空间盲源分离的视觉参数选择
摘要：对空间多变量数据进行分析，即在不规则间隔位置上的测量，是可视化和统计学中一个具有挑战性的议题。这种数据在许多领域中是不可或缺的，例如，用于矿山勘探的有价矿物的指标。流行的分析方法，如PCA，通常在设计上不考虑数据的空间性质。因此，它们以及它们的空间变体必须非常谨慎地使用。显然，最好使用专门为此类数据设计的方法，如空间盲源分离（SBSS）。然而，SBSS需要两个调整参数，它们本身也是复杂的空间对象。设置这些参数涉及到在两个大而相互依赖的参数空间中进行导航，同时还要考虑到数据所代表的物理现实的先验知识。为了支持分析师在这个过程中，我们开发了一个可视化分析原型。我们与可视化、SBSS和地球化学领域的专家进行了评估。我们的评估结果显示，我们的交互式原型可以有效地定义复杂和真实的参数设置，这在过去是不切实际的。由非专家确定出的设置为领域专家带来了惊人和令人惊讶的见解。因此，本文介绍了实现对空间多变量数据进行分析的有前途方法的重要的第一步。
作者：Nikolaus Piccolotto and Markus B"ogl and Christoph Muehlmann and Klaus Nordhausen and Peter Filzmoser and Silvia Miksch
论文ID：2112.08888
分类：Human-Computer Interaction
分类简称：cs.HC
提交时间：2023-08-15