A visual approach for user-guided feature fusion (2018)
- Authors:
- Autor USP: MAMANI, GLADYS MARLENY HILASACA - ICMC
- Unidade: ICMC
- Sigla do Departamento: SCC
- DOI: 10.11606/T.55.2018.tde-01042019-140258
- Subjects: VISUALIZAÇÃO; MINERAÇÃO DE DADOS; ANÁLISE DE DADOS
- Keywords: Analítica visual; Dimensionality reduction; Distance preserving grids; Exploratory data visualization; Feature fusion; Fusão de características; Grades de preservação de distâncias; Grid visualization; Redução de dimensionalidade; Visual analytics; Visualização em grades; Visualização exploratória de dados
- Agências de fomento:
- Language: Inglês
- Abstract: O objetivo da redução de dimensionalidade é transformar os dados de um espaço de alta dimensionalidade para um espaço visual preservando as relações existentes entre os dados no espaço original. Esta representação abstrata dos dados complexos permite a exploração das relações similaridade, mas traz desafios sobre a análise e interpretação para os usuários devido à incompatibilidade entre a representação visual e a expectativa do usuário. Uma maneira possível de modelar os entendimentos dos usuários é através de diferentes características que descrevem um mesmo objeto, porque cada característica tem sua própria forma de codficar propriedades. Nesta tese, propomos uma abordagem visual para auxiliar os usuários para combinar diferentes características que melhor se aproxime ao ponto de vista do usuario em quanto o que é similaridade. Nossa abordagem é uma estratégia de duas etapas, onde começando com uma pequena amostra das features os usuários podem testar facilmente diferentes combinações de features e verificar em tempo real as relações de similaridade resultantes. Uma vez definida a combinação que corresponda à expectativa do usuário, ela é propagada para todo o conjunto de dados por meio de uma transformação afim. Uma maneira tradicional de visualizar as relações de similaridade entre as instâncias de dados é através de scatterplot, no entanto, esse sofre de problemas de sobreposição. A sobreposição oculta a distribuição dos dados e dificulta na exploração das relações desimilaridade. Neste trabalho, apresentamos uma técnica chamada Distance-preserving Grid (DGrid) para resolver esse problema. O DGrid emprega um processo de particionamento de espaço binário em combinação com a saída de uma redução de dimensionalidade para criar layouts de grade regulares. O DGrid garante que as instâncias não fiquem sobrepostas, devido a que cada instância de dados é atribuída apenas a uma célula da grade. Nossos resultados mostram que o DGrid é tão preciso quanto as técnicas existentes no estado da arte que estão baseadas na criação de grades, requerendo apenas uma fração do tempo de execução e poucos recursos computacionais. Apesar da sua simplicidade, a qualidade dos layouts produzidos e os tempos de execução tornam o DGrid um método muito atraente para grandes conjuntos de dados.
- Imprenta:
- Publisher place: São Carlos
- Date published: 2018
- Data da defesa: 17.12.2018
- Este periódico é de acesso aberto
- Este artigo é de acesso aberto
- URL de acesso aberto
- Cor do Acesso Aberto: gold
- Licença: cc-by-nc-sa
-
ABNT
MAMANI, Gladys Marleny Hilasaca. A visual approach for user-guided feature fusion. 2018. Tese (Doutorado) – Universidade de São Paulo, São Carlos, 2018. Disponível em: https://www.teses.usp.br/teses/disponiveis/55/55134/tde-01042019-140258/. Acesso em: 02 jan. 2026. -
APA
Mamani, G. M. H. (2018). A visual approach for user-guided feature fusion (Tese (Doutorado). Universidade de São Paulo, São Carlos. Recuperado de https://www.teses.usp.br/teses/disponiveis/55/55134/tde-01042019-140258/ -
NLM
Mamani GMH. A visual approach for user-guided feature fusion [Internet]. 2018 ;[citado 2026 jan. 02 ] Available from: https://www.teses.usp.br/teses/disponiveis/55/55134/tde-01042019-140258/ -
Vancouver
Mamani GMH. A visual approach for user-guided feature fusion [Internet]. 2018 ;[citado 2026 jan. 02 ] Available from: https://www.teses.usp.br/teses/disponiveis/55/55134/tde-01042019-140258/
Informações sobre o DOI: 10.11606/T.55.2018.tde-01042019-140258 (Fonte: oaDOI API)
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
