Reordering - Otimização de técnicas de reordenação de representações visuais de dados

Resumo

A representação de conjuntos de dados por meio de gráficos interativos pode apoiar o seu entendimento e a tomada de decisão neles baseada. Visando melhorar a compreensão do usuário sobre os dados por eles apresentados, gráficos baseados em eixos (como heatmaps, gráficos de coordenadas paralelas e representações de técnicas baseadas em pixel) podem reordenar os elementos em cada eixo e evidenciar padrões e tendências potencialmente ocultos nos conjuntos de dados. Dentre os diversos métodos para reordenação, destaca-se a utilização de métodos baseados em árvores PQR, aplicáveis a heatmaps. Essa classe de métodos, contudo, ainda não foi aplicada a tabelas de dados multidimensionais, foi pouco estudada quanto à reordenação de matrizes de proximidade (1-mode), e carece de análises quanto à escalabilidade referente ao número de tuplas suportadas. Adicionalmente, não foi aplicada a outros gráficos baseados em eixos. Portanto, este projeto é parte de uma pesquisa maior que visa aprimorar algoritmos de reordenação de estruturas visuais, baseados em árvores PQR, tornando-os aplicáveis a diferentes tipos de representações visuais multidimensionais, visando superar o desempenho de outros algoritmos de reordenação em critérios como otimização de funções de avaliação e tempo de execução. Este projeto, em particular, foca-se em reordenação de matrizes, dado que elas são a base para a construção de heatmaps. Espera-se alcançar a superação desejada baseando-se em aprimoramentos do algoritmo SMB (Smoothed Multiple Binarization), que utiliza árvores PQR, suavização e análise de vetores de características de conjuntos de dados. (AU)