SteerSCiVA: Steerable Subspace Clustering for Visual Analytics

Beschreibung

Das Hauptziel des beantragten Projekts ist eine tiefgehende Integration von Visualisierungstechniken in den Prozess der Subspace Cluster Analyse, um wissenschaftliche Untersuchungsprozes-se durch interaktive und immersive Visualisierungen zu unterstützen. pRelevante Datenbanken aus unterschiedlichen Bereichen von wissenschaftlicher und technischer For-schung sind üblicherweise sehr groß und hochdimensional. pAnsätze, die nur auf automatisierten Subspace Cluster Analy-sen beruhen, sind kaum daf"ur geeignet, die unterschiedlichen entdeckten Muster anschaulich herauszukehren, welche häufig durch die Gröss e und die Heterogenität des zu Grunde liegenden Datensatzes überdeckt werden. pGeeignete Visualisierungstechniken können hier nicht nur helfen den Clusteringprozess zu überwachen, sondern ermöglichen den Experten zudem den Subspace Clustering Prozess zu steuern und zu führen, um interessante Muster freizulegen. pZur Erreichung dieses Ziels streben wir ein Konzept an, welches skalierbare Subspace Clustering Algorithmen mit interaktiven, skalierbaren, visuellen Explorationstechniken kombiniert. Diese Arbeit umfasst die folgenden Aufgaben: (1) Vergleichende Visualisierung und angeleitete Berechnung von mehreren alternativen Clusterings; (2) Design von Anytime Subspace Clustering Algorithmen, Visualisierung von vorläufigen Clusteringergebnissen, die intuitive Annotation dieser Ergebnisse sowie die Integration des Feedbacks in die Algorithmen; (3) Methoden zur inkrementellen Anpassung der Analyse an "Anderungen der Daten. Nach unserem besten Wissen ist die Idee, einen visuellen Analyseansatz für die Steuerung eines (Subspace-)Clusteringmodells einzusetzen, neu. pDie Forschung dieses Projekts hat das Potential, einen neuen Wissenschaftszweig zu begründen, der sich nicht notwendig auf Subspace Clustering beschränkt, sondern sich auf viele andere Techniken übertragen lässt, für die die Einbeziehung der Benutzer in den Prozess der Modellbildung die bisherigen, durch Heuristiken induzierten Beschränkungen kompensieren kann.

Teilnehmer
Institutionen
  • AG Deussen (Visual Computing)
  • AG Keim (Data Analysis and Visualization)
Weitere Informationen
Laufzeit: 22.08.2011 – 30.06.2016