Change search
CiteExportLink to record
Permanent link

Direct link
Cite
Citation style
  • apa
  • harvard1
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Other style
More styles
Language
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Other locale
More languages
Output format
  • html
  • text
  • asciidoc
  • rtf
Visualizing Temporal Periodicity in Categorical Datasets.
KTH, School of Computer Science and Communication (CSC).
2011 (English)Independent thesis Advanced level (professional degree), 20 credits / 30 HE creditsStudent thesis
Abstract [en]

Visualizing Temporal Periodicity in Categorical Datasets

Author: John Laurin

Abstract:

When analysing time series data, identifying periodic patterns is a com-mon task. Several methods have been proposed to locate such patterns, many of them utilizing visualizations. One such visualization proposed in the past has been the Spiral Display, a method in which time series data is mapped onto a spiral representation of a timespan. Using an appropriate period for this spiral, periodic patterns reveal themselves radially.

Most implementations of the spiral display to date have focused on quan- titative, continuous and univariate data, using encoding schemes which are consistent with that premise. Here, an alternative implementation of the Spiral Display is presented, which deals primarily with categor- ical, discrete and multivariate data with a glyph-based representation of datapoints, using colour hue and shape to encode attribute data. In order to facilitate exploratory analysis, several interaction features were added, including controls for detail, overview, suppression, encod- ing control, spiral control and animation of the spiral period.

Several methods for visualizing time series data are also evaluated, along with techniques for interaction and data encoding which had bearing on the development of the implementation.

User tests have shown that the implementation is an effective means of finding periodic patterns in time series data of the format above. Tests have revealed several factors which affect the difficulty of finding such patterns as well as highlighting the importance of interaction features such as animation, encoding and suppression. Testing has also revealed that, while powerful, the Spiral Display requires an amount of learning to utilize properly and that there is a tendency among users to rely on more conventional means of determining pattern periods when that is feasible.

Abstract [sv]

Visualisering av tidsmässig periodicitet i kategoriska datamängder

Författare: John Laurin

Sammanfattning:

Vid analys av tidsbaserad data är en vanlig uppgift att finna periodiska mönster. Ett flertal metoder har blivit presenterade för att upptäcka sådana mönster varav många använder sig av visualiseringar. En av de visualiseringar som används tidigare är spiraldisplayen, vilken är en metod i vilken tidsdata överförs och visas på en spiralrepresentation utav ett tidsspann. När en lämplig period för denna spiral använs så visar sig eventuella mönster radiellt.

De flesta implementationer utav spiraldisplayen har hittills fokuserat på kvantitativ och kontinuerlig data med en variabel och använder visuella kodningsmetoder som passar den premissen. I denna rapport presenteras en alternativ implementation av spiraldisplayen som primärt fokuserar på tidsmässig data som är kategorisk, diskret och utgörs av multipla variabler. Detta åstadkoms genom att använda sig av en glyfbaserad rep- resentation utav datapunkter, med färgkulör och form för att koda at- tributdata. För att underlätta utforskande analys utav datamängden så tillades ett flertal interaktionskomponenter, inkluderande kontroller för detaljvy, översiktsvy, undertryck, kodningskontroll, spiralkontroll samt animation av spiralperioden.

Ett flertal metoder för visualisering utav tidbaserad data evalueras även samt tekniker för interaktion och datakodning som haft en inverkan på implementationen.

Användartester har visat att implementationen utgör ett effektivt verk- tyg för att finna periodiska mönster i tidsbaserad data enligt mönstret ovan. Tester har visat ett flertal faktorer som påverkar svårigheten i att finna sådana mönster samt understryker vikten av interaktionsfunktion- er såsom animation, kodning och undertryck. Tester har även påvisat att spiraldisplayen, trots dess styrkor, kräver en viss inlärning innan den kan användas effektivt samt att det finns en tendens hos användare att förlita sig på mer konventionella metoder för att bestämma mönsterpe- rioder när detta visar sig möjligt.

Place, publisher, year, edition, pages
2011.
Series
Trita-CSC-E, ISSN 1653-5715 ; 2011:148
National Category
Computer Science
Identifiers
URN: urn:nbn:se:kth:diva-130733OAI: oai:DiVA.org:kth-130733DiVA: diva2:654180
Educational program
Master of Science in Engineering - Computer Science and Technology
Uppsok
Technology
Supervisors
Examiners
Available from: 2013-10-07 Created: 2013-10-07

Open Access in DiVA

No full text

Other links

http://www.nada.kth.se/utbildning/grukth/exjobb/rapportlistor/2011/rapporter11/laurin_john_11148.pdf
By organisation
School of Computer Science and Communication (CSC)
Computer Science

Search outside of DiVA

GoogleGoogle Scholar

urn-nbn

Altmetric score

urn-nbn
Total: 79 hits
CiteExportLink to record
Permanent link

Direct link
Cite
Citation style
  • apa
  • harvard1
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Other style
More styles
Language
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Other locale
More languages
Output format
  • html
  • text
  • asciidoc
  • rtf