3D visualization of multivariate data

Abstract

Nowadays large amounts of data are organized in tables, especially in relational databases where the rows store the data items to which multiple attributes are stored in the columns. Information stored this way, having multiple (more than two or three) attributes, can be treated as multivariate data. Therefore, visualization methods for multivariate data have a large application area and high potential utility.

This thesis focuses on the application of 3D scatter plots for the visualization of multivariate data. When dealing with 3D, spatial perception needs to be exploited, by effectively using depth cues to convey spatial information to the user. To improve the presentation of individual 3D scatter plots, a technique is presented that applies illumination to them, thus using the shape-from-shading depth cue. To enable the analysis not only of 3D but of multivariate data, a novel technique is introduced that allows the navigation between 3D scatter plots. Inspecting the large number of 3D scatter plots that can be projected from a multivariate data set is very time consuming. The analysis of multivariate data can benefit from automatic machine learning approaches. A presented method uses decision trees to increase the speed a user can gain an understanding of the multivariate data at no extra cost. Stereopsis can also support the display of 3D scatter plots. Here an improved anaglyph rendering technique is presented, significantly reducing ghosting artifacts. The technique is not only applicable for information visualization, but for general rendering or to present stereoscopic image data. Some information visualization algorithms require high computation time. Many of these algorithms can be parallelized to run interactively. A framework that supports the parallelization on shared and distributed memory systems is presented.

In der heutigen Zeit werden große Datenmengen in Tabellen gespeichert, vor allem in relationalen Datenbanken. Dort speichern die Zeilen die Datensätze und die Spalten unterschiedliche Datenattribute. Informationen, die so gespeichert sind, können als multivariate Daten behandelt werden. Daher haben Visualisierungsmethoden für multivariate Daten ein breites Anwendungsgebiet und hohen potentiellen Nutzen.

Diese Arbeit hat die Anwendung von 3D Streudiagrammen zur Visualisierung multivariater Daten zum Fokus. Wenn dreidimensionale Objekte verwendet werden, muss die dreidimensionale Struktur durch den effektiven Einsatz von Hinweisreizen für das Tiefensehen (engl. depth cues) dem Betrachter vermittelt werden. Um die Darstellung einzelner 3D Streudiagramme zu verbessern, wird ein Verfahren vorgestellt, welches Beleuchtung auf diese anwendet und dadurch den gleichnamigen Hinweisreiz verwendet. Um die Analyse von nicht nur dreidimensionalen, sondern auch multivariaten Daten zu ermöglichen, wird ein neues Verfahren vorgestellt, welches die Navigation zwischen 3D Streudiagrammen ermöglicht. Eine große Anzahl von 3D Streudiagrammen zu untersuchen ist sehr zeitraubend. Die Analyse multivariater Daten kann jedoch von automatischen maschinellen Lernverfahren profitieren. Ein vorgestelltes Verfahren verwendet Entscheidungsbäume, um die Geschwindigkeit zu erhöhen, mit der ein Benutzer multivariate Daten verstehen kann, ohne einen zeitlichen Mehraufwand auf der Seite des Benutzers zu verursachen. Stereopsis kann auch die Anzeige von 3D Streudiagrammen unterstützen. Hier wird ein verbessertes Verfahren zur Erzeugung von Anaglyph-Stereo-Darstellungen vorgestellt, welches Geisterbildartefakte signifikant reduziert. Das Verfahren ist nicht nur in der Informationsvisualisierung, sondern auch generell für Rendering einsetzbar und eignet sich sogar zur Darstellung von stereoskopischen Fotoaufnahmen. Manche Informationsvisualisierungsalgorithmen benötigen viel Rechenzeit. Viele dieser Algorithmen lassen sich mit Hilfe von Parallellisierung interaktiv ausführen. Es wird ein System vorgestellt, welches die Parallelisierung sowohl auf Mehrkernprozessoren als auch verteilt über einem Netwerk unterstützt.