کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
6934602 1449513 2018 11 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Cluster aware Star Coordinates
ترجمه فارسی عنوان
خوشه ستاره مختصات آگاه است
کلمات کلیدی
ترجمه چکیده
مختصات ستاره یک ابزار مهم تجسم برای بررسی اطلاعات با ابعاد بزرگ است. با دقت دستکاری محور مختصات ستاره، کاربران می توانند یک ماتریس پروجکشن خوب برای نشان دادن ساختار خوشه در داده های با ابعاد بزرگ دریافت کنند. با این حال، پیدا کردن یک ماتریس طرح ریزی خوب از طریق دستکاری محور اغلب فرایند بسیار خسته کننده و محاکمه و خطا است. این مقاله توزیع مختصات مختصات ستاره آشکارساز را نشان می دهد که نه تنها کارایی محورهای محور با کیفیت خوشه ای را بهبود می بخشد بلکه همچنین کاربران را قادر می سازد روابط خوشه ای و ویژگی های داده را یاد بگیرند. بر اساس شاخص پیشنهاد شده تقریبی منظره بصری، ما نمایش نمایه شبح نمایش داده می شود که به صورت تعاملی به کاربر از کیفیت خوشه بندی طرح رسیده است. با این حال، کاربر ممکن است هنوز در مورد چگونگی دستکاری محورها برای بهبود کیفیت خوشه هیچ نشانه ای نداشته باشد. برای حل این مسئله، ما یک روش کاهش ابعاد برای تجسم پیشنهاد می کنیم تا ماتریس پیش بینی را به طور مداوم تغییر دهیم و نتایج خوشه ای را بهبود بخشیم. با استفاده از این تکنیک شامل یک خانواده از تعامل خوشه ای آگاه، کاربران می توانند ویژگی های مهم مورد علاقه مانند نقاط، خوشه ها و ابعاد را برجسته نمایند، به طور موثر تغییر ساختار خوشه ها را بررسی و رابطه خود را با ابعاد آنها هدایت کنند. در نهایت، ما دوازده مجموعه داده های با ابعاد بزرگ را استخدام می کنیم و اثربخشی روش ما را از طریق یک سری آزمایش ها نشان می دهیم: مقایسه با روش های پیشرفته ترین، تشخیص غلط تعاملی و کشف رابطه رابطه خوشه ای.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر نرم افزارهای علوم کامپیوتر
چکیده انگلیسی
Star coordinates is an important visualization tool for exploring high-dimensional data. By carefully manipulating the star-coordinate axes, users can obtain a good projection matrix to reveal the cluster structures in the high-dimensional data. However, finding a good projection matrix through axes manipulation is often a very tedious and trial-and-error process. This paper presents cluster aware star coordinates plot, which not only improves the efficiency of axes manipulation with higher cluster quality, but also enables users to learn the relations between cluster and data attributes. Based on the proposed approximated visual silhouette index, we introduce the silhouette index view, which interactively informs the user of the cluster quality of the projection. However, the user may still have no clue on how to manipulate the axes to improve the cluster quality. To resolve this issue, we propose a dimensionality reduction technique for visualization to progressively modify the projection matrix and improve the cluster results. Through this technique including a family of cluster-aware interactions, users can highlight important features of interest, such as points, clusters and dimensions, effectively investigate the change of cluster structures, and steer their relationship with the dimensions. In the end, we employ twelve high-dimensional data sets and demonstrate the effectiveness of our method through a series of experiments: comparison with state-of-the-art methods, interactive outlier detection, and exploration of cluster-dimension relationship.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Journal of Visual Languages & Computing - Volume 44, February 2018, Pages 28-38
نویسندگان
, , , , , ,