Visuelle Segmentierung und Labeling multivariater Zeitserien

01.10.2016 - 31.03.2020
Forschungsförderungsprojekt
Die Identifikation und Kennzeichnung sinnvoller Segmente in multivariaten Zeitserien ist eine höchst relevante Aufgabe in vielen Anwendungsbereichen. Sie erlaubt es Benutzern, Hypothesen zu generieren und Erkenntnisse zu gewinnen, z.B. um Ereignisse oder Aktivitäten in menschlichen Bewegungsdaten oder Elektrokardiogrammen zu finden. Dieses Projekt geht über aktuelle Segmentierungsansätze hinaus, indem es einen visuell-interaktiven Ansatz wählt, der die Auswahl von Segmentierungsalgorithmen, die Parametrisierung dieser Algorithmen und die visuelle Exploration verschiedener Arten von Unsicherheit miteinander integriert. Bisherige Ansätze betrachten jedes dieser Probleme separat. Jedoch kann erst die enge Integration aller drei Aspekte in unserem kombinierten Visual-Analytics-Ansatz zu einem deutlich verbesserten Ergebnis und einem tieferen Verständnis der Daten und des Datengenerierungsprozesses führen. Eine gemeinsame Systembasis, gemeinsame Datensätze und eine Aufgabenabstraktion bilden das Fundament für dieses Projekt und stellen die Zusammenarbeit über die Laufzeit hinweg sicher. (a) Wir werden mit Hilfe von Visual Analytics-Techniken die Auswahl von adäquaten Segmentierungs- und Kennzeichnungsalgorithmen und die Steuerung dieser Algorithmen untersuchen. Wichtige Aspekte sind dabei das Öffnen der bisherigen Black-Box der Algorithmenauswahl und eine interaktive Führung von Benutzern hin zu dem bestgeeigneten Algorithmus für eine bestimmte Datenmenge. (b) Wir erleichtern die Parametrisierung dieser Algorithmen durch die Entwicklung von Visual-Analytics-Techniken für eine systematische Analyse des Parameterraums (mehrerer Parameter und großer Wertebereiche). (c) Zur Exploration und Kommunikation verschiedener Arten von Unsicherheit erleichtern wir die geeignete visuelle Enkodierung, entwickeln wir Visual-Analytics-Techniken zur Bewertung dieser Unsicherheitstypen und erlauben wir die Untersuchung von Unsicherheit alternativer Algorithmen und Parametrisierungen (aggregierte Unsicherheit wie auch Ursachen und Wirkungen). Diese innovative Strategie erfordert eine umfassende horizontale und vertikale Evaluationsstrategie. Durch die horizontale Evaluation werden wir einzelne, im Rahmen des Projekts entwickelte Visualisierungs- und Interaktionsdesigns testen. In der vertikalen Evaluation werden wir eine summative Evaluation des integrierten Visual-Analytics-Ansatzes durchführen. Das Projektteam dieser deutsch-österreichischen Zusammenarbeit setzt sich aus Experten zusammen, die eine langjährige Erfahrung in den drei Forschungsfeldern vorweisen können. Die Universität Rostock (Heidrun Schumann) hat intensiv im Bereich der Parametrisierung geforscht; die TU Wien (Silvia Miksch) beinhaltet ausgewiesene Experten für die Analyse von Zeitserien und die Visualisierung von Unsicherheit; die TU Darmstadt (Dieter Fellner) hat mehrere, neue visuelle Ansätze für die datengetriebene Auswahl von Algorithmen und die Analyse von großen Zeitserien erarbeitet

Personen

Projektleiter_in

Subprojektleiter_in

Projektmitarbeiter_innen

Institut

Förderungsmittel

  • FWF - Österr. Wissenschaftsfonds (National) Einzelprojekt Fonds zur Förderung der wissenschaftlichen Forschung (FWF) Ausschreibungskennung D-A-CH

Forschungsschwerpunkte

  • Information and Communication Technology

Schlagwörter

DeutschEnglisch
Visual AnalyticsVisual Analytics

Publikationen