Till innehåll på sidan

Statiska visualiseringar för dynamiska hierarkier

Tid: On 2022-12-07 kl 10.00

Plats: Visualization Studio VIC, floor 4, Lindstedtsvägen 5

Videolänk: zoom link for online defense

Språk: Engelska

Ämnesområde: Datalogi

Respondent: Wiebke Köpp , Beräkningsvetenskap och beräkningsteknik (CST)

Opponent: Professor Vijay Natarajan, Indian Institute of Science

Handledare: Professor Tino Weinkauf, Beräkningsvetenskap och beräkningsteknik (CST)

Exportera till kalender

QC 20221111

Abstract

Dynamisk hierarkisk data beskriver fenomen inom ett brett spektrum av domäner, från filhantering till demografi, företagsadministration och som ett resultat av sär- dragsextrahering ur rumslig vetenskapliga data. Som för all data är visualisering ett viktigt steg för att kunna förstå dynamisk hierarkisk data. Jämfört med visualisering av enskilda statiska hierarkier medför dynamiska hierarkier ytterligare utmaningar eftersom många olika aspekter av en hierarki kan förändras. 

Denna avhandling presenterar nya visualiseringar, kompakta datastrukturer och layout-optimeringar för dynamiska hierarkier där både topologi och data förändras. Avhandlingen har särskilt fokus på den typen av hierarkier som härrör från särdrag i skalära fält, d.v.s., merge trees och härledda diskretiserade särdragshierarkier. Vi föreslår flera visualiseringsscheman som sammanfattar dessa och allmänna dynamiska hierarkier statiskt genom att skapa staplade endimensionella represen- tationer. Staplingsdimensionen motsvarar den variablen som inducerar dynamiken av datan, vilket vanligtvis är tid. Istället för att animera individuella visualiseringar för varje variabelinställning eller tidssteg, underlättar våra översikterna av hela datan jämförelser mellan flera datamängder och över staplingsdimensionen. För att bevara en användares mentala karta använder vi korrespondenser mellan delar av hierarkin för att optimera de endimensionella representationerna mot stabilitet gentemot denna dimension. För att utvärdera våra föreslagna metoder tillämpar vi dem på flera verkliga datamängder, jämför dem med befintliga metoder och studerar hur de resulterande visualiseringarna påverkas av olika metodparametrar.

urn.kb.se/resolve?urn=urn:nbn:se:kth:diva-321089