Visual analytics of static and dynamic networks taking into account uncertainty and fuzzy clustering
Final Report Abstract
Dieses Projekt hat sich mit der visuellen Analytik für statische und dynamische Netzwerke (Graphen) befasst. Der Schwerpunkt lag auf der visuellen Analyse zeitabhängiger Daten, insbesondere auch Verfahren zur vergleichenden Visualisierung. Zudem wurden zusätzliche Informationen zu den Netzwerken genutzt: zum einen weitere Attribute, die direkt aus dem Datensatz stammen, und zum anderen eine hierarchische Gruppierung innerhalb der Netzwerke, die durch Clustering gewonnen wurde. In diesem Zusammenhang wurde auch die Unsicherheit oder Unschärfe (Fuzziness) in den Übergängen zwischen Gruppenzuordnungen untersucht. Im Rahmen der Forschungsarbeiten wurden mehrere neue Visualisierungstechniken entwickelt. Ein Beispiel hierfür ist eine Erweiterungen des sogenannten Parallel Edge Splatting: Durch die gezielte Überlappung und das Blending von bipartiten Graphlayouts entlang der Zeitachse konnte eine dynamische Netzwerkvisualisierung erreicht werden, die sehr gut mit vielen Zeitschritten in den Daten skaliert. Ein anderes Beispiel ist die vergleichende Visualisierung auf Gruppenebene. Hier wurden sowohl die zeitliche Entwicklung des Netzwerks als auch die Veränderungen in dessen hierarchischer Gruppenstruktur gemeinsam visualisiert; die Gruppenstruktur stammte dabei aus einem hierarchischen Clustering. Durch mehrere Anwendungsfälle wurde gezeigt, dass die Auswahl an entwickelten Visualisierungstechniken eine gute Abdeckung von Anwendungen und unterstützten Analyseaufgaben gewährleistet.
Publications
- »A Matrix-Based Visual Comparison of Time Series Sports Data«. In: Proceedings of Vision, Modeling, and Visualization (VMV). 2016
F. Beck, M. Burch und D. Weiskopf
(See online at https://doi.org/10.2312/vmv.20161342) - »The Dynamic Call Graph Matrix«. In: Proceedings of the International Symposium on Visual Information Communication and Interaction (VINCI). 2016, S. 1–8
M. Burch
(See online at https://doi.org/10.1145/2968220.2968226) - »Visual Analysis of Compound Graphs«. In: Proceedings of the IEEE Symposium on Visual Languages and Human-Centric Computing (VL/HCC). 2016, S. 54–58
M. Burch
(See online at https://doi.org/10.1109/VLHCC.2016.7739664) - »Visualizing Dynamic Hierarchies in Graph Sequences«. In: IEEE Transactions on Visualization and Computer Graphics 22.10 (2016), S. 2343–2357
C. Vehlow, F. Beck und D. Weiskopf
(See online at https://doi.org/10.1109/TVCG.2015.2507595) - »A Scalable Visualization for Dynamic Data in Software System Hierarchies«. In: Proceedings of the IEEE Working Conference on Software Visualization (VISSOFT). 2017, S. 85–93
M. Burch, M. Raschke, A. Zeyfang und D. Weiskopf
(See online at https://doi.org/10.1109/VISSOFT.2017.16) - »A Visual Analytics Approach for Word Relevances in Multiple Texts«. In: Proceedings of the International Conference Information Visualisation (IV). 2017, S. 1–7
N. Rodrigues, M. Burch, L. D. Silvestro und D. Weiskopf
(See online at https://doi.org/10.1109/iV.2017.62) - »Eye Movement Plots«. In: Proceedings of the International Symposium on Visual Information Communication and Interaction (VINCI). 2017, S. 101–108
M. Burch
(See online at https://doi.org/10.1111/cgf.12115) - »Visual Analytics of Large Dynamic Digraphs«. In: Information Visualization 16.3 (2017), S. 167–178
M. Burch
(See online at https://doi.org/10.1177/1473871616661194) - »Visualization of Time Series Data with Spatial Context: Communicating the Energy Production of Power Plants«. In: Proceedings of the International Symposium on Visual Information Communication and Interaction (VINCI). 2017, S. 37–44
N. Rodrigues, R. Netzel, K. R. Ullah, M. Burch, A. Schultz, B. Burger und D. Weiskopf
(See online at https://doi.org/10.1145/3105971.3105982) - »Visualizing a Sequence of a Thousand Graphs (or Even More)«. In: Computer Graphics Forum 36.3 (2017), S. 261–271
M. Burch, M. Hlawatsch und D. Weiskopf
(See online at https://doi.org/10.1111/cgf.13185)
