Escalabilidade visual de representações baseadas em posicionamento de pontos

• Processo: 13/21779-6
• Modalidade de apoio: Bolsas no Brasil - Pós-Doutorado
• Data de Início da vigência: 01 de dezembro de 2013
• Data de Término da vigência: 31 de agosto de 2016
• Área de conhecimento: Ciências Exatas e da Terra - Ciência da Computação - Metodologia e Técnicas da Computação
• Pesquisador responsável: Maria Cristina Ferreira de Oliveira
• Beneficiário: Moussa Reda Mansour
• Instituição Sede: Instituto de Ciências Matemáticas e de Computação (ICMC). Universidade de São Paulo (USP). São Carlos , SP, Brasil
• Vinculado ao auxílio: 11/22749-8 - Desafios em visualização exploratória de dados multidimensionais: novos paradigmas, escalabilidade e aplicações, AP.TEM
• Bolsa(s) vinculada(s): 15/14426-5 - Investigação de metáforas visuais escaláveis para redes muito grandes, BE.EP.PD
• Assunto(s): Análise visual Mineração de dados Visualização de informação
• Palavra(s)-Chave do Pesquisador: Esclalabilidade de representações visuais | mineração visual de dados | visual analytics | Visualização de Informação | Visualização Multidimensional | Processamento Gráfico

Resumo

A visualização intuitiva de um grande volume de dados tem atraído pesquisas para o desenvolvimento de ferramentas adequadas para analisar, indexar, sumarizar e classificar tais dados em larga escala. O principal objetivo destas ferramentas é extrair informação necessária e compacta para representar, de forma significativa, o conteúdo disponível. Dentro deste contexto, técnicas para extração e projeção de atributos têm sido amplamente aplicadas, pois permitem reduzir a dimensão de um grande conjunto de dados através do uso de características intrínsecas aos mesmos. Entretanto, visualizações geradas para conjuntos de dados muito grandes sofrem de intensa sobreposição de pontos e consequentemente oclusão visual, o que dificulta a identificação e seleção de elementos e grupos de interesse e outras operações de interação. Neste projeto de pós-doutoramento, pretende-se investigar estratégias capazes de tratar este problema. De fato, a busca por metáforas visuais escaláveis é essencial na visualização de dados abstratos, podendo impactar significativamente na disseminação de técnicas de posicionamento de pontos em uma ampla gama de domínios de aplicação. Neste sentido, almeja-se o desenvolvimento de novos paradigmas para fornecer metáforas visuais criadas a partir de técnicas de projeção multidimensional e árvores filogenéticas, buscando facilitar a compreensão, exploração e mineração visual de um grande volume de dados.

Publicações científicas

(Referências obtidas automaticamente do Web of Science e do SciELO, por meio da informação sobre o financiamento pela FAPESP e o número do processo correspondente, incluída na publicação pelos autores)

DIAS, FABIO; MANSOUR, MOUSSA R.; VALDIVIA, PAOLA; COUSTY, JEAN; NAJMAN, LAURENT; ANGULO, J; VELASCOFORERO, S; MEYER, F. Watersheds on Hypergraphs for Data Clustering. MATHEMATICAL MORPHOLOGY AND ITS APPLICATIONS TO SIGNAL AND IMAGE PROCESSING (ISMM 2017), v. 10225, p. 11-pg., 2017-01-01. (15/14426-5, 13/21779-6, 13/14089-3, 16/04391-2, 11/22749-8, 14/12815-1)