Wyniki wyszukiwania - BazTech

1

The possibilities of visualisation multidimensional databases in interactive visual communication

Rybak Łukasz, Bednarski Radosław

Przegląd Telekomunikacyjny + Wiadomości Telekomunikacyjne

|

2023

|

nr 5

22--27

EN

In the article, we describe the possibilities of presenting multidimensional data warehouses in interactive two dimensional visualizations. We show how to avoid the information overload problem. This is a complex and difficult issue because each set describes different data. Therefore, there are no universal methods that can be transferred between visualizations of different databases. In this article, we analyze the graphical resources of available two-dimensional data visualizations. We describe the possibilities of their binding to specific types of data. In addition, we present their use for a specific data set described by thirteen features. In order to check the correctness of our analysis, we conduct scenario tests of usability.

PL

W artykule opisujemy możliwości prezentacji wielowymiarowych hurtowni danych w interaktywnych wizualizacjach dwuwymiarowych. Pokazujemy, jak uniknąć problemu redundancji informacji. Jest to zagadnienie złożone i trudne, gdyż każdy zbiór opisuje inne dane. Dlatego nie ma uniwersalnych metod, które można przenosić pomiędzy wizualizacjami różnych baz danych. W artykule analizujemy zasoby graficzne dostępnych dwuwymiarowych wizualizacji danych. Opisujemy możliwości ich powiązania z określonymi typami danych. Dodatkowo prezentujemy ich zastosowanie dla konkretnego zbioru danych opisanego przez trzynaście cech. W celu sprawdzenia poprawności naszej analizy przeprowadzamy scenariuszowe testy użyteczności.

2

Application of multi-parameter data visualization by means of multidimensional scaling to evaluate possibility of coal gasification

Jamróz D., Niedoba T., Surowiak A., Tumidajski T., Szostek R., Gajer M.

Archives of Mining Sciences

|

2017

|

Vol. 62, no. 3

445--457

EN

The application of methods drawing upon multi-parameter visualization of data by transformation of multidimensional space into two-dimensional one allow to show multi-parameter data on computer screen. Thanks to that, it is possible to conduct a qualitative analysis of this data in the most natural way for human being, i.e. by the sense of sight. An example of such method of multi-parameter visualization is multidimensional scaling. This method was used in this paper to present and analyze a set of seven-dimensional data obtained from Janina Mining Plant and Wieczorek Coal Mine. It was decided to examine whether the method of multi-parameter data visualization allows to divide the samples space into areas of various applicability to fluidal gasification process. The “Technological applicability card for coals” was used for this purpose [Sobolewski et al., 2012; 2013], in which the key parameters, important and additional ones affecting the gasification process were described.

PL

Metody służące do wizualizacji złożonych, wielowymiarowych danych poprzez transformację przestrzeni wielowymiarowej do dwuwymiarowej umożliwiają prezentację tych danych na ekranie komputera. Tym samym są przystępnym instrumentem analizy zbiorów danych, pozwalającym wykorzystać połączenie naszego wzroku z mocą naszej osobistej sieci neuronowej (mózgu) do wyodrębnienia z danych cech, których zauważenie przy pomocy innych metod może być bardzo trudne. W artykule zastosowano jedną z takich metod – skalowanie wielowymiarowe – w celu sprawdzenia, skuteczności tej metody do analizy próbek węgla ze względu na jego przydatność do procesu zgazowania w kotle fluidalnym. W tym celu pobrano próbki dwóch węgli, z KWK „Wieczorek” (węgiel typu 32) oraz ZG „Janina” (węgiel typu 31.2), które następnie miały być poddane testom pod względem ich przydatności do zgazowania. Każda z próbek została zbadana ze względu na cechy, których określone poziomy są kluczowe oraz wskazane w kontekście procesu zgazowania według „Karty przydatności węgli do zgazowania” (Sobolewski et al., 2012; 2013). Każdy z węgli został rozdzielony na osadzarce pierścieniowej (10 pierścieni, uziarnienie węgla 0-18 mm) w wyniku czego powstało pięć warstw (po 2 pierścienie każda). Następnie każda z warstw została rozsiana na 10 klas ziarnowych. Tak otrzymane produkty zostały poddane technicznej oraz chemicznej analizie (ogółem 50 próbek z ZG „Janina” oraz 49 próbek z KWK „Wieczorek” – klasa ziarnowa 16-18 mm w tej drugiej kopalni nie została uzyskana i pomiar był niemożliwy do zrealizowania. Tym samym otrzymano takie parametry do analizy jak: zawartość siarki, zawartość wodoru, zawartość azotu, zawartość chloru, zawartość węgla organicznego, ciepło spalania oraz zawartość popiołu. W wyniku przeprowadzonych badań oraz porównania ich z wymogami prezentowanymi w „Karcie przydatności węgli do zgazowania” okazało się, że tylko 18 próbek spełnia wszystkie wymogi, z czego aż 17 pochodziło z KWK „Wieczorek”. Postanowiono poddać ocenie wszystkie próbki bardziej złożonej obserwacji – wielowymiarowej analizie danych za pomocą skalowania wielowymiarowego. W rozdziale 3 przedstawiono szczegółowo zastosowaną metodologię analizy wraz z opisem algorytmu. Następnie, w rozdziale 4 przedstawiono wyniki obserwacji przeprowadzonych za pomocą opracowanego w tym celu programu komputerowego, napisanego w języku C++. Rysunki 1-3 przedstawiają sytuację, gdzie dane reprezentujące próbki węgla mniej lub bardziej przydatne do zgazowania zaczynają tworzyć podgrupy. Proces grupowania został przedstawiony etapowo, tzn. rys. 1 prezentuje sytuację wyjściową, Rys. 2 sytuację przy bardzo małej wartości parametru ITER = 5, zaś Rys. 3 najlepszy możliwy widok, otrzymany przy wartości parametru ITER = 340. Widać na tym rysunku, że obrazy punktów reprezentujących próbki węgla bardziej oraz mniej podatnego na zgazowanie zajmują osobne podobszary. Widać, że na całym obszarze rysunku, podobszary te można łatwo od siebie odseparować. Przez to możemy na podstawie tego rysunku stwierdzić, że skalowanie wielowymiarowe pozwala podzielić przestrzeń próbek na obszary o różnej przydatności do procesu zgazowania fluidalnego. Dzięki temu analizując następne, nieznane próbki możemy poprzez ich wizualizację zakwalifikować je do grupy bardziej podatnych na zgazowanie lub mniej podatnych na zgazowanie. Ważne jest to szczególnie dlatego, ponieważ w analizowanej sytuacji próbki węgla bardziej podatnego na zgazowanie zajmują wnętrze siedmiowymiarowego prostopadłościanu – co jest znacznym uproszczeniem. Wynika to bezpośrednio z faktu, iż przyjęte warunki określające przynależność do tej grupy („Karta przydatności Technologicznej węgla”) to proste nierówności przy pomocy których łatwo można sprawdzić taką przynależność. W rzeczywistości, może się jednak okazać, że obszar przynależności może mieć znacznie bardziej skomplikowany kształt. Wtedy na podstawie większej ilości próbek, których przynależność do klasy węgla bardziej podatnego na zgazowanie zostanie stwierdzona empirycznie, można będzie próbować przy pomocy skalowania wielowymiarowego uzyskać podział przestrzeni na obszary reprezentujące próbki węgla bardziej oraz mniej podatnego na zgazowanie. Rys. 4 przedstawia podobny podział, ale bez wzięcia pod uwagę parametru „zawartość chloru”. Również i w tym przypadku próbki węgla mniej lub bardziej podatnego na zgazowanie tworzą wyraźne podgrupy. Przy pominięciu parametru „zawartość chloru” już 78 próbek (37 z ZG „Janina” oraz 41 z KWK „Wieczorek”) z analizowanych 99-ciu spełniałoby wymogi zawarte w „Karcie przydatności węgla do zgazowania”. Rys. 5 przedstawia inne podejście do analizowanych próbek węgla. Tym razem za kryterium podziału przyjęto pochodzenie węgla z KWK „Wieczorek” lub ZG „Janina”, bez rozpatrywania ich w kontekście przydatności do zgazowania. Również i tym razem okazało się, że zastosowana metodologia pozwala stwierdzić możliwość efektywnego rozdzielenia, a tym samym prawidłowego rozpoznania analizowanych próbek węgla. Tym samym dowiedziono, że metoda skalowania wielowymiarowego może być bardzo przydatnym narzędziem podczas wieloparametrycznej analizy próbek różnego typu węgli.

3

SOLAP GIS in maritime research

Drypczewski K., Stepnowski A.

Hydroacoustics

|

2016

|

Vol. 19

93--100

EN

Multidimensional Geographical Information System is a system especially designed to acquire, distribute, analyze and visualize complicated spatio-temporal data. Modern Geographical Information System technology can provide easy-to-use, near real-time solutions to many problems from different areas of research. In the article, authors summarize recent works on Spatial Online Analytical Processing (SOLAP) and multidimensional Geographical Information System (GIS), discuss its capabilities and data structures used in spatio-temporal datasets, and propose its possible applications in maritime research.

4

Exploring the context of maritime SAR missions using visual data mining techniques

Sonninen M., Goerlandt F.

Zeszyty Naukowe Akademii Morskiej w Szczecinie

|

2015

|

nr 43 (115)

79--88

EN

The environmental conditions in the Gulf of Finland vary significantly in different locations. In addition, the gulf is a busy and important area for waterway traffic and international trade throughout the year. In summer, the area is ideal for recreational activities such as boating and other water-related activities. Water accidents occur due to different factors and under varying weather conditions. This paper introduces a visual data mining analysis applied to Search and Rescue (SAR) missions related to recreational boating. Starting from a SAR operations database, an integrated database was constructed by adding weather and wave data. The aim was to compare the different mission types as well as the activity of different SAR organisations during challenging wind and wave conditions. The investigation was performed using visual analysis techniques. The densest areas of challenging wind and wave conditions were found in the western and eastern parts of the gulf. Other investigated parameters were travelled distances and occurrence of the incidents during different times of day. A more detailed analysis was conducted for one dataset.

5

Optimization of the maximum likelihood estimator for determining the intrinsic dimensionality of high-dimensional data

Karbauskaitė R., Dzemyda G.

International Journal of Applied Mathematics and Computer Science

|

2015

|

Vol. 25, no. 4

895--913

EN

One of the problems in the analysis of the set of images of a moving object is to evaluate the degree of freedom of motion and the angle of rotation. Here the intrinsic dimensionality of multidimensional data, characterizing the set of images, can be used. Usually, the image may be represented by a high-dimensional point whose dimensionality depends on the number of pixels in the image. The knowledge of the intrinsic dimensionality of a data set is very useful information in exploratory data analysis, because it is possible to reduce the dimensionality of the data without losing much information. In this paper, the maximum likelihood estimator (MLE) of the intrinsic dimensionality is explored experimentally. In contrast to the previous works, the radius of a hypersphere, which covers neighbours of the analysed points, is fixed instead of the number of the nearest neighbours in the MLE. A way of choosing the radius in this method is proposed. We explore which metric—Euclidean or geodesic—must be evaluated in the MLE algorithm in order to get the true estimate of the intrinsic dimensionality. The MLE method is examined using a number of artificial and real (images) data sets.

6

Application of multidimensional data visualization by means of self-organizing Kohonen maps to evaluate classification possibilities of various coal types

Jamróz D., Niedoba T.

Archives of Mining Sciences

|

2015

|

Vol. 60, no. 1

39--50

EN

Multidimensional data visualization methods are a modern tool allowing to classify some analysed objects. In the case of grained materials e.g. coal, many characteristics have an influence on the material quality. The paper presents the possibility of applying visualization techniques for coal type identification and determination of significant differences between various types of coal. To achieve this purpose, the method of Kohonen maps was applied by means of which three types of coal – 31, 34.2 and 35 (according to Polish classification of coal types) were investigated. It was stated that the applied methodology allows to identify certain coal types efficiently and can be used as a qualitative criterion for grained materials.

PL

Metody wizualizacji wielowymiarowych danych są nowoczesnym narzędziem umożliwiającym klasyfikację analizowanych obiektów, którymi mogą być różnego typu dane opisujące wybrane zjawisko lub materiał. W przypadku materiałów uziarnionych, jakim jest np. węgiel, wiele cech ma wpływ na jakość materiału, tj. np. gęstość, wielkość ziaren, ciepło spalania, zawartość popiołu, zawartość siarki itp. Na potrzeby artykułu przeprowadzono rozdział węgli z trzech wybranych kopalni węgla kamiennego, zlokalizowanych w Górnośląskim Okręgu Przemysłowym. Każda z tych kopalni pracuje na innego typu węglu. W tym przypadku były to węgle o typach 31, 34.2 oraz 35 (według polskiej klasyfikacji typów węgla). Najpierw, materiał został podzielony na klasy ziarnowe a następnie za pomocą rozdziale w cieczy ciężkiej (roztwór chlorku cynku) na frakcje gęstościowe. Dla tak przygotowanego materiału przeprowadzono następnie analizy chemiczne mające na celu określenie takich parametrów, jak zawartość siarki, zawartość popiołu, zawartość części lotnych, ciepło spalania oraz wilgotność analityczną. W ten sposób, dla każdej klaso-frakcji uzyskano bogate charakterystyki badanego materiału. Nasuwa się więc pytanie, czy możliwa jest identyfikacja typu węgla za pomocą dostępnych danych. W tym celu zastosowano wielowymiarową technikę wizualizacji statystycznej. Istnieje wiele metod takiej wizualizacji, z których kilka było już przedmiotem wcześniejszych publikacji autorów. W tym wypadku autorzy zdecydowali się zastosować metodę sieci Kohonena. Metoda ta została opisana w rozdziale 2 pracy, gdzie oprócz opisu teoretycznego podano również główne wzory stosowane podczas modelowania tą metodą (wzory (1)-(5)). Do zbadania postawionego problemu wykorzystano optymalną liczbę iteracji i optymalny czas uczenia sieci. Pewnym problemem pojawiającym się przy takiej wizualizacji jest konieczność doboru parametrów, w celu uzyskania widoku, który w sposób czytelny prezentuje poszukiwane przez nas informacje. Należy wspomnieć, że w trakcie prowadzonych eksperymentów uzyskiwano widoki przy użyciu sieci neuronowej o wielkości od 10 × 10 do 100 × 100 neuronów. Widoki były uzyskiwane przy wartości parametru MAX_DISTANCE od 1 do wielkości sieci oraz parametru ITER od 1 do 5000. Eksperymenty były prowadzone dla różnych wzorów określających modyfikację wag. Przedstawione w pracy wyniki stanowią najbardziej czytelne z uzyskanych. Wizualizacja wielowymiarowa przy użyciu sieci Kohonena pozwala stwierdzić, że informacje zawarte w analizowanych siedmiowymiarowych danych są wystarczające do prawidłowej klasyfikacji typów węgla 31, 34.2 oraz 35, przy czym nawet zobrazowanie 3 typów węgla na jednym rysunku pozwala stwierdzić, że neurony reprezentujące próbki węgla danego typu gromadzą się w skupiskach, które można od siebie odseparować. Z tego wynika, że dane zawierają informacje wystarczające do prawidłowej klasyfikacji węgla. Zauważyć jednak warto, że przedstawienie przy pomocy sieci Kohonena, danych reprezentujących różne typy węgla parami, pozwala uzyskać jeszcze bardziej czytelne wyniki. Najlepsze efekty osiągnięto dla sieci o 40 wierszach oraz 40 kolumnach neuronów, co łącznie dało liczbę 1600 neuronów, zaś czytelność wyników rośnie wraz z postępem uczenia sieci neuronowej (wzrostem parametru ITER). Przeprowadzone doświadczenia w pełni potwierdzają, że zastosowana metoda może być z powodzeniem wykorzystana w badaniach jakościowych związanych z różnego typu materiałami uziarnionymi, w tym również węglem. Badania w tym zakresie są kontynuowane.

7

Multidimensional data visualization with the NovoSpark® Visualizer software

Pilipczuk O., Eidenzon D.

Zeszyty Naukowe. Studia Informatica / Uniwersytet Szczeciński

|

2013

|

Nr 32

49--60

EN

In this paper the authors present a method for visualization and qualitative analysis of multivariate data implemented in the NovoSpark® Visualizer software system. An application example, based on solar activity data, is discussed as well. Selected traditional methods are compared with NovoSpark method. The results of experiment prove that traditional methods of multidimensional data visualization (such as linear plots and parallel coordinates) lack the ability to simultaneously display all dimension values, static or dynamic, in a clear single image.

PL

Tradycyjne metody wielowymiarowej wizualizacji danych (takie jak macierze wykresów rozproszonych, współrzędne biegunowe, twarze Chernoffa itp.) nie pozwalają na jednoczesne wyświetlanie wszystkich wartości wymiarów statycznych lub dynamicznych w ramach jednego przejrzystego obrazu. W artykule autorzy przedstawiają metodę wizualizacji i jakościowej analizy danych wielowymiarowych w systemie NovoSpark®Visualizer. Podano przykład zastosowania systemu do analizy danych wybranych wskaźników aktywności słonecznej.

8

Diversification maps as a tool for multidimensional data presentation

Jałowiecki P., Jałowiecka E.

Information Systems in Management

|

2012

|

Vol. 1, No. 3

197--210

EN

In addition to data analysis, equally important issue, is the appropriate presentation of the analysis results during the economic, social and demographic studies. Depending on the legibility of the used form, it may make it easier or more difficult to interpret and draw conclusions. Especially difficult is the presentation of multidimensional data, according to the limitations of traditional types of graphs. The paper presents a graphical presentation of the three-dimensional data in the form of the so-called "map of differentiation" that is suitably modified spatial graph. There were presented different types of maps, layers determination ways and examples of specific applications for cigarettes consumption and diversification of logistics in the Polish food processing data.

9

Multivariate data approximation with preprocessing of data

Kosiński W., Kowalczyk D., Weigl M.

Computer Assisted Mechanics and Engineering Sciences

|

2007

|

Vol. 14, No. 4

651-658

EN

An adaptive information system is constructed in order to approximate a set of multidimensional data. To get better approximation properties a pre-processing stage of data is proposed in which the set of points, forming the multidimensional data base and called a training set TRE, undergoes a clustering analysis. In the analysis two independent clustering algorithms are used; on each cluster a feed-forward neural network is trained and a membership function of a fuzzy set is constructed. The constructed system contains a module of two-conditional fuzzy rules consequent parts of which are of the functional type. Each rule is designed on a pair of clusters.

10

The evolutionary heuristics applied to the analysis of multidimensional data

Jasińska-Suwada A.

Prace Naukowe Politechniki Warszawskiej. Elektronika

|

2006

|

z. 156

163-170

EN

This paper describes the pattern recognition system for analysis of multidimensional data, based on natural meta-heuristics. The system consists of tree modules: preprocessing, feature extraction and clustering. Feature extraction module is based on Molecular Dynamic (MD). In clustering are used two natural methods: Simulated Annealing (SA) and Taboo Search (TS). The system is used to analyze an evolving population of individuals equipped with 'genetic codes'. Clustering module extracts groups of data with similar genetic code named clusters and make of possible to observe their geographical localization. The feature extraction verifies the clustering and allows analyzing of clustering patterns, their shapes and the distances between them.

11

Advanced access to multidimensional data

Białecki A., Wdowiak S.

Informatyka Teoretyczna i Stosowana

|

2003

|

R. 3, nr 5

7-18

EN

One of the biggest problems in Data Mining is scalability of developed solutions. It is implied by the following factors: amount of data, splitting data on partitions, curse of dimensionality, many different types of data in the same repository, data neighbourhood and many others. In this paper we propose review of use clustering and space filling in for different areas of data mining. Access to multidimensional data and "what if' queries, typical for OLAP, data warehouses etc. have been discussed. A dedicated GIS Warehouse system as au example of spatial data system is another area of Multidimensional Hierarchical Clustering/ Hierarchy Interleaving. It requires only minor modifications of the typical star schema. Multidimensional data have been presented as a new area for `Z-curves' access methods. Also the idea of `cubegrades' has been reviewed as useful for high level data analysis. Cubegrades are generalised version of association rules.