作者
香港科技大学
- Dongyu Liu
博世北美研究中心
- Panpan Xu
- Liu Ren
摘要
考虑一个多维时空（ST）数据集，其中每个条目都是由相应的时间、空间和其他领域特定维度确定的数值量。探索此类数据的一种典型方法是利用交互式的具有多个协调试图的可视化。每个视图均沿一维或二维显示汇总的度量。通过刷选视图，分析人员可以获得详细信息。但是，这种方法通常无法为分析师提供足够的知道来识别隐藏在数据子集中的模式。如果没有先验假设，分析人员需要手动选择并迭代不同的切片来搜索模式，这可能是一个繁琐而漫长的过程。在这项工作中，我们将多维ST数据作为张量并提出一种新颖的分段秩一的张量分解算法，该算法支持自动将数据切片为均匀的分区，并提取每个分区中潜在模式进行比较和视觉汇总。该算法优化了如何在视觉上真实地表示原始数据的定量度量。基于此，我们进一步提出了一种视觉分析框架，该框架支持自顶向下的渐进式的分区工作流程，以实现详细的多维ST数据探索。我们在三个来自不同应用领域的数据集上证明了我们技术的适用性和有效性，实验包括区域销售趋势分析、百货商店的客户流量分析以及包含起点终点(OD)数据的出租车行程分析。我们进一步采访了领域专家，验证了原型的可用性。
来源：oschina
链接：https://my.oschina.net/u/4288530/blog/4407338