散点矩阵（SPLOM）是可视化中渲染多变量多类别数据的常用技术。然而，多类别 SPLOMs 有透支（重叠点）的问题，大多数现有技术只关注于单个散布图与单一类的透支减轻问题。本文利用闪烁点动画来达到减轻多类别散点矩阵中的透支问题。在69个参与者的用户研究中，我们发现用户不仅在使用动画SPLAMs识别密集区域方面表现更好，而且还发现他们更容易解释，并且优于静态散点矩阵。这些结果为今后减轻多类别SPLOM透支的工作开辟了新的方向，并为应用动画减轻其他可视化形式中的透支提供了见解。
散点图是19世纪早期引入的一种常用技术，它使用水平和垂直位置将两个变量之间的关系可视化。 在信息可视化社区中已经积极研究散点图。散点图矩阵（SPLOMs）广泛用于可视化多元数据，并且是识别相关性，群集，异常值和其他感兴趣特征的有效工具。 多类SPLOM经常使用颜色对数据中的不同类进行编码，从而实现类或子群之间的强大对比。 虽然颜色是散点图中表示多个类的有效方法，但在使用颜色表示SPLOM中的多类数据时仍存在基本挑战。
可视化散点图和SPLOMs的主要问题之一是对中等到大型数据集进行透支。 透支（或重叠绘图）是指将多个数据元素分解到可视化中的相同像素位置。 重要的透支会妨碍观察者从可视化中识别出有意义的信息，特别是关于数据的分布和密度。在多类SPLOM中对数据集进行可视化会导致显著的透支，这种情况发生在点或字形彼此重叠并遮挡底层数据的情况下。对于像这样的中等到大型数据集，透支会影响观察者准确理解数据分布和辨别数据中变量和子组之间关系的能力。多类别SPLOMs是缓解透支最困难和研究最少的环境之一。
散点矩阵重叠问题
在本文中，我们提出并评估一种简单的动画技术，使用闪烁点来减轻多类SPLOM中的透支。我们的贡献是：
1.我们提供了一个基于Web的交互式开放源代码工具，演示了我们对几种规模不等的典型多类多变量数据集的动画方法。读者可以访问vgl.cs.usfca.edu/animated-sploms/与我们的工具交互。
系统界面
2.我们演示如何使用我们的数据集工具探索多类多变量数据。尽管需要在多个缓冲区中渲染超过一百万个点，但我们能够成功使用我们的工具来识别这个大型复杂数据集中不同密度（即点的数量）和多样性（即类的数量）的区域。
3.最后，为了确定动画对缓解透支的影响，我们对69名参与者进行了一项研究，他们使用动画和静态SPLOM执行任务。 参与者不仅能够更好地识别动画版本中的密集区域，还能够在与静态版本相媲美的时候完成这些任务。 大多数参与者还表示动画SPLOM比静态SPLOM更易于理解，并且更喜欢动画方法。
用户评价
用户实验结果展示
我们的基本方法通过循环遍历数据集不断重新绘制点，从而允许透支点最终重新出现。 我们需要一个基于开放源码的交互式网络工具来展示我们的方法，并且调查了各种JavaScript库。 我们决定使用HTML5画布来避免与SVG相关的性能问题以及P5.js JavaScript库，因为我们的动画范例自然适合P5.js连续绘制循环。
我们的工具支持多个URL查询字符串参数，以控制渲染点的方式，包括动画速度，启用预渲染或采样，修改点编码以及控制缩放量。
URL设置参数
自定义渲染方式
自定义数据点形式
这些结果表明，动画不是为用户“分散注意力”，而是在这种具有挑战性的多分类设置中减轻透支。
参考文献：
[1] Chen H, Engle S, Joshi A, et al. Using Animation to Alleviate Overdraw in Multiclass Scatterplot Matrices[C]//Proceedings of the 2018 CHI Conference on Human Factors in Computing Systems. ACM, 2018: 417.
评论关闭。