Visual analytics of large weighted directed graphs and two-dimensional time-dependent data [Elektronische Ressource] / von Tatiana Landesberger von Antburg

Tatiana Landesberger Von Antburg

Sujets

• Informatik

Informations

• Publié par: technischen_universitat_darmstadt
• Publié le: 01 janvier 2010
• Nombre de lectures: 32
• Langue: English
• Poids de l'ouvrage: 16 Mo

Extrait

Visual Analytics of Large
Weighted Directed Graphs and
Two-Dimensional Time-Dependent Data
vom Fachbereich Informatik
der Technischen Universität Darmstadt
genehmigte
DISSERTATION
zur Erlangung des akademischen Grades eines
Doktor-Ingenieurs (Dr.-Ing.)
von
Dipl.-Math. Tatiana Landesberger von Antburg,
geboren Tekušová
geboren in Bratislava, Slowakische Republik
Referenten der Arbeit: Prof. Dr. techn. Dieter W. Fellner
Technische Universität Darmstadt
Prof. dr. ir. Jarke J. van Wijk
Technische Universiteit Eindhoven, Niederlande
Tag der Einreichung: 17.5.2010
Tag der mündlichen Prüfung: 28.6.2010
Darmstädter Dissertation
D 17
Darmstadt, 2010Acknowledgments
I would like to express my gratefulness to those people who contributed in various ways to the development of
this thesis.
I would like to especially thank Prof. Dr. techn. Dieter W. Fellner for his continuous support in this endeavor.
His inspiring and constructive comments during various stages of the process and the possibility to work on the
thesis in the encouraging environment of Technische Universität Darmstadt were the basis for the completion of
the project. I am thankful to Prof. dr. ir. Jarke J. van Wijk for acting as a second advisor. His useful comments
on the thesis and on the state-of-the-art-report on visual analysis of graphs are much appreciated.
The thesis has been conducted at Fraunhofer IGD and in the Graphics Interactive Systems Group (GRIS)
at Technische Universität Darmstadt. The head of Visual Search and Analysis Group Dr. Tobias Schreck has
actively supported my scientific work during the whole thesis preparation phase and Priv. Doz. Dr. habil. Arjan
Kuijper has contributed with useful comments to the draft in its final phase. I am thankful to Dr. Jörn Kohlhammer
and Prof. Dr.-Ing. José L. Encarnação for founding the Visual Analytics topic at Fraunhofer IGD and introducing
me to this interesting research area. During my work at Fraunhofer IGD and TU Darmstadt, I have collaborated
with many colleagues who in this way contributed to this thesis. In particular, I am thankful to Dr. Christoph
Hornung and Dr. Bettina Hornung for their numerous constructive suggestions on my current research and various
related issues. I am grateful to Sebastian Bremm, Matthias Kirschner and Torsten Techmann for their active role
in discussions on daily work topics and to Priv. Doc. Galina Paramei and her colleagues for the collaboration on
perception studies. Furthermore, during my project work and supervising activities, I have worked with many
students on the topics related to the thesis. These activities brought new inspirations to the work. In particular,
I appreciated the collaboration with Robert Rehner, Melanie Görner and Jürgen Bernard and their longer-term
engagement in the related projects.
Finally, I am very grateful to my family for their support in hard situations and in particular to my husband
Julian for all his patience, countless helpful hints and encouraging words.
iiiAbstract
Analysts need to effectively assess large amounts of data. Often, their focus is on two types of data: weighted
directed graphs and two-dimensional time dependent data. These types of data are commonly examined in
various application areas such as transportation, finance, or biology. The key elements in supporting the analysis
are systems that seamlessly integrate interactive visualization techniques and data processing. The systems also
need to offer the analyst the possibility to flexibly steer the analytical process.
In this thesis, we present new techniques providing such flexible integrated combinations with tight user in-
volvement in the analytical process for the two selected data types.
We first develop new techniques for visual analysis of weighted directed graphs.
We enhance the analysis of entity relationships by integration of algorithmic analysis of connections in
interactive visualization.
We improve the analysis of graph structure by several ways of motif-based analysis.
We introduce interactive visual clustering of graph connected components for gaining overview of the data
space.
Second, we develop new methods for visual analysis of two-dimensional time dependent data. We thereby
combine animation and trajectory-based interactive visualizations with user-driven feature-based data analysis.
We extend guidelines for the use of animation by conducting a perception study of motion direction change.
We introduce interactive monitoring of a new set of data features in order to analyze the data dynamics.
We present visual clustering of trajectories of individual entities using self-organizing maps (SOM) with
user control of the process.
As a basis for the development of the new approaches, we discuss the methodology of Visual Analytics and
its related fields. We thereby extend classification of Information Visualization and Interaction techniques used
in Visual Analytics systems.
The developed techniques can be used in various application domains such as finance and economics, geog-
raphy, social science, biology, transportation, or meteorology. In the financial domain, the techniques support
analysts in making investment decisions, in assessment of company value, or in analysis of economy structure.
We demonstrate our new methods on two real world data sets: shareholder networks and time-varying risk-return
data.
iiiivZusammenfassung
Die Analyse großer Datenmengen ist in vielen Anwendungsgebieten eine wichtige Aufgabe. Dazu zählen zum
einen die Biologie, Pharmazie und Verkehrsplanung als auch Sozial- und Wirtschaftswissenschaften, um nur ei-
nige Beispiele zu nennen. Diese Gebiete sind auf eine effektive und schnelle Analyse angewiesen, um zeitnah
Entscheidungen treffen zu können. Insbesondere die Analyse internationaler Finanzmärkte rückt zunehmend in
den Vordergrund. Finanzdatenanbieter stellen eine Vielzahl an Datensätzen aus unterschiedlichen Quellen bereit,
beispielsweise Aktienkurse aus dem elektronischen Handel in Echtzeit. Diese großen Datenmengen müssen von
Analysten effektiv ausgewertet werden, um eine schnelle und zugleich angemessene Reaktion auf Marktentwick-
lungen zu gewährleisten.
Der Fokus der Untersuchung ist oft auf zwei wichtige Datentypen gerichtet: Auf gewichtete, gerichtete Gra-
phen und auf zweidimensionale, zeitabhängige Daten. Die wesentlichen Elemente, die diese Analyse unterstüt-
zen, sind Systeme, die nahtlos interaktive Visualisierungstechniken und Datenverarbeitung verbinden. Diese Sys-
teme sollen dem Analysten die Möglichkeit bieten, den analytischen Prozess flexibel zu steuern.
In dieser Arbeit präsentieren wir neue Techniken, die diese flexibel integrierten Kombinationen mit enger
Einbeziehung des Nutzers in den analytischen Prozess für die beiden ausgewählten Datentypen unterstützen.
Für die visuelle Analyse gerichteter, gewichteter Graphen wurden auf den Datentyp und ausgewählte Nut-
zungsszenarien spezialisierte Techniken entwickelt. Ziel der Graphanalyse ist es, Wissen über globale und lokale
Strukturen des Graphen und damit über die Zusammenhänge zwischen den repräsentierten Entitäten zu erlangen.
Dabei können verschieden Teilgebiete definiert werden. Erstens, die Analyse direkter Beziehungen von Entitäten
untereinander. Zweitens, die Identifikation interessanter, etwa häufig auftretender Beziehungsmuster und drit-
tens, der Vergleich verschiedener Graphen. Bei der reinen Visualisierung von Graphen liegt der Schwerpunkt
auf der Entwicklung effizienter Layout- und Navigationstechniken. Um allerdings große Datenmengen effektiv
untersuchen zu können, ist die enge Integration von Algorithmen zur Graphanalyse in der Graphenvisualisierung
notwendig. Diese mächtige Kombination interaktiv nutzen zu können, ist ein Kernelement für eine erfolgreiche
Analyse.
Der Beitrag dieser Arbeit zur visuellen, interaktiven Graphanalyse konzentriert sich auf die drei genannten
Einsatzgebiete und beinhaltet:
1. Verbesserung der Analyse der Beziehung zwischen Graphknoten. Durch die interaktive Integration gra-
phalgoritmischer Analyse- und Visualisierungsmethoden wird eine einfache und effektive Untersuchung
der Zusammenhänge gewährleistet. Die Ergebnisse wurden veröffentlicht in [TK08].
2. Erweiterung der visuellen, interaktiven Analyse von Graphmotiven, die vordefinierte und interaktiv durch
den Benutzer definierte Strukturen untersucht. Auf Basis dieser Motivdaten kann eine hierarchische Aggre-
gation der Daten erfolgen, um verschiedene Abstraktionsebenen zu erzeugen. Dadurch können verschie-
dene Fragestellungen zur lokalen und globalen Graphenstruktur behandelt werden. Weiterhin wird die
Motivanalyse zur Auswertung struktureller Graphänderungen (z.B. benutzerdefinierte "was-wäre-wenn-
Szenarien) eingeführt. Wir haben dazu ein flexibles, visuelles System, das eine interaktive Kombination
dieser Techniken unterstützt, vorgestellt [vLGRS09].
v3. Analyse und Vergleich mehrerer Graphen (mittels Clustering) mit einem Schwerpunkt auf der Untersu-
chung vieler zusammenhängender Graphkomponenten . In der Untersuchung spielen strukturelle Ähnlich-
keiten der Graphen eine entscheidende Rolle. Wir haben eine Technik entwickelt, die