TY - THES
T1 - Visualisierung von mehrdimensionalen Clustern
AU - Helml, Karlin
PY - 2004/11
Y1 - 2004/11
N2 - Durch Data Mining Verfahren, wie Clustering, werden vor allem multidimensionale Daten generiert, die hauptsächlich in textueller Form dargestellt werden. Für den Menschen ist diese textuelle Darstellung meist unverständlich, weshalb eine visuelle Datenaufbereitung sowie Informationsvisualisierungstechniken empfohlen werden. Immer dann, wenn man über zu wenig Wissen über die Daten verfügt und die Aufbereitungsziele zu vage sind, um sie von automatischen Verfahren zu generieren, ist die Interaktion des Menschen notwendig.
Daher existieren Visualisierungstechniken, um diese für die Menschen besser aufzubereiten. Der Mensch wird auch gleichzeitig in die Darstellung involviert, was individuelle und vor allem bessere Ergebnisse für den Einzelnen zur Folge hat.
Das Ziel dieser Arbeit ist nun, die vorhandenen Visualisierungstechniken im Hinblick auf deren Eignung zur Visualisierung von Clustern anhand eines Kriterienkatalogs zu bewerten. Aufgrund der Vielzahl der Visualisierungstechniken wurde aus jeder der vier großen Bereiche (Geometrische Transformationen, Iconbasierte Techniken, Pixelbasierte Techniken und Hierarchische Techniken) jeweils eine geeignete und repräsentative Visualisierungstechnik ausgewählt und evaluiert.
AB - Durch Data Mining Verfahren, wie Clustering, werden vor allem multidimensionale Daten generiert, die hauptsächlich in textueller Form dargestellt werden. Für den Menschen ist diese textuelle Darstellung meist unverständlich, weshalb eine visuelle Datenaufbereitung sowie Informationsvisualisierungstechniken empfohlen werden. Immer dann, wenn man über zu wenig Wissen über die Daten verfügt und die Aufbereitungsziele zu vage sind, um sie von automatischen Verfahren zu generieren, ist die Interaktion des Menschen notwendig.
Daher existieren Visualisierungstechniken, um diese für die Menschen besser aufzubereiten. Der Mensch wird auch gleichzeitig in die Darstellung involviert, was individuelle und vor allem bessere Ergebnisse für den Einzelnen zur Folge hat.
Das Ziel dieser Arbeit ist nun, die vorhandenen Visualisierungstechniken im Hinblick auf deren Eignung zur Visualisierung von Clustern anhand eines Kriterienkatalogs zu bewerten. Aufgrund der Vielzahl der Visualisierungstechniken wurde aus jeder der vier großen Bereiche (Geometrische Transformationen, Iconbasierte Techniken, Pixelbasierte Techniken und Hierarchische Techniken) jeweils eine geeignete und repräsentative Visualisierungstechnik ausgewählt und evaluiert.
UR - http://www.dke.jku.at/index.html?/research/index.html
M3 - Master-/Diplomarbeit
ER -