/200622
Visualisierung – Vorlesung 12Prof. Dr. Detlef Krömker
Geometrische Techniken:Spiral Graphs
Beispiel: Visualisierung von täglicher Sonnscheinintensitäten über den Zeitraum eines Monats:
links: Liniengraph, rechts: Spiralgraph Spiralgraph erlaubt einfacheren Vergleich einzelner Tage, Erkennung bewölkter Tage
sowie Erkennung von Ereignissen wie Sonnenaufgang und Sonnenuntergang
WS 2005/200623
Visualisierung – Vorlesung 12Prof. Dr. Detlef Krömker
Geometrische Techniken:Spiral Graphs
Zyklenlänge im Spiralgraph Zyklenlänge: Datenbereich, der auf einen Umlauf abgebildet wird Vorgegebene natürliche Zyklen (Tage, Monate, Jahre ,…) sollten dargestellt
werden Spiralgraph kann auch durch interaktive Änderung der Zyklenlänge zur
Entdeckung bislang unbekannter Periodizitäten in den Daten genutzt werden
WS 2005/200624
Visualisierung – Vorlesung 12Prof. Dr. Detlef Krömker
Geometrische Techniken:Spiral Graphs
Zusätzliche Interaktionstechniken 3D-Helix-Darstellung
des Datensatzes zur Selektion des darzustellenden Datenbereichs
WS 2005/200625
Visualisierung – Vorlesung 12Prof. Dr. Detlef Krömker
Geometrische Techniken:Landscapes
Landscapes Wise et. al. 1995
Ansatz Visualisierung von Daten im als
perspektivische Landschaft Transformation der Daten in
kontinuierlichen, 2D-Domain Darstellung als Höhenfeld
Beispiel Visualisierung von
Textdokumenten als Resultate einer Suchanfrage
Höhe und Farbe zur Darstellung der Trefferrate
Positionierung auf 2d-Grundfläche zur Darstellung von Ähnlichkeiten der Dokumente bzgl. Themengebiets
WS 2005/200626
Visualisierung – Vorlesung 12Prof. Dr. Detlef Krömker
Fortgeschrittene Visualisierungstechniken: Klassifikation
Mapping ProjektionFilterungBrushing &
Linking Zooming
Einfach
Komplex
Graph-basiert
Pixel-basiert
Ikonen-basiert
Hierarchisch
GeometrischVisualisierung
Verzerrung
Interaktion
nach Keim 2000mit Adaptionen
WS 2005/200627
Visualisierung – Vorlesung 12Prof. Dr. Detlef Krömker
Visualisierungstechniken:Ikonen-basierte Techniken
Grundlegender Ansatz: Visualisierung von Datenwerten durch Variation der
Eigenschaften eines Icons/Glyphs Übersicht
Bubble Graphs Stick Figures (Pickett 1970, Pickett and Grinstein
1988) Chernoff-Faces (Chernoff 1973, Tufte 1983) Shape Coding (Beddow 1990] Color Icons (Levkowitz 1991) TileBars (Hearst 1995)
WS 2005/200628
Visualisierung – Vorlesung 12Prof. Dr. Detlef Krömker
Ikonen-basierte Techniken:Bubble Graphs
Ansatz Darstellung von Merkmalen
als eingefärbter Kreis Visualsierung von Merkmalen
bis zu 4 Dimensionen (Position x/y, Größe, Farbe)
Aspekte Visualisierung des
vollständigen Datensatzes möglich
Beschränkt durch Überlappungen: Anwendung beschränkt auf relativ wenige Merkmale Bertin 1982
Bertin 1983
WS 2005/200629
Visualisierung – Vorlesung 12Prof. Dr. Detlef Krömker
Ikonen-basierte Techniken:Bubble Graphs
Bubble Graph wie auch alle anderen Ikonen-basierten Visualisierungstechniken besitzen starken Bezug zu Textur/Texturwahrnehmung
Beispiel: Bubble Graph für Höhendaten
des Planeten Mars auf Gitter-Daten
WS 2005/200630
Visualisierung – Vorlesung 12Prof. Dr. Detlef Krömker
Ikonen-basierte Techniken:Stick Figures Stick Figures
Pickett 1970, Grinstein et. al. 1989 Ansatz
Visualisierung von multidimensionalen Daten unter Verwendung spezieller Stick Figure Glyphs
Abbildung der 2 wichtigsten Variablen auf Achsen der Ebene
Darstellung der Merkmale als Glyphen Abbildung der Daten auf Längen und Winkel der
Glieder des Glyphs Aspekte
Gezielte Ausnutzung des menschlichen Textursehens Visualisierung des vollständigen Datensatzes Visualisierung großer multidimensionaler Datensätze Interpretation schwierig
Grinstein et. al. 1989
WS 2005/200631
Visualisierung – Vorlesung 12Prof. Dr. Detlef Krömker
Ikonen-basierte Techniken:Stick Figures
Beispiel Visualisierung von 5-
dimensionalen Satellitendaten der Region der Großen Seen, USA
Grinstein et. al. 1989
WS 2005/200632
Visualisierung – Vorlesung 12Prof. Dr. Detlef Krömker
Ikonen-basierte Techniken:Stick Figures
Beispiel Visualisierung von
Höhen- und Temperaturdaten der Marsoberfläche
WS 2005/200633
Visualisierung – Vorlesung 12Prof. Dr. Detlef Krömker
Ikonen-basierte Techniken:Stick Figures
Beispiel Visualisierung von
Bevölkerungsdaten Alter Einkommen Geschlecht Ausbildung
Grinstein et. al. 1989
WS 2005/200634
Visualisierung – Vorlesung 12Prof. Dr. Detlef Krömker
Ikonen-basierte Techniken:3d Stick Figures
Keim 2000
WS 2005/200635
Visualisierung – Vorlesung 12Prof. Dr. Detlef Krömker
Ikonen-basierte Techniken:Chernoff Faces Chernoff-Gesichter
Chernoff 1973 Ansatz
Visualisierung multidimensionaler Daten unter Verwendung eines komplexen Icons in Form eines Gesichtes
Möglichkeit zur Variation von bis zu 12 verschiedenen Aspekten des Gesichtsausdrucks, z.B. Form, Augen, Nase, Mund
Versuch, die speziellen Fähigkeiten zur Wiedererkennung und zur Erkennung von Emotionen in menschlichen Gesichtern auszunutzen
Aspekte Interpretation schwierig Chernoff 1973
WS 2005/200636
Visualisierung – Vorlesung 12Prof. Dr. Detlef Krömker
Ikonen-basierte Techniken:Chernoff Faces
Chernoff 1973
WS 2005/200637
Visualisierung – Vorlesung 12Prof. Dr. Detlef Krömker
Ikonen-basierte Techniken:Chernoff Faces
Erweiterung Verwendung realistischer
Gesichter unter Verwendung von Morphing-Techniken
Morphing zwischen prototypischen Gesichtsausdrücken
Aspekt Weniger kompakte
Darstellung als bei Original-Chernoff-Gesichtern
Alexa, Müller 1998
WS 2005/200638
Visualisierung – Vorlesung 12Prof. Dr. Detlef Krömker
Ikonen-basierte Techniken:Chernoff Faces
Erweiterung Variation anderer
familiärer 3d-Icons
Alexa, Müller 1998
WS 2005/200639
Visualisierung – Vorlesung 12Prof. Dr. Detlef Krömker
Ikonen-basierte Techniken:Shape Coding Shape Coding
Beddow 1990 Ansatz
Visualisierung multidimensionaler Daten auf Basis eines 2d-Feldes von Zellen
Jede Zelle zur Darstellung eines Merkmals mit seinen Attributen in binärer Form (schwarz/weiß)
Zeilenweise Anordnung der Merkmale im Feld gemäß einer vorgegebenen Sortierung
Z.B. Zeit bei zeitvarianten Daten Aspekte
Vollständige Darstellung des gesamten Datensatzes
Korrelationen können besser erkannt werden, wenn korrelierte Variablen in benachbarten Zellenfeldern dargestellt werden
1 2 3 4
5 6 7 8
9 10 11 12
WS 2005/200640
Visualisierung – Vorlesung 12Prof. Dr. Detlef Krömker
Ikonen-basierte Techniken:Shape Coding
Beddow 1990
WS 2005/200641
Visualisierung – Vorlesung 12Prof. Dr. Detlef Krömker
Ikonen-basierte Techniken:Shape Coding
Schumann 2000
Beispiel:Visualisierung mikrobiologischer Daten (Schumann 2000)
WS 2005/200642
Visualisierung – Vorlesung 12Prof. Dr. Detlef Krömker
Ikonen-basierte Techniken:Color Icons
Color Icons Erweiterung des Shape Codings Zusätzliche Farbkodierung der Zellen Zusätzliche Variation der Zellenanordnung
Z.B. Spiralenbasierte Anordnung, wobei relevantere / wichtigere Daten im Zentrum dargestellt werden
Keim 2000
WS 2005/200643
Visualisierung – Vorlesung 12Prof. Dr. Detlef Krömker
Ikonen-basierte Techniken:Color Icons
Keim 2000
Visualisierung der Ausgaben eines Zufallgenerators mit mehreren (ungewünschten) Clustern (Keim 2000)
WS 2005/200645
Visualisierung – Vorlesung 12Prof. Dr. Detlef Krömker
Ikonen-basierte Techniken:Zusammenfassung
Allgemeines Ziel: Präsentation des vollständigen Datensatzes
Filterung kein integraler Bestandteil der Techniken
Spezifische Ausrichtung zur Darstellung multidimensionaler Datensätze
Effektivität der Techniken in manchen Fällen problematisch
WS 2005/200646
Visualisierung – Vorlesung 12Prof. Dr. Detlef Krömker
Fortgeschrittene Visualisierungstechniken: Klassifikation
Mapping ProjektionFilterungBrushing &
Linking Zooming
Einfach
Komplex
Graph-basiert
Pixel-basiert
Ikonen-basiert
Hierarchisch
GeometrischVisualisierung
Verzerrung
Interaktion
nach Keim 2000mit Adaptionen
WS 2005/200647
Visualisierung – Vorlesung 12Prof. Dr. Detlef Krömker
Visualisierungstechniken:Pixel-basierte Techniken
Pixel-basierte Techniken Keim 1993, 1995
Ansatz Ähnlich zu Color Icons Abbildung von
Merkmalen mittels farblicher Zellen Abbildung genau eines Merkmals (z.B. eines
ausgewählten Attributs oder einer anwendungsspezifischen Bewertung)
Abbildung der resultierenden Ikonen auf dem Bildschirm gemäß eines spezifischen Pfades
Space-filling Curve Arrangement (z.B. Peano, Morton‘s Z-Curve)
Recursive Pattern Arrangement Spiral Arrangement Axes Technique
1 2 3 4
5 6 7 8
WS 2005/200648
Visualisierung – Vorlesung 12Prof. Dr. Detlef Krömker
Pixel-basierte Techniken:Space-filling Curves
Peano/Hilbert
Morton (Z-Curve)
Keim, 2000
WS 2005/200649
Visualisierung – Vorlesung 12Prof. Dr. Detlef Krömker
Pixel-basierte Techniken:Space-filling Curves
Peano Curve
Morton (Z-Curve)
Keim, 2000
WS 2005/200650
Visualisierung – Vorlesung 12Prof. Dr. Detlef Krömker
Pixel-basierte Techniken:Recursive Patterns Arrangements
Line-by-line Back-and-forth
Keim, 2000
WS 2005/200651
Visualisierung – Vorlesung 12Prof. Dr. Detlef Krömker
Pixel-basierte Techniken:Recursive Patterns Arrangements
Structured Arrangement
Keim, 2000
WS 2005/200652
Visualisierung – Vorlesung 12Prof. Dr. Detlef Krömker
Pixel-basierte Techniken :Recursive Patterns Arrangements
Keim, 2000
WS 2005/200653
Visualisierung – Vorlesung 12Prof. Dr. Detlef Krömker
Pixel-basierte Techniken:Recursive Patterns Arrangements
Keim, 2000FAZ Stock Index: January 1974 to April 1975
WS 2005/200654
Visualisierung – Vorlesung 12Prof. Dr. Detlef Krömker
Pixel-basierte Techniken:Spiral Arrangement
Spiralenförmige Anordnung Anordnung auf einer
Spirale, beginnend im Mittelpunkt der Darstellungsfläche
Abstand zum Mittelpunkt ggf. zur Visualisierung einer weiteren Variablen
Zeit Relevanz ...
Spiral Arrangement
Farbkodierte Darstellung des Abstands zum
Mittelpunkt
WS 2005/200655
Visualisierung – Vorlesung 12Prof. Dr. Detlef Krömker
Pixel-basierte Techniken:Spiral Arrangement
Resultate komplexer Anfragen an eine Datenbank
Keim, 2000
WS 2005/200656
Visualisierung – Vorlesung 12Prof. Dr. Detlef Krömker
Pixel-basierte Techniken:Axes Technique
Achsentechnik zur Anordnung Keim 1994
Ansatz Zusätzliche Abbildung binärer Attribute zur Spiralenförmige Anordnung in jedem Sektor
Keim, 2000
WS 2005/200657
Visualisierung – Vorlesung 12Prof. Dr. Detlef Krömker
Pixel-basierte Techniken:Spiral Arrangement and Axes
Technique
Keim, 2000
WS 2005/200660
Visualisierung – Vorlesung 12Prof. Dr. Detlef Krömker
Pixel-basierte Techniken:Zusammenfassung
Kompakte Darstellung Möglichkeit zur Visualisierung sehr großer
Datenmengen
Problem: Sehr abstrakte Darstellung
WS 2005/200661
Visualisierung – Vorlesung 12Prof. Dr. Detlef Krömker
Fortgeschrittene Visualisierungstechniken: Klassifikation
Mapping ProjektionFilterungBrushing &
Linking Zooming
Einfach
Komplex
Graph-basiert
Pixel-basiert
Ikonen-basiert
Hierarchisch
GeometrischVisualisierung
Verzerrung
Interaktion
nach Keim 2000mit Adaptionen
WS 2005/200662
Visualisierung – Vorlesung 12Prof. Dr. Detlef Krömker
Visualisierungstechniken:Hierarchische Techniken
Ansatz Visualisierung der Daten unter Verwendung einer
hierarchischen Unterteilung in Subspaces Hierarchische Unterteilung der Darstellungsfläche
Dimensional Stacking [LWW90] Worlds-within-Worlds (Feiner, Besher 1990)
Hierarchische Unterteilung des Merkmalsraums Treemap (Shneiderman 92) Cone Trees [RMC 91] InfoCube [RG 93]
WS 2005/200663
Visualisierung – Vorlesung 12Prof. Dr. Detlef Krömker
Hierarchische Techniken im Darstellungsraum:
Dimensional StackingDimensional Stacking [LWW90]
Ansatz: Visualisierung in Form von Subspaces, die ineinander gesteckt werden Auswahl von 2 Variablen Unterteilung des Wertebereichs der beiden Variablen in Klassen Aufteilung der Darstellungsfläche in Form einer Matrix für die
Klassenkombinationen Wiederholung der Prozedur für die entstehenden Zellen unter Verwendung
weiterer Variablen, bis schließlich das letzte Merkmal dargestellt wurdeAspekte
Visualisierung n-dimensionaler Daten mit geordneten Attributen geringer Kardinalität
Wichtigere Attribute sollten in den äußeren Ebenen Anwendung finden
WS 2005/200664
Visualisierung – Vorlesung 12Prof. Dr. Detlef Krömker
Hierarchische Techniken im Darstellungsraum:
Dimensional Stacking
Aktuell markierte Zelle korrespondierend zum Vektor
(2,0,1,1,1,0) bzgl. der Klassen-IDs
v1
v2
v3 v5
v6
WS 2005/200665
Visualisierung – Vorlesung 12Prof. Dr. Detlef Krömker
Hierarchische Techniken im Darstellungsraum:
Dimensional Stacking Oberes Beispiel Visualisierung von Daten aus dem
Oil Mining Längengrad,
Breitengrad,abgebildet auf äußere X- und Y-Achse
Erzgehalt und Tiefe abgebildet auf innere X- bzw. Y-Achse
Unteres Beispiel: 8 dimensionaler Datensatz von
Resistenzeigenschaften aus einem Mikrobiologischen Datensatz
Zusätzliche Darstellung der Elemente einer Klasse
Farbe zur redundanten Kodierung von Zellen mit vielen Einträgen
Ward, 2000
Schumann, 2000
WS 2005/200666
Visualisierung – Vorlesung 12Prof. Dr. Detlef Krömker
Hierarchische Techniken im Darstellungsraum:
Worlds-Within-Worlds Feiner, Beshers 1990 Ansatz
Erweiterung der Dimensional Stacking Idee in den 3d-Raum
Jedoch keine Aufteilung der Variablen in Klassen
Verwendung eines vollständigen 3d-Graphen als 3d-Icon für Subgraphen
Aspekte Nur sinnvoll, wenn nicht alle
Daten/Aspekte gleichzeitig dargestellt werden
Unvollständige Darstellung des Datensatzes
Auch hier: Reihenfolge der Abbildung (innere/äußere Achsen) wichtig
Beshers, Feiner 1990
WS 2005/200667
Visualisierung – Vorlesung 12Prof. Dr. Detlef Krömker
Hierarchische Techniken im Feature Space: Tree-Maps Johnson, Shneiderman 1991
Ansatz Darstellung auf Basis einer
hierachischen Partitionierung des Merkmalsraums
X- und Y-Achse des Darstellungsfläche werden alternierend unterteilt, wobei die entstehenden Flächen gemäß der jeweiligen Klasse des Merkmals skaliert werden
Farbe ggf. für weitere Attribute Möglichkeit zur vollständigen
Darstellung des Datensatzes bis auf einen gewünschten Level of Detail
Nutzbar für übersichtliche Darstellung einer Vielzahl hierarchisch strukturierter Datensätze (e.g., WWW, Filesystem)
Venn Diagram
Tree-Map
WS 2005/200668
Visualisierung – Vorlesung 12Prof. Dr. Detlef Krömker
Hierarchische Techniken im Feature Space:
Tree-Maps
Tree-Map eines Filesystems (erzeugt mit TreeMap 3.0)
WS 2005/200669
Visualisierung – Vorlesung 12Prof. Dr. Detlef Krömker
Hierarchische Techniken im Feature Space: Tree-Maps
Map of the Market (www.mapofthemarket.com)
WS 2005/200672
Visualisierung – Vorlesung 12Prof. Dr. Detlef Krömker
Hierarchische Techniken:Zusammenfassung
In den meisten Fällen sehr kompakte Darstellung
Hierarchisierung beeinflusst wesentlich die Effektivität der Visualisierung Primäre Variablen in der Hierarchie haben
typischerweise höhere Auflösung und können einfacher erkannt werden
WS 2005/200673
Visualisierung – Vorlesung 12Prof. Dr. Detlef Krömker
Fortgeschrittene Visualisierungstechniken: Klassifikation
Mapping ProjektionFilterungBrushing &
Linking Zooming
Einfach
Komplex
Graphen-basiert
Pixel-basiert
Ikonen-basiert
Hierarchisch
GeometrischVisualisierung
Verzerrung
Interaktion
nach Keim 2000mit Adaptionen
WS 2005/200674
Visualisierung – Vorlesung 12Prof. Dr. Detlef Krömker
nach Keim, 2000
Visualisierungstechniken:Graphen-basierte Techniken
Ansatz Visualisierung von Daten bestehend
auf Beziehungen und Verbindungsinformationen mit Hilfe von linienhaften Elementen
Formen von Graphen: Einfache Graphen
Straight-line drawing Polyline drawing Curved-line Drawing
Spezielle Graphen Directed Acyclic Graph Cluster-Optimized Graphs Symmetry-Optimized Graphs Hygraphs Distance-optimized Graphs 3d Graphs
WS 2005/200675
Visualisierung – Vorlesung 12Prof. Dr. Detlef Krömker
Graphen-basierte Techniken:Eigenschaften von Graphen
Eigenschaften von 2D-Graphen-Visualisierungsverfahren Planarität (Vermeidung von Überschneidungen) Orthogonalität (Beschränkung auf orthogonale Verbindungslinien) Gitter-Struktur (Koordinaten der Knoten beschränkt auf
ganzzahlige Werte) Ästhetische Eigenschaften (Optimierungsziele)
Minimale Anzahl von Kanten-Überschneidungen Optimale Darstellung von Symmetrien Optimale Darstellung von Clustern Minimale Anzahl von Kurven bei Graphen mit Polylines Gleichmäßige Verteilung von Knoten Gleichmäßige Kantenlängen
nach Keim, 2000
WS 2005/200676
Visualisierung – Vorlesung 12Prof. Dr. Detlef Krömker
Graphen-basierte Techniken:Standard-Graphen
Orthogonal Graph Symmetry-optimized Graph
WS 2005/200677
Visualisierung – Vorlesung 12Prof. Dr. Detlef Krömker
Graphen-basierte Techniken:Spezielle Graphen
Cluster-optimzed Graph Directed Acyclic Graph
Generated with TomSawyer
WS 2005/200678
Visualisierung – Vorlesung 12Prof. Dr. Detlef Krömker
Graphen-basierte Techniken:Spezielle Graphen - Optimierung
Beispiel für Optimierungsansätze im Graphenlayout Java-Applet zur
Graphendarstellung aus den JDK Demos
Optimierung der Knotenabstände
Masse-Feder-Modell, in dem die stärke der Feder zur semantischen Nähe korrespondiert
WS 2005/200679
Visualisierung – Vorlesung 12Prof. Dr. Detlef Krömker
Graphen-basierte Techniken:3d Graphs
Graphen-Visualisierung in 3D Ähnliche Verfahren wie
in 2D Typischerweise keine
Ansätze zur Reduktion von Überschneidungen
WS 2005/200680
Visualisierung – Vorlesung 12Prof. Dr. Detlef Krömker
Spezielle Graphen:3D-Graphen n-dimensionaler
BeziehungenAlexa 1998
3D-Graph in dem die Abstände der Knoten zu semantischen Differenzen korrespondieren
Ansatz Hauptkomponenten-Analyse zur
Erzeugung einer Basis-Transformation des n-dimensionalen Raumes, in dem die ersten 3 Dimensionen die Hauptanteile der semantischen Differenzen darstellen
Projektion des n-dimensionalen Raumes auf den entsprechenden 3D-Raum
WS 2005/200681
Visualisierung – Vorlesung 12Prof. Dr. Detlef Krömker
Graphen-basierte Techniken:Produkte: Tom Sayer
Tom Sawyer www.tomsawyer.com
User: applet Password: tss4Appl
WS 2005/200686
Visualisierung – Vorlesung 12Prof. Dr. Detlef Krömker
Visualisierungstechniken:Zusammenfassung
Identifikation
Erkennung von Korrelationen
Technik
Panel Matrices
+
+
+
+
Ø
+
Ø
+
Linien-Techniken (Geometr.)
Ø
+
+
+
Ø
Ø
Ø
+
Ø
Ikonen-basierte Techniken
+
+
(-)1
Ø
(-)1
+
Ø
Ø
Ø
Ø
Pixel-basierte Techniken
+
Ø
Ø
+
+
+
Hierarchi-sche Techniken
Ø
Ø
(+)2
(+)2
(+)2
Ø
Ø
(+)3 ()4
Ø
Ø
Schumann, Müller 2000Cl
uste
r
Verg
leich
Häufi
gkei
t
Verte
ilung
Men
ge d
er
Date
n
Einz
elne
W
erte
Alle
Wer
te
eine
r Va
riabl
en
Date
nsät
ze
Korre
latio
n
Obje
kte
1 Textur-Pattern, 2 Cone Trees mit Hierarchisierung des Merkmalsraumes, 3 Dimensional Stacking, 4 Worlds-within-Worlds
WS 2005/200687
Visualisierung – Vorlesung 12Prof. Dr. Detlef Krömker
Hausaufgabe
Schumann, Müller: Kap. 6, 7.2, 7.3, 7.4, 7.5
WS 2005/200688
Visualisierung – Vorlesung 12Prof. Dr. Detlef Krömker
Danksagung
Diese Vorlesung basiert auf Material von Prof. Dr. Wolfgang Müller Prof. Dr. Heidrun Schumann Prof. Dr. Detlef Krömker Prof. Dr. Colin Ware Prof. Dr. Ralf Dörner