搜索结果 标签: 聚类

论文报告:Blood Flow Clustering and Applications in Virtual Stenting of Intracranial Aneurysms

论文:Blood Flow Clustering and Applications in Virtual Stenting of Intracranial Aneurysms

作者:Steffen Oeltze, Dirk J. Lehmann, Alexander Kuhn, Gabor Janiga, Holger Theisel, and Bernhard Preim

发表会议:VIS 2014

本文试图使用聚类的方法和其可视化展示,用于分析基于病人个体数据的血液流CFD(computational fluid dynamics)模拟数据,以判定颅内肿瘤虚拟支架的效果。为了寻找最合适的聚类方法,本文定量分析了三种在流线型数据中常用的聚类方法和其变种。此外,本文还介绍了多种基于聚类的流概述可视化方法。最后,对这些方法进行了专家评估。

继续阅读 =>

以Bertin之论比较聚类

论文:Comparing Clusterings Using Bertin’s Idea

会议:Infovis 2012

作者:Alexander Pilhöfer, Alexander Gribov, and Antony Unwin

 

本文介绍了一种对多类别型(或多聚类)数据可视化结果重排布优化的度量及方法。

1981年J.Bertin在《A Semiology of Graphics》一书中强调,有序概念的发现会是逻辑简化的终点。这样的思路放之可视化,则意为一个好的排序会明显改善可视化的效果。

而在多类别型数据的可视化中,类别之间的排列顺序对可视化结果的影响可以下图为例,对ecotest数据集进行聚类之后得到两个类别,用fluctuation图表进行可视化。 继续阅读 =>

“标注”的可视化之旅

论文:Just-in-Time Annotation of Clusters, Outliers, and Trends in Point-based Data Visualizations

会议:VAST 2012

作者:Eser Kandogan

大家都在如何投影、自动聚类等算法上纠结反复的时候,Eser直截了当地在可视化的原图上做标注,也在挖掘信息上取得了不错的结果,为用户提供了明确的语义指导。

顾名思义,文章主要的集中在三种特征的标注上——聚类、异常点、趋势,同时为了达到很好的交互效果,要能及时的做出反馈,所以使用的算法时间复杂度的要求很高,一般不超过O(n^2)。暂时这篇只在点集上做了工作,其他数据集上也可以做些尝试。

继续阅读 =>