标签存档: scalar-level association

Association Analysis for Visual Exploration of Multivariate Scientific Data Sets (基于关联分析的多变量科学数据集可视探索)

多变量数据是科学模拟中的一种非常重要的数据,其包含了一系列不同的变量用于描述不同的物理特性。对多变量数据的研究集中在探索不同变量之间的关系,已有的度量方法包括相关系数和互信息等。但是这些工作基本上针对的是不同变量之间的平均关系,很少将重心放在研究不同变量的标量值之间的特定关系。实际上,特定的标量值之间的关联是非常重要的,我们可以通过给定的某变量标量值探索其与其他变量的标量值之间的交互,从而更好地理解潜在的现象。例如,在飓风Isabel数据中,温度变量具有比较高的标量值的区域往往预示着风速和水汽混合比这两个变量的标量值比较低。因此,今年SciVis的一篇文章就提出了一种标量级(scalar-level)关联的分析方法,将不同变量的特定标量值之间的关联基于关联规则(association rules)来表达。为了找到有代表性的标量值,他们利用社交网络中的IP模型(Influence-Passivity Model)计算出了两个影响因素,informativeness和uniqueness,并且提供了一系列交互视图让用户进行探索,如图所示1。

继续阅读 »