Escalabilidade visual de representações baseadas em posicionamento de pontos

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.