Visualização de dados multi-dimensionais por meio de mapas de difusão

Abstract

A visualização de dados multi-dimensionais é um tópico relevante na área de Visualização da Informação, nos quais alguns dos desafios mais recorrentes ocorre devido ao crescente volume de dados a ser tratado. Além disso, a dimensionalidade desses dados têm aumentado consideravelmente. Visualizações baseadas em projeções multi-dimensionais se tornaram alternativas importantes às técnicas tradicionais, pois conseguem gerar efetivamente representações gráficas 2D ou 3D de dados definidos em um espaço de alta dimensionalidade. Uma projeção multi-dimensional tem a complexa tarefa de mapear tais dados para um espaço de baixa dimensionalidade preservando seus padrões, suas estruturas e as relações de similaridade. Devido à grande variedade de tipos de dados (imagens, texto, geográficos e etc) e as diferentes maneiras em que podem ser caracterizados, a tarefa de selecionar uma técnica para gerar visualizações representativas dos dados não é trivial. Desta maneira, esta monografia propõe estudar o emprego do algoritmo Mapas de Difusão como uma técnica de visualização baseada em projeção multi-dimensional. Na literatura, tal algoritmo originalmente proposto como uma técnica de redução de dimensionalidade, foi empregado com sucesso em tarefas de segmentação e agrupamento de dados devido à sua formulação probabilística e natureza espectral. Os experimentos foram conduzidos visando avaliar a precisão com que as relações de similaridade dos dados originais são preservadas no espaço de baixa dimensão, como também a qualidade das representações gráficas obtidas. Os resultados foram comparados com outras técnicas clássicas de projeção multi-dimensional na literatura (MultiDimensional Scaling, Isometric Feature Mapping e Locally Linear Embedding Standard) e mostraram que dado uma configuração de parâmetros correta, a técnica Mapas de Difusão é apropriada para realizar a visualização de dados multi-dimensionais.