Abordagens heterogêneas para a exploração interativa de grafos multivariados

• Main Author: Cava, Ricardo Andrade
• Other Authors: Freitas, Carla Maria Dal Sasso
• Format: Others
• Language: Portuguese
• Published: 2017
• Subjects: Computacao grafica : Aplicacoes; Visualizacao : Software; Processamento : Imagem; Information visualization; Multivariate graphs; Cluster visualization
• Online Access: http://hdl.handle.net/10183/157522

Muitas aplicações tratam dados estruturados na forma de grafos, como, por exemplo, redes sociais, redes de computação e comunicação, redes epidemiológicas, entre outras. Essas aplicações são baseadas em grafos multivariados representando itens e relacionamentos caracterizados por múltiplos atributos. A maioria das técnicas descritas na literatura para lidar com grafos multivariados concentram-se em problemas associados com visualização da topologia ou em problemas associados com a visualização de múltiplos atributos de itens separados da topologia do grafo. Durante a exploração de grafos multivariados, os usuários podem se beneficiar da combinação de diversas técnicas de visualização. A fim de apoiar os usuários durante essa exploração, esta tese propõe uma abordagem que permite ao usuário combinar diversas técnicas de visualização, mantendo o controle da história das visualizações encadeando-as de uma maneira integrada. Os usuários são capazes de comparar os resultados fornecidos por diferentes técnicas de visualização, o que proporciona o sinergismo necessário para a compreensão mais completa do conjunto de dados. São propostas também três técnicas para a exploração de grafos multivariados. A primeira técnica (ClusterVis) fornece a visualização das relações entre atributos de nodos pertencentes a agrupamentos. A segunda, denominada GlyphMatrix, explora o uso de glifos e matriz de adjacência, para visualizar a relação entre atributos associados às arestas. E, finalmente, a terceira (Iris) permite a visualização de atributos associados às arestas de nodos adjacentes. === Many computing applications imply dealing with network data, for example, social networks, communications and computing networks, epidemiological networks, among others. These applications are based on multivariate graphs representing items and relationships characterized by multiple attributes. Most of the visualization techniques described in the literature for dealing with multivariate graphs focus either on problems associated with the visualization of topology or on problems associated with the visualization of multiple attributes of items, separated from the graph topology. During the exploration of multivariate graphs, users might get benefit of combining these diverse visualization techniques. In order to support users during that exploration, this thesis proposes an approach that allows users to combine diverse visualization techniques while keeping track of the history of chained visualizations in an integrated way. Users are able to compare results provided by different visualization techniques, and thus the tools provide the synergism one needs to fully comprehend the data set. Three techniques were embedded in the approach. The first one emphasizes the visualization of relations between the attributes of nodes belonging to clusters, and thus is called ClusterVis. The second one is named GlyphMatrix, and explores the use of glyphs and adjacency matrices as an alternative representation of the relation between the attributes of edges. Finally, a third technique (Iris) provides features for the visualization of attributes of edges of adjacent nodes.