Search engine for discovering works of Art, research articles, and books related to Art and Culture
ShareThis
Javascript must be enabled to continue!

Fouille visuelle de données temporelles avec DataTube2

View through CrossRef
Nous nous intéressons dans cet article à la fouille visuelle de données temporelles, où les données ont été mises sous la forme de n attributs dont les valeurs sont enregistrées pendant k instants. Après un état de l'art sur les différentes approches de visualisation de telles séries, nous présentons plus particulièrement une approche ayant reçue encore peu d'attention ("DataTube"). DataTube place les données dans un tube dont l'axe représente le temps. Nous étendons ensuite cette approche : tout d'abord nous définissons plusieurs modes de visualisations (couleurs, formes, etc) et nous ajoutons un axe temporel. Ensuite nous introduisons des interactions avec la possibilité de sélectionner des attributs et des instants, afficher des données complexes ou encore insérer des annotations sur la visualisation. Nous ajoutons une étape de classification non supervisée afin de regrouper dans la visualisation les attributs similaires. Enfin nous intégrons cette visualisation dans notre plateforme de fouille de données en réalité virtuelle VRMiner, avec un affichage stéréoscopique et des possibilités de navigation interactive. Nous appliquons cette visualisation sur plusieurs ensembles de données réelles et nous montrons qu'elle peut gérer jusqu'à 1,5 million de valeurs. Nous présentons également une évaluation utilisateur.
Title: Fouille visuelle de données temporelles avec DataTube2
Description:
Nous nous intéressons dans cet article à la fouille visuelle de données temporelles, où les données ont été mises sous la forme de n attributs dont les valeurs sont enregistrées pendant k instants.
Après un état de l'art sur les différentes approches de visualisation de telles séries, nous présentons plus particulièrement une approche ayant reçue encore peu d'attention ("DataTube").
DataTube place les données dans un tube dont l'axe représente le temps.
Nous étendons ensuite cette approche : tout d'abord nous définissons plusieurs modes de visualisations (couleurs, formes, etc) et nous ajoutons un axe temporel.
Ensuite nous introduisons des interactions avec la possibilité de sélectionner des attributs et des instants, afficher des données complexes ou encore insérer des annotations sur la visualisation.
Nous ajoutons une étape de classification non supervisée afin de regrouper dans la visualisation les attributs similaires.
Enfin nous intégrons cette visualisation dans notre plateforme de fouille de données en réalité virtuelle VRMiner, avec un affichage stéréoscopique et des possibilités de navigation interactive.
Nous appliquons cette visualisation sur plusieurs ensembles de données réelles et nous montrons qu'elle peut gérer jusqu'à 1,5 million de valeurs.
Nous présentons également une évaluation utilisateur.

Related Results

Deep learning for time series classification
Deep learning for time series classification
Apprentissage profond pour la classification des séries temporelles La science des données s’intéresse aux théories et aux algorithmes permettant d’extraire des con...
REGULAR ARTICLES
REGULAR ARTICLES
L. Cowen and C. J. Schwarz       657Les Radio‐tags, en raison de leur détectabilitéélevée, ...
Causal discovery from heterogeneous time series with application to IT monitoring data
Causal discovery from heterogeneous time series with application to IT monitoring data
Découverte causale à partir de séries temporelles hétérogènes avec application aux données de surveillance informatique Cette thèse explore le sujet de la découvert...
Co-evolution pattern mining in dynamic attributed graphs
Co-evolution pattern mining in dynamic attributed graphs
Fouille de motifs de co-evolution dans des graphes dynamiques attribués Cette thèse s'est déroulée dans le cadre du projet ANR FOSTER, "FOuille de données Spatio-Te...
Visual Function in the Preterm and Fullterm Newborn Infant
Visual Function in the Preterm and Fullterm Newborn Infant
SUMMARYVisual function in the preterm newborn infant has been studied by the visual orientation (tracking) technique of the Brazelton neurobehavioural assessment, and by the patter...
Privacy preserving top-k query processing over outsourced data
Privacy preserving top-k query processing over outsourced data
Préservation de la confidentialité des données externalisées dans le traitement des requêtes top-k L’externalisation de données d’entreprise ou individuelles chez u...
Contributions à la recherche de sous-groupes : définition, optimisation et exploitabilité
Contributions à la recherche de sous-groupes : définition, optimisation et exploitabilité
La Science des Données est un domaine qui s'intéresse à chaque étape de l'exploitation des données. En effet, ce domaine regroupe aussi bien les méthodes d'extraction de connaissan...

Back to Top