Speaker: Prof. Heidrun Schumann (University of Rostock, Germany)
Visuelles Data Mining bezeichnet die Verknüpfung von automatischen und visuellen Methoden für eine effektive Exploration komplexer Datenmengen. Als automatische Methoden werden insbesondere Techniken aus den Bereichen des Knowledge Discovery und der Statistik eingesetzt, als visuelle Methoden Techniken der Informationsvisualisierung. Bisherige Ansätze gehen von abstrakten Daten aus. Im Vortrag sollen spezielle Erweiterungen zu dieser Vorgehensweise diskutiert werden.
Zunächst soll die Frage geklärt werden, inwieweit sich die genannten Konzepte auch auf die Exploration von Strukturen übertragen lassen. Hierzu werden einige Methoden der Graphentheorie ausgewählt mit dem Ziel, die automatische Berechnung von strukturellen Eigenschaften innerhalb des Visuellen Data Mining zu unterstützen. Es wird ein Framework vorgestellt, das diese Funktionalität umsetzt.
Als zweiter Punkt soll die Verbesserung der Usability im Umfeld des Visuellen Data Mining genauer untersucht werden. Hierbei werden 2 Problemkreise angesprochen:
- Der Entwurf eines History-Managements, um Undo, Redo und die Wiederverwendung von Analyseverläufen zu ermöglichen,
- Der Entwurf spezieller Linsentechniken, die auf verschiedenen Stufen der Visualisierungspipeline aufsetzen und so, je nach Bedarf, zusätzliche Informationen anzeigen bzw. Informationen aggregieren oder ausblenden.