Combining fisheye lens and dimensional stacking to visualize high dimensional data
Autor(a) principal: | |
---|---|
Data de Publicação: | 2018 |
Tipo de documento: | Trabalho de conclusão de curso |
Idioma: | por |
Título da fonte: | Repositório Institucional da UFRGS |
Texto Completo: | http://hdl.handle.net/10183/238158 |
Resumo: | Conforme a quantidade de dados armazenados pelo mundo cresce, a necessidade de processar, analisar e visualizá-los também amplia. Existem diversos desafios para desenvolver técnicas para visualizar grande quantide de dados, especialmente de formas que são intuitivas e permitem interações em tempo real. Uma técnica existente para exibir dados multivariados em um espaço bidimensional é chamada de empilhamento dimensional. Ela mapeia múltiplas dimensões, dentro delas mesmas, em um plano 2D discreto. Essa técnica, porém, gera uma imagem que aumenta de resolução dramaticamente conforme o número de dimensões aumenta. Isso limita o número de dimensões traçadas concorrentemente. Enquanto ela funciona para um número limitado de dimensões, ela se torna ineficiente para mais dimensões. Nesse trabalho, é proposto que seja aplicado uma técnica de distorção em uma imagem gerada pelo empilhamento dimensional, com o objetivo de resolver o problema da limitação de dimensões. Através da combinação da técnica de distorção da lente fisheye, o empilhamento dimensional pode ser usado para a a visualização de conjuntos de dados com um número mais elevado de dimensões do que seria possível sem nenhuma distorção, ou com operações tradicionais, tais como deslocamento, corte e amplificação. Nós descrevemos o processo para gerar ambas técnicas e como combiná-las, e então as implementamos em uma aplicação web que posibilita carregamento de múltiplos conjuntos de dados e possui interações em tempo real e configuração de parâmetros. Para avaliar a efetividade da aplicação, são conduzidos testes e analise utilizando diferentes conjuntos de dados. Então, é comparado como a aplicação se desempenhou com relação às propriedades dos conjuntos de dados, como o número de instâncias e o número de dimensões. |
id |
UFRGS-2_89e19675d2516607e730e3aab8b0b4c0 |
---|---|
oai_identifier_str |
oai:www.lume.ufrgs.br:10183/238158 |
network_acronym_str |
UFRGS-2 |
network_name_str |
Repositório Institucional da UFRGS |
repository_id_str |
|
spelling |
Richter, Rodrigo RonconiComba, Joao Luiz Dihl2022-05-04T04:45:16Z2018http://hdl.handle.net/10183/238158001088482Conforme a quantidade de dados armazenados pelo mundo cresce, a necessidade de processar, analisar e visualizá-los também amplia. Existem diversos desafios para desenvolver técnicas para visualizar grande quantide de dados, especialmente de formas que são intuitivas e permitem interações em tempo real. Uma técnica existente para exibir dados multivariados em um espaço bidimensional é chamada de empilhamento dimensional. Ela mapeia múltiplas dimensões, dentro delas mesmas, em um plano 2D discreto. Essa técnica, porém, gera uma imagem que aumenta de resolução dramaticamente conforme o número de dimensões aumenta. Isso limita o número de dimensões traçadas concorrentemente. Enquanto ela funciona para um número limitado de dimensões, ela se torna ineficiente para mais dimensões. Nesse trabalho, é proposto que seja aplicado uma técnica de distorção em uma imagem gerada pelo empilhamento dimensional, com o objetivo de resolver o problema da limitação de dimensões. Através da combinação da técnica de distorção da lente fisheye, o empilhamento dimensional pode ser usado para a a visualização de conjuntos de dados com um número mais elevado de dimensões do que seria possível sem nenhuma distorção, ou com operações tradicionais, tais como deslocamento, corte e amplificação. Nós descrevemos o processo para gerar ambas técnicas e como combiná-las, e então as implementamos em uma aplicação web que posibilita carregamento de múltiplos conjuntos de dados e possui interações em tempo real e configuração de parâmetros. Para avaliar a efetividade da aplicação, são conduzidos testes e analise utilizando diferentes conjuntos de dados. Então, é comparado como a aplicação se desempenhou com relação às propriedades dos conjuntos de dados, como o número de instâncias e o número de dimensões.As the amount of data stored throughout the world increases, the need to process, analyze and visualize it increases as well. There are many challenges to developing techniques for visualizing large quantities of data, specially in ways that are intuitive and allow for real time interactions. An existing technique to display multivariate data in a 2D space is called dimensional stacking. It maps multiple dimensions inside one another, in a discrete 2D plot. This technique, however, generates an image that increases dramatically in resolution as the number of dimension increases. This limits the number of dimensions plotted concurrently. While it works for a limited dimension amount, it becomes ineffective for more dimensions. In this work, we propose a distortion technique for an image generated by the dimensional stacking, in order to solve the dimension limitation problem. By combining a fisheye lens distortion technique, the dimensional stacking can be used for visualization of data sets with a higher number of dimensions that would be possible without any distortion, or with traditional operations, such as panning, cropping and zooming. We describe the process to generate both techniques and how to combine them, and then implement it in a web application that allows loading multiple datasets, has real-time interactions and parameter configuration. To evaluate the effectiveness of the application, we test and analyze different datasets. Then, we compare how well the application performed in relation to the properties of the datasets, such as the number of data instances and the number of dimensions.application/pdfporProcessamento : Imagens médicasComputação gráficaDimensional stackingCartesian fisheyeRubber sheet stretchingVisualization toolFisheye lensCombining fisheye lens and dimensional stacking to visualize high dimensional dataCombinando lente fisheye e empilhamento dimensional para visualizar dados de alta dimensão info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/bachelorThesisUniversidade Federal do Rio Grande do SulInstituto de InformáticaPorto Alegre, BR-RS2018Ciência da Computação: Ênfase em Ciência da Computação: Bachareladograduaçãoinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da UFRGSinstname:Universidade Federal do Rio Grande do Sul (UFRGS)instacron:UFRGSTEXT001088482.pdf.txt001088482.pdf.txtExtracted Texttext/plain79999http://www.lume.ufrgs.br/bitstream/10183/238158/2/001088482.pdf.txt0a4d1657dcc264b68235857e61ca22dcMD52ORIGINAL001088482.pdfTexto completo (inglês)application/pdf3157486http://www.lume.ufrgs.br/bitstream/10183/238158/1/001088482.pdf0e0ce404d0e846ec81ac1c826fe3d3bdMD5110183/2381582022-05-05 04:44:26.590255oai:www.lume.ufrgs.br:10183/238158Repositório de PublicaçõesPUBhttps://lume.ufrgs.br/oai/requestopendoar:2022-05-05T07:44:26Repositório Institucional da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS)false |
dc.title.pt_BR.fl_str_mv |
Combining fisheye lens and dimensional stacking to visualize high dimensional data |
dc.title.alternative.en.fl_str_mv |
Combinando lente fisheye e empilhamento dimensional para visualizar dados de alta dimensão |
title |
Combining fisheye lens and dimensional stacking to visualize high dimensional data |
spellingShingle |
Combining fisheye lens and dimensional stacking to visualize high dimensional data Richter, Rodrigo Ronconi Processamento : Imagens médicas Computação gráfica Dimensional stacking Cartesian fisheye Rubber sheet stretching Visualization tool Fisheye lens |
title_short |
Combining fisheye lens and dimensional stacking to visualize high dimensional data |
title_full |
Combining fisheye lens and dimensional stacking to visualize high dimensional data |
title_fullStr |
Combining fisheye lens and dimensional stacking to visualize high dimensional data |
title_full_unstemmed |
Combining fisheye lens and dimensional stacking to visualize high dimensional data |
title_sort |
Combining fisheye lens and dimensional stacking to visualize high dimensional data |
author |
Richter, Rodrigo Ronconi |
author_facet |
Richter, Rodrigo Ronconi |
author_role |
author |
dc.contributor.author.fl_str_mv |
Richter, Rodrigo Ronconi |
dc.contributor.advisor1.fl_str_mv |
Comba, Joao Luiz Dihl |
contributor_str_mv |
Comba, Joao Luiz Dihl |
dc.subject.por.fl_str_mv |
Processamento : Imagens médicas Computação gráfica |
topic |
Processamento : Imagens médicas Computação gráfica Dimensional stacking Cartesian fisheye Rubber sheet stretching Visualization tool Fisheye lens |
dc.subject.eng.fl_str_mv |
Dimensional stacking Cartesian fisheye Rubber sheet stretching Visualization tool Fisheye lens |
description |
Conforme a quantidade de dados armazenados pelo mundo cresce, a necessidade de processar, analisar e visualizá-los também amplia. Existem diversos desafios para desenvolver técnicas para visualizar grande quantide de dados, especialmente de formas que são intuitivas e permitem interações em tempo real. Uma técnica existente para exibir dados multivariados em um espaço bidimensional é chamada de empilhamento dimensional. Ela mapeia múltiplas dimensões, dentro delas mesmas, em um plano 2D discreto. Essa técnica, porém, gera uma imagem que aumenta de resolução dramaticamente conforme o número de dimensões aumenta. Isso limita o número de dimensões traçadas concorrentemente. Enquanto ela funciona para um número limitado de dimensões, ela se torna ineficiente para mais dimensões. Nesse trabalho, é proposto que seja aplicado uma técnica de distorção em uma imagem gerada pelo empilhamento dimensional, com o objetivo de resolver o problema da limitação de dimensões. Através da combinação da técnica de distorção da lente fisheye, o empilhamento dimensional pode ser usado para a a visualização de conjuntos de dados com um número mais elevado de dimensões do que seria possível sem nenhuma distorção, ou com operações tradicionais, tais como deslocamento, corte e amplificação. Nós descrevemos o processo para gerar ambas técnicas e como combiná-las, e então as implementamos em uma aplicação web que posibilita carregamento de múltiplos conjuntos de dados e possui interações em tempo real e configuração de parâmetros. Para avaliar a efetividade da aplicação, são conduzidos testes e analise utilizando diferentes conjuntos de dados. Então, é comparado como a aplicação se desempenhou com relação às propriedades dos conjuntos de dados, como o número de instâncias e o número de dimensões. |
publishDate |
2018 |
dc.date.issued.fl_str_mv |
2018 |
dc.date.accessioned.fl_str_mv |
2022-05-04T04:45:16Z |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/bachelorThesis |
format |
bachelorThesis |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
http://hdl.handle.net/10183/238158 |
dc.identifier.nrb.pt_BR.fl_str_mv |
001088482 |
url |
http://hdl.handle.net/10183/238158 |
identifier_str_mv |
001088482 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
application/pdf |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da UFRGS instname:Universidade Federal do Rio Grande do Sul (UFRGS) instacron:UFRGS |
instname_str |
Universidade Federal do Rio Grande do Sul (UFRGS) |
instacron_str |
UFRGS |
institution |
UFRGS |
reponame_str |
Repositório Institucional da UFRGS |
collection |
Repositório Institucional da UFRGS |
bitstream.url.fl_str_mv |
http://www.lume.ufrgs.br/bitstream/10183/238158/2/001088482.pdf.txt http://www.lume.ufrgs.br/bitstream/10183/238158/1/001088482.pdf |
bitstream.checksum.fl_str_mv |
0a4d1657dcc264b68235857e61ca22dc 0e0ce404d0e846ec81ac1c826fe3d3bd |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 |
repository.name.fl_str_mv |
Repositório Institucional da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS) |
repository.mail.fl_str_mv |
|
_version_ |
1801224629687156736 |