SlideShare ist ein Scribd-Unternehmen logo
1 von 28
Downloaden Sie, um offline zu lesen
B-16:
システムデザイン研究科 情報科学域 高間研究室
18860615 高見 玲
令和元年度修士論文
Study on Visual Analytics Framework for Formulating Evaluation Metrics of Multi-dimensional Time-series Data
2019年度 首都大学東京システムデザイン研究科 情報科学域 修士論文発表会 12020/2/4
多次元時系列データに対する評価指標構築のための
視覚的分析フレームワークに関する研究
序論/研究背景_________
2019年度 首都大学東京システムデザイン研究科 情報科学域 修士論文発表会 22020/2/4
• 人と計算機の協調による分析アプローチ
Semantic interaction
時系列性考慮の必要 多次元時系列データ可視化の困難性
DR
Model
Visualization
多次元 時系列データの普及:
• 意思決定, 売り上げ予測への活用 評価指標の定義が必要
• ドメイン専門家の分析が必要 視覚的分析インタフェースの利用
序論・研究背景_________
2019年度 首都大学東京システムデザイン研究科 情報科学域 修士論文発表会 32020/2/4
評価指標: ドメイン知識に基づくデータの配置, 並び替え (ランキング)基準
外れ値の閾値, クラスタリングの距離関数, セイバーメトリクス
指標形成プロセス
② パラメータ調整の困難性 視覚的分析による支援
① 前処理 ② 分析・パラメータ調整 ③ 指標形成・検証
□ 多次元データを取得
□ 機械学習で属性選択
□ 重要な属性の識別
次元削減
□ ①の結果を探索的分析
□ 各属性値の特性を理解
□ 知識に基づくパラメータ調整
□ 統計処理 正規化
□ 解釈可能な形式で記述
(専門家による議論)
□ 指標の妥当性検証
提案フレームワーク: 定式化_________
2019年度 首都大学東京システムデザイン研究科 情報科学域 修士論文発表会 42020/2/4
対象: 一定間隔で取得されたデータ (金融, 医療, スポーツ, ライフログ)
• 𝑁 個の𝑀 次元データ𝑫 = {𝑑tnm} を時点 𝒕 ∈ 𝑻
ごとに2次元平面に投影
• 次元削減で座標𝑷 𝒕𝒏にデータ 𝒅 𝑡𝑛を投影: 座標を2種類のパラメータで表現
𝜶 : 各オブジェクトの移動度 (バイアス)
𝝎 : 投影軸における各属性の強調度合い
• 投影軸と評価指標を対応付け 指標構築のたたき台として活用
α
α
ωω
α
t
𝑷 𝒕𝒏 = ෍
𝑚=1
𝑀
𝑑 𝑡𝑛𝑚 𝝎 𝝉𝒎 + 𝜶 𝝉𝒏
(𝜶 𝒕𝒏 = 𝛼 𝑡𝑛
X
, 𝛼 𝑡𝑛
Y
𝝎 𝒕𝒎 = (𝜔 𝑡𝑚
X
, 𝜔 𝑡𝑚
Y
))
𝝎 𝒕
𝐗
𝝎 𝒕
𝐘
提案フレームワーク: 可視化オブジェクト_________
2019年度 首都大学東京システムデザイン研究科 情報科学域 修士論文発表会 52020/2/4
𝑡 𝑛
𝑡 𝑛+1 𝑡 𝑛+2
𝑡 𝑛+3
ω
α
t
𝑡 𝑛
軌跡 (時間的変化)ノード (座標)
𝑡 𝑛
• 時点 𝒕 ごとにパラメータを定義可能
• 調整対象の時間的/空間的範囲を可視化オブジェクトと対応付け
• 同一ビューに対する柔軟かつ漸進的なパラメータ調整を支援
現在時点のノード
パス
ノード
凸包(グループの表現)
𝑜1
𝑜1
ω
α
t
𝑡 𝑛
𝑡 𝑛+3
𝑜2 𝑜3
𝑜2 𝑜3
時点ごとに描画 (ノードの凸包)
全時点について描画 (軌跡の凸包)
提案フレームワーク: パラメータ調整_________
2019年度 首都大学東京システムデザイン研究科 情報科学域 修士論文発表会 62020/2/4
6
近接する点
離散する点
投影軸
絶対的操作 相対的操作
オブジェクトの操作戦略 : 2種類を採用
• 絶対的操作: 大局的変更 ( 𝜔 )
• 相対的操作: 局所的変更 𝛼 𝜔
ω ω’
プロトタイプインタフェース
2019年度 首都大学東京システムデザイン研究科 情報科学域 修士論文発表会 72020/2/4
(a) 散布図ビュー (b) 詳細ビュー
投影軸における各属性の強調度合い(ωの可視化)
PCAによる次元削減結果を可視化
アニメーション制御UI
平行座標
選択オブジェクトのX, Y軸における
座標の時間的変化
凸包
軌跡
グループ表示/非表示
機能選択の
ナビゲーション
操作対象変更
プロトタイプインタフェース
2019年度 首都大学東京システムデザイン研究科 情報科学域 修士論文発表会 82020/2/4
PCA (主成分分析)に提案フレームワークを適用:
• 理由: 計算時間, 解釈可能性
• 主成分ベクトル= 𝝎 の初期値
探索モードの導入: 一部の操作適用結果を変更
• 再生 (アニメーション): データの変化特性の把握
• 静止 (散布図の探索): 知識形成のための詳細な探索
使用事例: 野球データ_________
2019年度 首都大学東京システムデザイン研究科 情報科学域 修士論文発表会 92020/2/4
データセット概要
• MLB打者データ(2018) : 野手数𝑁 = 198, 属性数𝑀 = 11, 時点数𝑇 = 12
• 属性: 打席数, 打点, 単打, 二塁打, 三塁打, 本塁打, 盗塁, 三振, 四球, 死球, 犠飛
• 各時点の値でmin-max normalization
目的: 野手の特性/活躍度合いを同時に評価 視覚的分析
• X軸: 野手の活躍度合いに対応
• シーズンを通して打席数が多い打者 (Silver Slugger, MVPなど)が強調
• Y軸: 野手の打撃タイプに対応
• 俊足巧打タイプ: 単打, 盗塁が多い
• 強打者タイプ: 本塁打, 打点が多い
両者をより顕著に表す指標の構築
Baseball-Reference.com, https://www.baseball-reference.com/ (2020-01-21 参照)
使用事例: 野球データ_________
2019年度 首都大学東京システムデザイン研究科 情報科学域 修士論文発表会 102020/2/4
俊足巧打タイプ
(相対的操作)
Silver Slugger 受賞者
(絶対的操作)
強打者タイプ
(相対的操作)
𝜔𝑡
(X)
𝜔𝑡
(Y)
𝜔𝑡
(X)
𝜔𝑡
(Y)
俊足巧打タイプ
Silver Slugger 受賞者
強打者タイプ
(パラメータ調整前)
使用事例: 野球データ_________
2019年度 首都大学東京システムデザイン研究科 情報科学域 修士論文発表会 112020/2/4
俊足巧打タイプ
(相対的操作)
Silver Slugger 受賞者
(絶対的操作)
強打者タイプ
(相対的操作)
PA: シーズン前半で強く重み付け𝜔𝑡
(X)
𝜔𝑡
′(Y)
𝜔𝑡
′(X)
α ω
SF
HBP
BB: 後半で負方向に変化
SB
HR
3B
2B
1B
PA
𝜔𝑡
(Y)
(パラメータ調整後)
使用事例: 野球データ_________
2019年度 首都大学東京システムデザイン研究科 情報科学域 修士論文発表会 122020/2/4
指標構築
• 探索・パラメータ調整で得られた知見
• X軸 (活躍度合い): シーズン前半では打席数が影響
• Y軸 (野手の特性): シーズン前半: 四球, 後半: 三塁打, 本塁打が強く影響
• 知見・ 𝝎に基づき指標 (非線形)構築 ( 活躍度合い×打撃タイプ )
• 既存指標 (塁打数, 出塁率)を参考に構築
• X軸の特性 分母に反映: シーズン前半は打席数が多い野手を評価
Btype =
単打 × 2 + 盗塁 × 2 + 三塁打 × 2 − 二塁打 + 本塁打 × 3
規定打席
単打 × 2 + 盗塁 × 3 + 三塁打 × 3 − 四球 + 二塁打 × 2 + 本塁打 × 4
打席
(シーズン前半)
(シーズン後半)
評価実験1: 概要_________
2019年度 首都大学東京システムデザイン研究科 情報科学域 修士論文発表会 132020/2/4
実験協力者: 20代の理工系大学生/大学院生18名
タスク: 指定オブジェクトの類似オブジェクトを指定数発見
データセット: オブジェクト数𝑁 = 500, 時点数𝑇 = 10, 属性数𝑀 = 10
人工データ:指定オブジェクトと同じ変化傾向を付与したデータを発見
インタフェース:
EPL : 提案インタフェース
EBL1 : 凸包機能を無効化
EBL2 : 軌跡機能を無効化
評価: タスク実行時間, オブジェクト類似度, アンケート
目的: 時系列データ探索における有効性確認
評価実験1: 結果と考察_________
2019年度 首都大学東京システムデザイン研究科 情報科学域 修士論文発表会 142020/2/4
0
0.05
0.1
0.15
0.2
0.25
0.3
0.35
0.4
EPL EBL1 EBL2 EPL EBL1 EBL2 EPL EBL1 EBL2 EPL EBL1 EBL2
発見オブジェクト数: 1 発見オブジェクト数: 3 発見オブジェクト数: 5 発見オブジェクト数: 10
MRR
• 発見すべきオブジェクト数増加
EPL: 軌跡 凸包の併用により発見精度がEBLより改善
EBL1: 複数オブジェクトの選択が困難, EBL2: 重なりによる視覚的混乱
• 分析行動 (EPL): 対象の軌跡を画面上に固定 凸包内のオブジェクト軌跡と比較
: ANOVA, t検定で有意差を確認
評価実験2: 概要_________
2019年度 首都大学東京システムデザイン研究科 情報科学域 修士論文発表会 152020/2/4
実験協力者: 20代の理工系大学生/大学院生18名
タスク: 指定された投影軸に対する指定オブジェクトの強調
データセット: オブジェクト数𝑁 = 50, 時点数𝑇 = 5, 属性数𝑀 = 10
インタフェース:
PPL: 相対的操作 + 絶対的操作 + 棒グラフ
PBL1: 棒グラフのみ
PBL2: 相対的操作 + 棒グラフ
PBL3: 絶対的操作 + 棒グラフ
評価: タスク達成率, パラメータ調整量, アンケート
目的: パラメータ調整における有効性確認
評価実験2: 結果と考察_________
2019年度 首都大学東京システムデザイン研究科 情報科学域 修士論文発表会 162020/2/4
• タスク達成率: PPL, PBL2 (相対的操作) > PBL3 > PBL1
• パラメータ調整量: PBL2 > PPL > PBL3 (絶対的操作) > PBL1
絶対的操作 (大局的変更), 相対的操作 (局所的変更), 棒グラフ(微調整)
• アンケート結果: 可視化オブジェクト切り替え機能の有効性を確認
0
20
40
60
80
100
対象軸: X 対象軸: Y 対象軸: X, Y
タスク達成率[%]
PPL PBL1 PBL2 PBL3
評価実験2: 結果と考察_________
2019年度 首都大学東京システムデザイン研究科 情報科学域 修士論文発表会 172020/2/4
0
1
2
3
4
5
6
PPL PBL1 PBL2 PBL3 PPL PBL1 PBL2 PBL3
強調対象: Y 強調対象: X, Y
Y軸におけるパラメータ調整量
0
1
2
3
4
5
6
PPL PBL1 PBL2 PBL3 PPL PBL1 PBL2 PBL3
強調対象: X 強調対象: X, Y
X軸におけるパラメータ調整量
• タスク達成率: PPL, PBL2 (相対的操作) > PBL3 > PBL1
• パラメータ調整量: PBL2 > PPL > PBL3 (絶対的操作) > PBL1
絶対的操作 (大局的変更), 相対的操作 (局所的変更), 棒グラフ(微調整)
• アンケート結果: 可視化オブジェクト切り替え機能の有効性を確認
結論/今後の課題_________
2019年度 首都大学東京システムデザイン研究科 情報科学域 修士論文発表会 182020/2/4
まとめ
• 多次元時系列データに対する指標構築支援フレームワークの提案
• PCAに適用, インタフェースとして実装
• 評価実験, 使用事例より有効性を確認
今後の展望
• 提案手法の有効性検証
• ドメイン専門家によるケーススタディ 定性的な有効性検証
• 提案フレームワークの拡張 非線形次元削減
発表文献_________
2019年度 首都大学東京システムデザイン研究科 情報科学域 修士論文発表会 192020/2/4
R. Takami and Y. Takama, Proposal and evaluation of visual analytics interface for time-series data based on
trajectory representation, IEICE Transactions on Information and Systems, Vol. E103-D, No. 01, pp.142-151, 2020.
R. Takami and Y. Takama, Proposal of visual analytics interface for time series data employing trajectory
manipulation, The 11th IEEE Pacific Visualization Symposium (PacificVis' 18), 2018. (poster)
R. Takami and Y. Takama, Visual analytics interface for time series data based on trajectory manipulation,
Proceedings of the IEEE/WIC/ACM International Conference on Web Intelligence 2018 (WI' 18), pp.342-347, 2018.
R. Takami, H. Shibata, and Y. Takama, An analytical framework for formulating metrics for evaluating multi-
dimensional time-series data, Proceedings of the 25th International Conference on Intelligent User Interfaces (IUI' 20),
pp. 1-4, 2020.3. (accepted)
高見玲, 高間康史, 軌跡の直接操作に基づく時系列データの視覚的分析インタフェースの提案, 人工知能学会 インタラク
ティブ情報アクセスと可視化マイニング研究会(第17回), SIG-AM-17-03: 13-18, 2017.
高見玲, 高間康史, 軌跡の直接操作に基づく時系列データの視覚的分析支援インタフェースの設計と評価,
人工知能学会全国大会 (第32回), 1P2-01: 1-4, 2018.
高見玲, 高間康史, 時系列データに対する評価指標形成のための視覚的分析フレームワークの提案, 可視化情報学会
第2回ビジュアリゼーションワークショップ, 2019. (poster)
高見玲, 高間康史, 多次元時系列データに対する評価指標形成のための視覚的分析フレームワークの提案,
ARG 第14回Webインテリジェンスとインタラクション研究会, 2019.
参考文献_________
2019年度 首都大学東京システムデザイン研究科 情報科学域 修士論文発表会 20
A. Endert, L. Bradel, C. North, Beyond control panels: Direct manipulation for visual
analytics, IEEE Transactions on Computer Graphics and Applications, Vol. 33, No. 4, pp. 6-13, 2013.
W. Aigner, S. Miksch, W. Műller, H. Schumann, C. Tominski, Visualizing time-oriented
data – a systematic view, Computers & Graphics, Vol. 31, No. 3, pp. 401-409, 2007.
D. A, Keim, F. Mansmann, J. Schneidewind, J. Thomas, H. Ziegler, Visual analytics: Scope
and challenges, Visual Data Mining, Springer, pp. 76-90, 2008.
A. C. Chen, X. Fu, Data + intuition: A hybrid approach to developing product north star
metrics, Proceedings of the 26th International Conference on World Wide Web Companion, pp. 617–625,
2017.
H. Kim, J. Choo, H. Park, and A. Endert, Interaxis: Steering scatterplot axes via observation-
level interaction, IEEE Transactions on Visualization and Computer Graphics, Vol.22, No.1, pp. 131– 140,
2016.
J. Bernard, D. Sessler, T. Ruppert, J. Davey, A. Kuijper, and J. Kohlhammer,
User-based visual interactive similarity definition for mixed data objects - concept and first
implementation, Proceedings of 22nd International Conference in Central Europe on Computer
Graphics, Visualization and Computer Vision, pp.329–338, 2014.
2020/2/4
参考文献_________
2019年度 首都大学東京システムデザイン研究科 情報科学域 修士論文発表会 21
B. Kondo and C. Collins, Dimpvis: Exploring time-varying information visualizations
by direct manipulation, IEEE Transactions on Visualization and Computer Graphics, Vol. 20, No. 12, pp.
2003–2012, 2014.
T. Schreck, C. Panse, A new metaphor for projection-based visual analysis and data
exploration, Proceedings of Visualization and Data Analysis, Vol. 6495, 2007.
E. Wall, S. Das, R. Chawla, B. Kalidindi, E. T. Brown, A. Endert, Podium: Ranking data
using mixed-initiative visual analytics, IEEE transactions on visualization and computer graphics, Vol. 24,
No. 1, pp. 288-297, 2018.
D. Sacha, L. Zhang, M. Sedlmair, J.A. Lee, J. Peltonen, D. Weiskopf, S.C. North, and D.A.
Keim,Visual interaction with dimensionality reduction: A structured literature analysis, IEEE
Transactions on Visualization and Computer Graphics, Vol.23, No.1, pp. 241–250, 2017.
2020/2/4
評価実験: 人工データ_________
2019年度 首都大学東京システムデザイン研究科 情報科学域 修士論文発表会 22
• 実験1. データ探索
• 共分散行列を作成
• 𝑡 = 0: 多変量ガウス分布としてデータサンプル獲得
• 𝑡 ≠ 0: 前時点の値にrandom(−randmax, randmax) を加算
• データindexが各特性のindex (ランダムに決定)に含まれる場合
• 増加: random(0, randmax)
• 減少: random(−1 × randmax, 0)
• 回帰1: random −1 × randmax, −0.5 × randmax → random 0.5 × randmax, 1 × randmax
• 回帰2: random 0.5 × randmax, 1 × randmax → random −1 × randmax, −0.5 × randmax
• 稲妻形1: random −2 × randmax, −1 × randmax → random randmax, 2 × randmax (交互)
• 稲妻形2: random randmax, 2 × randmax → random −2 × randmax, −1 × randmax (交互)
2020/2/4
評価実験: 人工データ_________
2019年度 首都大学東京システムデザイン研究科 情報科学域 修士論文発表会 23
• 実験2: パラメータ調整
• 共分散行列を作成
• 属性数𝑀個分のサンプルを獲得, 属性のindex m = 1,2, . . , 𝑀を割り振る
• その内1つを探索対象とする
• 強調対象: 各時点の値の, 強調対象のindexに対応する𝑚番目の属性に次を加算
• Random(2 × randmax, 3 × randmax)
• 含まれないデータ 実験1の通常ケースと同様に属性値を決定
2020/2/4
評価実験1: タスク実行時間_________
2019年度 首都大学東京システムデザイン研究科 情報科学域 修士論文発表会 242020/2/4
0
200
400
600
800
1000
1200
1400
EBL EBL1 EBL2 EBL EBL1 EBL2 EBL EBL1 EBL2 EBL EBL1 EBL2
発見オブジェクト数: 1 発見オブジェクト数: 3 発見オブジェクト数: 5 発見オブジェクト数: 10
タスク実行時間[s]
• 実行時間: EBL1で長くなる傾向 (複数選択の困難性)
EBL2 : 凸包による選択の容易性 類似オブジェクトの候補を発見しやすい
EPL: 軌跡の比較により探索時間がEBL2よりも増加
絶対的操作: ωの変更例
• X, Y軸へドロップされたデータ 𝑃𝑡𝑛 が強調される軸を構成
1. 𝜔 をドロップされたデータ属性値に基づき更新
• 𝜔′ を元に新規座標 𝑷 𝒕𝒏
′
= 𝑋𝑡𝑛
′ , 𝑌𝑡𝑛
′ = 𝒅 𝒕𝒏
𝑻 𝝎 𝒕
′ を算出
2020/2/4
オブジェクト集合𝒅 𝝉
S
と他オブジェクト𝒅 𝒕
𝐍𝐒
の差
×
ドロップ位置係数 𝑐
(ドロップ位置/X or Y軸の値域)
操作対象𝒅𝒕𝒏
𝜔′𝜔
252019年度 首都大学東京システムデザイン研究科 情報科学域 修士論文発表会
絶対的操作: ωの変更
• X, Y軸へドロップされたデータが強調される軸を構成
1. ドロップされたオブジェクト𝒅 𝝉𝒎
S の属性値に基づき更新 -> 𝜔’
𝜔𝜏 ∈ 𝑀×2
𝑐𝑡
(𝑖)
= 2
Pos 𝑖 − min(𝑷𝒕
′ 𝒊
)
min 𝑷 𝒕
′ 𝒊
− min(𝑷 𝒕
′ 𝒊
)
− 0.5
𝜔𝑡𝑚
′(𝑖)
= 𝜔𝑡𝑚
(𝑖)
+ c 𝑡
(𝑖)
(min(𝒅 𝒕𝒎
𝐒
) − min( 𝒅𝒕𝒎
𝐍𝐒
))
• 更新された 𝜔′
から新規座標 𝑷 𝝉𝒏
′
= 𝑃𝜏𝑛
′X
, 𝑃𝜏𝑛
′Y
を算出
𝑷 𝒕𝒏 = ෍
𝑚=1
𝑀
𝑑 𝑡𝑛𝑚 𝝎𝒕𝒎 + 𝜶 𝒕𝒏 (𝜶 𝒕𝒏 = 𝛼 𝑡𝑛
x
, 𝛼 𝑡𝑛
Y
, 𝝎 𝒕𝒎 = (𝜔 𝑡𝑚
x
, 𝜔 𝑡𝑚
Y
))
2020/2/4 262019年度 首都大学東京システムデザイン研究科 情報科学域 修士論文発表会
相対的操作: αの変更例
• 𝑃𝜏𝑛 のドロップ位置に基づき𝛼 を算出:
• 移動対象 + 近接 or 離散点も考慮
𝛼 𝜏 ∈ 𝑁×𝟐
1. 𝛼 を元に新規座標 𝑷 𝝉𝒏
′ = 𝑃𝜏𝑛
′X, 𝑃𝜏𝑛
′Y を算出
𝑷 𝒕𝒏
′
= 𝑷 𝒕𝒏 + 𝜶 𝒕𝒏
2. 𝜔 に還元: 𝒅 𝒕𝒏
𝐓
𝝎 𝒕 + 𝜶 𝒕𝒏 ≈ 𝒅 𝒕𝒏
𝐓
𝝎 𝝉
′
2020/2/4
𝑃 𝑃′
𝛼
272019年度 首都大学東京システムデザイン研究科 情報科学域 修士論文発表会
相対的操作: αの変更
• データのドロップ位置に基づき算出:
• 移動対象 近接 離散点も考慮
𝛼 𝜏 ∈ 2×𝑁
1. 移動後の座標 𝑷 𝒕𝒏
′
= 𝑃𝜏𝑛
′X, 𝑃𝜏𝑛
′Y に基づきαを算出
𝜶 𝒕𝒏 = 𝑷 𝒕𝒏
′
− 𝑷 𝒕𝒏
2. 投影間 (𝒅 𝒕(𝝎 𝒕
′
) 𝐓
と𝑷 𝒕
′
)の差が最小になるように, α を 𝜔 に還元
argmin 𝜔 𝑡
| 𝒅 𝒕(𝝎′ 𝒕
𝐓 − 𝑷 𝒕′||2 + 𝜆||𝝎 𝒕 − 𝝎′ 𝒕||
• ニュートン法で 𝜔’ を決定 𝜔’ を使用してデータ座標計算, 再投影
2020/2/4 282019年度 首都大学東京システムデザイン研究科 情報科学域 修士論文発表会

Weitere ähnliche Inhalte

Ähnlich wie Study on Visual Analytics Framework for Formulating Evaluation Metrics of Multi-dimensional Time-series Data

2018/12/28 LiDARで取得した道路上点群に対するsemantic segmentation
2018/12/28 LiDARで取得した道路上点群に対するsemantic segmentation2018/12/28 LiDARで取得した道路上点群に対するsemantic segmentation
2018/12/28 LiDARで取得した道路上点群に対するsemantic segmentationTakuya Minagawa
 
「解説資料」ViTPose: Simple Vision Transformer Baselines for Human Pose Estimation
「解説資料」ViTPose: Simple Vision Transformer Baselines for Human Pose Estimation 「解説資料」ViTPose: Simple Vision Transformer Baselines for Human Pose Estimation
「解説資料」ViTPose: Simple Vision Transformer Baselines for Human Pose Estimation Takumi Ohkuma
 
【DL輪読会】ViTPose: Simple Vision Transformer Baselines for Human Pose Estimation
【DL輪読会】ViTPose: Simple Vision Transformer Baselines for Human Pose Estimation【DL輪読会】ViTPose: Simple Vision Transformer Baselines for Human Pose Estimation
【DL輪読会】ViTPose: Simple Vision Transformer Baselines for Human Pose EstimationDeep Learning JP
 
DLゼミ: ViTPose: Simple Vision Transformer Baselines for Human Pose Estimation
DLゼミ: ViTPose: Simple Vision Transformer Baselines for Human Pose EstimationDLゼミ: ViTPose: Simple Vision Transformer Baselines for Human Pose Estimation
DLゼミ: ViTPose: Simple Vision Transformer Baselines for Human Pose Estimationharmonylab
 
20200910コンピュータビジョン今昔物語(JPTA講演資料)
20200910コンピュータビジョン今昔物語(JPTA講演資料)20200910コンピュータビジョン今昔物語(JPTA講演資料)
20200910コンピュータビジョン今昔物語(JPTA講演資料)Takuya Minagawa
 
Cross-modality meta-survey of dataset
Cross-modality meta-survey of datasetCross-modality meta-survey of dataset
Cross-modality meta-survey of datasetcvpaper. challenge
 
データ可視化の研究って何をしているの?何の役に立つ?
データ可視化の研究って何をしているの?何の役に立つ?データ可視化の研究って何をしているの?何の役に立つ?
データ可視化の研究って何をしているの?何の役に立つ?Kazuyo Mizuno
 
この Visualization がすごい2014 〜データ世界を彩るツール6選〜
この Visualization がすごい2014 〜データ世界を彩るツール6選〜この Visualization がすごい2014 〜データ世界を彩るツール6選〜
この Visualization がすごい2014 〜データ世界を彩るツール6選〜Takahiro Inoue
 
[DL輪読会]HoloGAN: Unsupervised learning of 3D representations from natural images
[DL輪読会]HoloGAN: Unsupervised learning of 3D representations from natural images[DL輪読会]HoloGAN: Unsupervised learning of 3D representations from natural images
[DL輪読会]HoloGAN: Unsupervised learning of 3D representations from natural imagesDeep Learning JP
 
Qua s tom-メトリクスによるソフトウェアの品質把握と改善
Qua s tom-メトリクスによるソフトウェアの品質把握と改善Qua s tom-メトリクスによるソフトウェアの品質把握と改善
Qua s tom-メトリクスによるソフトウェアの品質把握と改善Hironori Washizaki
 
科学技術イノベーション政策におけるBig-Dataの利活用促進 SPIAS: SciREX 政策形成インテリジェント支援システムの構想
科学技術イノベーション政策におけるBig-Dataの利活用促進 SPIAS: SciREX 政策形成インテリジェント支援システムの構想科学技術イノベーション政策におけるBig-Dataの利活用促進 SPIAS: SciREX 政策形成インテリジェント支援システムの構想
科学技術イノベーション政策におけるBig-Dataの利活用促進 SPIAS: SciREX 政策形成インテリジェント支援システムの構想scirexcenter
 
Data Visualization Japan Meetup 2018: 長く変化に対応する
Data Visualization Japan Meetup 2018: 長く変化に対応するData Visualization Japan Meetup 2018: 長く変化に対応する
Data Visualization Japan Meetup 2018: 長く変化に対応するKeiichiro Ono
 
ナレッジグラフとオントロジー
ナレッジグラフとオントロジーナレッジグラフとオントロジー
ナレッジグラフとオントロジーUniversity of Tsukuba
 
情報システム障害解析のための知識グラフ構築の試み / Constructing a knowledge graph for information sys...
情報システム障害解析のための知識グラフ構築の試み / Constructing a knowledge graph for information sys...情報システム障害解析のための知識グラフ構築の試み / Constructing a knowledge graph for information sys...
情報システム障害解析のための知識グラフ構築の試み / Constructing a knowledge graph for information sys...Shinji Takao
 
AGenT Zero: Zero-shot Automatic Multiple-Choice Question Generation for Skill...
AGenT Zero: Zero-shot Automatic Multiple-Choice Question Generation for Skill...AGenT Zero: Zero-shot Automatic Multiple-Choice Question Generation for Skill...
AGenT Zero: Zero-shot Automatic Multiple-Choice Question Generation for Skill...harmonylab
 
object detection with lidar-camera fusion: survey (updated)
object detection with lidar-camera fusion: survey (updated)object detection with lidar-camera fusion: survey (updated)
object detection with lidar-camera fusion: survey (updated)Takuya Minagawa
 
TISO/IEC JTC1におけるソフトウェア工学知識体系、技術者認証および品質の標準化と研究・教育他への活用
TISO/IEC JTC1におけるソフトウェア工学知識体系、技術者認証および品質の標準化と研究・教育他への活用TISO/IEC JTC1におけるソフトウェア工学知識体系、技術者認証および品質の標準化と研究・教育他への活用
TISO/IEC JTC1におけるソフトウェア工学知識体系、技術者認証および品質の標準化と研究・教育他への活用Hironori Washizaki
 
鷲崎 メトリクスの基礎とGQM法によるゴール指向の測定 2014年12月18日 日本科学技術連名SQiP研究会 演習コースI ソフトウェア工学の基礎
鷲崎 メトリクスの基礎とGQM法によるゴール指向の測定 2014年12月18日 日本科学技術連名SQiP研究会 演習コースI ソフトウェア工学の基礎鷲崎 メトリクスの基礎とGQM法によるゴール指向の測定 2014年12月18日 日本科学技術連名SQiP研究会 演習コースI ソフトウェア工学の基礎
鷲崎 メトリクスの基礎とGQM法によるゴール指向の測定 2014年12月18日 日本科学技術連名SQiP研究会 演習コースI ソフトウェア工学の基礎Hironori Washizaki
 
金融×AIで解くべき問題は何か?
金融×AIで解くべき問題は何か?金融×AIで解くべき問題は何か?
金融×AIで解くべき問題は何か?Tsunehiko Nagayama
 

Ähnlich wie Study on Visual Analytics Framework for Formulating Evaluation Metrics of Multi-dimensional Time-series Data (20)

2018/12/28 LiDARで取得した道路上点群に対するsemantic segmentation
2018/12/28 LiDARで取得した道路上点群に対するsemantic segmentation2018/12/28 LiDARで取得した道路上点群に対するsemantic segmentation
2018/12/28 LiDARで取得した道路上点群に対するsemantic segmentation
 
「解説資料」ViTPose: Simple Vision Transformer Baselines for Human Pose Estimation
「解説資料」ViTPose: Simple Vision Transformer Baselines for Human Pose Estimation 「解説資料」ViTPose: Simple Vision Transformer Baselines for Human Pose Estimation
「解説資料」ViTPose: Simple Vision Transformer Baselines for Human Pose Estimation
 
【DL輪読会】ViTPose: Simple Vision Transformer Baselines for Human Pose Estimation
【DL輪読会】ViTPose: Simple Vision Transformer Baselines for Human Pose Estimation【DL輪読会】ViTPose: Simple Vision Transformer Baselines for Human Pose Estimation
【DL輪読会】ViTPose: Simple Vision Transformer Baselines for Human Pose Estimation
 
DLゼミ: ViTPose: Simple Vision Transformer Baselines for Human Pose Estimation
DLゼミ: ViTPose: Simple Vision Transformer Baselines for Human Pose EstimationDLゼミ: ViTPose: Simple Vision Transformer Baselines for Human Pose Estimation
DLゼミ: ViTPose: Simple Vision Transformer Baselines for Human Pose Estimation
 
20200910コンピュータビジョン今昔物語(JPTA講演資料)
20200910コンピュータビジョン今昔物語(JPTA講演資料)20200910コンピュータビジョン今昔物語(JPTA講演資料)
20200910コンピュータビジョン今昔物語(JPTA講演資料)
 
Cross-modality meta-survey of dataset
Cross-modality meta-survey of datasetCross-modality meta-survey of dataset
Cross-modality meta-survey of dataset
 
データ可視化の研究って何をしているの?何の役に立つ?
データ可視化の研究って何をしているの?何の役に立つ?データ可視化の研究って何をしているの?何の役に立つ?
データ可視化の研究って何をしているの?何の役に立つ?
 
この Visualization がすごい2014 〜データ世界を彩るツール6選〜
この Visualization がすごい2014 〜データ世界を彩るツール6選〜この Visualization がすごい2014 〜データ世界を彩るツール6選〜
この Visualization がすごい2014 〜データ世界を彩るツール6選〜
 
[DL輪読会]HoloGAN: Unsupervised learning of 3D representations from natural images
[DL輪読会]HoloGAN: Unsupervised learning of 3D representations from natural images[DL輪読会]HoloGAN: Unsupervised learning of 3D representations from natural images
[DL輪読会]HoloGAN: Unsupervised learning of 3D representations from natural images
 
Qua s tom-メトリクスによるソフトウェアの品質把握と改善
Qua s tom-メトリクスによるソフトウェアの品質把握と改善Qua s tom-メトリクスによるソフトウェアの品質把握と改善
Qua s tom-メトリクスによるソフトウェアの品質把握と改善
 
科学技術イノベーション政策におけるBig-Dataの利活用促進 SPIAS: SciREX 政策形成インテリジェント支援システムの構想
科学技術イノベーション政策におけるBig-Dataの利活用促進 SPIAS: SciREX 政策形成インテリジェント支援システムの構想科学技術イノベーション政策におけるBig-Dataの利活用促進 SPIAS: SciREX 政策形成インテリジェント支援システムの構想
科学技術イノベーション政策におけるBig-Dataの利活用促進 SPIAS: SciREX 政策形成インテリジェント支援システムの構想
 
Data Visualization Japan Meetup 2018: 長く変化に対応する
Data Visualization Japan Meetup 2018: 長く変化に対応するData Visualization Japan Meetup 2018: 長く変化に対応する
Data Visualization Japan Meetup 2018: 長く変化に対応する
 
ナレッジグラフとオントロジー
ナレッジグラフとオントロジーナレッジグラフとオントロジー
ナレッジグラフとオントロジー
 
情報システム障害解析のための知識グラフ構築の試み / Constructing a knowledge graph for information sys...
情報システム障害解析のための知識グラフ構築の試み / Constructing a knowledge graph for information sys...情報システム障害解析のための知識グラフ構築の試み / Constructing a knowledge graph for information sys...
情報システム障害解析のための知識グラフ構築の試み / Constructing a knowledge graph for information sys...
 
AGenT Zero: Zero-shot Automatic Multiple-Choice Question Generation for Skill...
AGenT Zero: Zero-shot Automatic Multiple-Choice Question Generation for Skill...AGenT Zero: Zero-shot Automatic Multiple-Choice Question Generation for Skill...
AGenT Zero: Zero-shot Automatic Multiple-Choice Question Generation for Skill...
 
object detection with lidar-camera fusion: survey (updated)
object detection with lidar-camera fusion: survey (updated)object detection with lidar-camera fusion: survey (updated)
object detection with lidar-camera fusion: survey (updated)
 
TISO/IEC JTC1におけるソフトウェア工学知識体系、技術者認証および品質の標準化と研究・教育他への活用
TISO/IEC JTC1におけるソフトウェア工学知識体系、技術者認証および品質の標準化と研究・教育他への活用TISO/IEC JTC1におけるソフトウェア工学知識体系、技術者認証および品質の標準化と研究・教育他への活用
TISO/IEC JTC1におけるソフトウェア工学知識体系、技術者認証および品質の標準化と研究・教育他への活用
 
鷲崎 メトリクスの基礎とGQM法によるゴール指向の測定 2014年12月18日 日本科学技術連名SQiP研究会 演習コースI ソフトウェア工学の基礎
鷲崎 メトリクスの基礎とGQM法によるゴール指向の測定 2014年12月18日 日本科学技術連名SQiP研究会 演習コースI ソフトウェア工学の基礎鷲崎 メトリクスの基礎とGQM法によるゴール指向の測定 2014年12月18日 日本科学技術連名SQiP研究会 演習コースI ソフトウェア工学の基礎
鷲崎 メトリクスの基礎とGQM法によるゴール指向の測定 2014年12月18日 日本科学技術連名SQiP研究会 演習コースI ソフトウェア工学の基礎
 
金融×AIで解くべき問題は何か?
金融×AIで解くべき問題は何か?金融×AIで解くべき問題は何か?
金融×AIで解くべき問題は何か?
 
藤本一男発表資料日本社会学会94v1.0
藤本一男発表資料日本社会学会94v1.0藤本一男発表資料日本社会学会94v1.0
藤本一男発表資料日本社会学会94v1.0
 

Mehr von Rei Takami

An analytical framework for formulating metrics for evaluating multi-dimensio...
An analytical framework for formulating metrics for evaluating multi-dimensio...An analytical framework for formulating metrics for evaluating multi-dimensio...
An analytical framework for formulating metrics for evaluating multi-dimensio...Rei Takami
 
Proposal of visual analytics framework for evaluation metrics formation on hi...
Proposal of visual analytics framework for evaluation metrics formation on hi...Proposal of visual analytics framework for evaluation metrics formation on hi...
Proposal of visual analytics framework for evaluation metrics formation on hi...Rei Takami
 
[論文輪講] ImAxes: Immersive Axes as Embodied Affordances for Interactive Multiva...
[論文輪講] ImAxes: Immersive Axes as Embodied Affordances for Interactive Multiva...[論文輪講] ImAxes: Immersive Axes as Embodied Affordances for Interactive Multiva...
[論文輪講] ImAxes: Immersive Axes as Embodied Affordances for Interactive Multiva...Rei Takami
 
「住みたい街」を可視化する
「住みたい街」を可視化する「住みたい街」を可視化する
「住みたい街」を可視化するRei Takami
 
Visual Analytics Interface for Time Series Data based on Trajectory Manipulation
Visual Analytics Interface for Time Series Data based on Trajectory ManipulationVisual Analytics Interface for Time Series Data based on Trajectory Manipulation
Visual Analytics Interface for Time Series Data based on Trajectory ManipulationRei Takami
 
[アルゴリズムイントロダクション勉強会] マルチスレッドアルゴリズム
[アルゴリズムイントロダクション勉強会] マルチスレッドアルゴリズム[アルゴリズムイントロダクション勉強会] マルチスレッドアルゴリズム
[アルゴリズムイントロダクション勉強会] マルチスレッドアルゴリズムRei Takami
 
軌跡の直接操作に基づく時系列データの視覚的分析支援インタフェースの設計と評価
軌跡の直接操作に基づく時系列データの視覚的分析支援インタフェースの設計と評価軌跡の直接操作に基づく時系列データの視覚的分析支援インタフェースの設計と評価
軌跡の直接操作に基づく時系列データの視覚的分析支援インタフェースの設計と評価Rei Takami
 
What's Information Visualization?
What's Information Visualization?What's Information Visualization?
What's Information Visualization?Rei Takami
 
Proposal of Visual Analytics Interface for Time Series Data based on Direct M...
Proposal of Visual Analytics Interface for Time Series Data based on Direct M...Proposal of Visual Analytics Interface for Time Series Data based on Direct M...
Proposal of Visual Analytics Interface for Time Series Data based on Direct M...Rei Takami
 
[アルゴリズムイントロダクション勉強会] ハッシュ
[アルゴリズムイントロダクション勉強会] ハッシュ[アルゴリズムイントロダクション勉強会] ハッシュ
[アルゴリズムイントロダクション勉強会] ハッシュRei Takami
 
[論文紹介] Convolutional Neural Network(CNN)による超解像
[論文紹介] Convolutional Neural Network(CNN)による超解像[論文紹介] Convolutional Neural Network(CNN)による超解像
[論文紹介] Convolutional Neural Network(CNN)による超解像Rei Takami
 
創造性支援(Creativity Support)について
創造性支援(Creativity Support)について創造性支援(Creativity Support)について
創造性支援(Creativity Support)についてRei Takami
 
編入学座談会でのプレゼン
編入学座談会でのプレゼン編入学座談会でのプレゼン
編入学座談会でのプレゼンRei Takami
 
限られた予算内でのおでかけプラン支援システム
限られた予算内でのおでかけプラン支援システム限られた予算内でのおでかけプラン支援システム
限られた予算内でのおでかけプラン支援システムRei Takami
 
バージョン管理システムを用いたイラスト描画のための創作活動支援システムの提案
バージョン管理システムを用いたイラスト描画のための創作活動支援システムの提案バージョン管理システムを用いたイラスト描画のための創作活動支援システムの提案
バージョン管理システムを用いたイラスト描画のための創作活動支援システムの提案Rei Takami
 

Mehr von Rei Takami (16)

An analytical framework for formulating metrics for evaluating multi-dimensio...
An analytical framework for formulating metrics for evaluating multi-dimensio...An analytical framework for formulating metrics for evaluating multi-dimensio...
An analytical framework for formulating metrics for evaluating multi-dimensio...
 
PRML 2.3節
PRML 2.3節PRML 2.3節
PRML 2.3節
 
Proposal of visual analytics framework for evaluation metrics formation on hi...
Proposal of visual analytics framework for evaluation metrics formation on hi...Proposal of visual analytics framework for evaluation metrics formation on hi...
Proposal of visual analytics framework for evaluation metrics formation on hi...
 
[論文輪講] ImAxes: Immersive Axes as Embodied Affordances for Interactive Multiva...
[論文輪講] ImAxes: Immersive Axes as Embodied Affordances for Interactive Multiva...[論文輪講] ImAxes: Immersive Axes as Embodied Affordances for Interactive Multiva...
[論文輪講] ImAxes: Immersive Axes as Embodied Affordances for Interactive Multiva...
 
「住みたい街」を可視化する
「住みたい街」を可視化する「住みたい街」を可視化する
「住みたい街」を可視化する
 
Visual Analytics Interface for Time Series Data based on Trajectory Manipulation
Visual Analytics Interface for Time Series Data based on Trajectory ManipulationVisual Analytics Interface for Time Series Data based on Trajectory Manipulation
Visual Analytics Interface for Time Series Data based on Trajectory Manipulation
 
[アルゴリズムイントロダクション勉強会] マルチスレッドアルゴリズム
[アルゴリズムイントロダクション勉強会] マルチスレッドアルゴリズム[アルゴリズムイントロダクション勉強会] マルチスレッドアルゴリズム
[アルゴリズムイントロダクション勉強会] マルチスレッドアルゴリズム
 
軌跡の直接操作に基づく時系列データの視覚的分析支援インタフェースの設計と評価
軌跡の直接操作に基づく時系列データの視覚的分析支援インタフェースの設計と評価軌跡の直接操作に基づく時系列データの視覚的分析支援インタフェースの設計と評価
軌跡の直接操作に基づく時系列データの視覚的分析支援インタフェースの設計と評価
 
What's Information Visualization?
What's Information Visualization?What's Information Visualization?
What's Information Visualization?
 
Proposal of Visual Analytics Interface for Time Series Data based on Direct M...
Proposal of Visual Analytics Interface for Time Series Data based on Direct M...Proposal of Visual Analytics Interface for Time Series Data based on Direct M...
Proposal of Visual Analytics Interface for Time Series Data based on Direct M...
 
[アルゴリズムイントロダクション勉強会] ハッシュ
[アルゴリズムイントロダクション勉強会] ハッシュ[アルゴリズムイントロダクション勉強会] ハッシュ
[アルゴリズムイントロダクション勉強会] ハッシュ
 
[論文紹介] Convolutional Neural Network(CNN)による超解像
[論文紹介] Convolutional Neural Network(CNN)による超解像[論文紹介] Convolutional Neural Network(CNN)による超解像
[論文紹介] Convolutional Neural Network(CNN)による超解像
 
創造性支援(Creativity Support)について
創造性支援(Creativity Support)について創造性支援(Creativity Support)について
創造性支援(Creativity Support)について
 
編入学座談会でのプレゼン
編入学座談会でのプレゼン編入学座談会でのプレゼン
編入学座談会でのプレゼン
 
限られた予算内でのおでかけプラン支援システム
限られた予算内でのおでかけプラン支援システム限られた予算内でのおでかけプラン支援システム
限られた予算内でのおでかけプラン支援システム
 
バージョン管理システムを用いたイラスト描画のための創作活動支援システムの提案
バージョン管理システムを用いたイラスト描画のための創作活動支援システムの提案バージョン管理システムを用いたイラスト描画のための創作活動支援システムの提案
バージョン管理システムを用いたイラスト描画のための創作活動支援システムの提案
 

Study on Visual Analytics Framework for Formulating Evaluation Metrics of Multi-dimensional Time-series Data

  • 1. B-16: システムデザイン研究科 情報科学域 高間研究室 18860615 高見 玲 令和元年度修士論文 Study on Visual Analytics Framework for Formulating Evaluation Metrics of Multi-dimensional Time-series Data 2019年度 首都大学東京システムデザイン研究科 情報科学域 修士論文発表会 12020/2/4 多次元時系列データに対する評価指標構築のための 視覚的分析フレームワークに関する研究
  • 2. 序論/研究背景_________ 2019年度 首都大学東京システムデザイン研究科 情報科学域 修士論文発表会 22020/2/4 • 人と計算機の協調による分析アプローチ Semantic interaction 時系列性考慮の必要 多次元時系列データ可視化の困難性 DR Model Visualization 多次元 時系列データの普及: • 意思決定, 売り上げ予測への活用 評価指標の定義が必要 • ドメイン専門家の分析が必要 視覚的分析インタフェースの利用
  • 3. 序論・研究背景_________ 2019年度 首都大学東京システムデザイン研究科 情報科学域 修士論文発表会 32020/2/4 評価指標: ドメイン知識に基づくデータの配置, 並び替え (ランキング)基準 外れ値の閾値, クラスタリングの距離関数, セイバーメトリクス 指標形成プロセス ② パラメータ調整の困難性 視覚的分析による支援 ① 前処理 ② 分析・パラメータ調整 ③ 指標形成・検証 □ 多次元データを取得 □ 機械学習で属性選択 □ 重要な属性の識別 次元削減 □ ①の結果を探索的分析 □ 各属性値の特性を理解 □ 知識に基づくパラメータ調整 □ 統計処理 正規化 □ 解釈可能な形式で記述 (専門家による議論) □ 指標の妥当性検証
  • 4. 提案フレームワーク: 定式化_________ 2019年度 首都大学東京システムデザイン研究科 情報科学域 修士論文発表会 42020/2/4 対象: 一定間隔で取得されたデータ (金融, 医療, スポーツ, ライフログ) • 𝑁 個の𝑀 次元データ𝑫 = {𝑑tnm} を時点 𝒕 ∈ 𝑻 ごとに2次元平面に投影 • 次元削減で座標𝑷 𝒕𝒏にデータ 𝒅 𝑡𝑛を投影: 座標を2種類のパラメータで表現 𝜶 : 各オブジェクトの移動度 (バイアス) 𝝎 : 投影軸における各属性の強調度合い • 投影軸と評価指標を対応付け 指標構築のたたき台として活用 α α ωω α t 𝑷 𝒕𝒏 = ෍ 𝑚=1 𝑀 𝑑 𝑡𝑛𝑚 𝝎 𝝉𝒎 + 𝜶 𝝉𝒏 (𝜶 𝒕𝒏 = 𝛼 𝑡𝑛 X , 𝛼 𝑡𝑛 Y 𝝎 𝒕𝒎 = (𝜔 𝑡𝑚 X , 𝜔 𝑡𝑚 Y )) 𝝎 𝒕 𝐗 𝝎 𝒕 𝐘
  • 5. 提案フレームワーク: 可視化オブジェクト_________ 2019年度 首都大学東京システムデザイン研究科 情報科学域 修士論文発表会 52020/2/4 𝑡 𝑛 𝑡 𝑛+1 𝑡 𝑛+2 𝑡 𝑛+3 ω α t 𝑡 𝑛 軌跡 (時間的変化)ノード (座標) 𝑡 𝑛 • 時点 𝒕 ごとにパラメータを定義可能 • 調整対象の時間的/空間的範囲を可視化オブジェクトと対応付け • 同一ビューに対する柔軟かつ漸進的なパラメータ調整を支援 現在時点のノード パス ノード 凸包(グループの表現) 𝑜1 𝑜1 ω α t 𝑡 𝑛 𝑡 𝑛+3 𝑜2 𝑜3 𝑜2 𝑜3 時点ごとに描画 (ノードの凸包) 全時点について描画 (軌跡の凸包)
  • 6. 提案フレームワーク: パラメータ調整_________ 2019年度 首都大学東京システムデザイン研究科 情報科学域 修士論文発表会 62020/2/4 6 近接する点 離散する点 投影軸 絶対的操作 相対的操作 オブジェクトの操作戦略 : 2種類を採用 • 絶対的操作: 大局的変更 ( 𝜔 ) • 相対的操作: 局所的変更 𝛼 𝜔 ω ω’
  • 7. プロトタイプインタフェース 2019年度 首都大学東京システムデザイン研究科 情報科学域 修士論文発表会 72020/2/4 (a) 散布図ビュー (b) 詳細ビュー 投影軸における各属性の強調度合い(ωの可視化) PCAによる次元削減結果を可視化 アニメーション制御UI 平行座標 選択オブジェクトのX, Y軸における 座標の時間的変化 凸包 軌跡 グループ表示/非表示 機能選択の ナビゲーション 操作対象変更
  • 8. プロトタイプインタフェース 2019年度 首都大学東京システムデザイン研究科 情報科学域 修士論文発表会 82020/2/4 PCA (主成分分析)に提案フレームワークを適用: • 理由: 計算時間, 解釈可能性 • 主成分ベクトル= 𝝎 の初期値 探索モードの導入: 一部の操作適用結果を変更 • 再生 (アニメーション): データの変化特性の把握 • 静止 (散布図の探索): 知識形成のための詳細な探索
  • 9. 使用事例: 野球データ_________ 2019年度 首都大学東京システムデザイン研究科 情報科学域 修士論文発表会 92020/2/4 データセット概要 • MLB打者データ(2018) : 野手数𝑁 = 198, 属性数𝑀 = 11, 時点数𝑇 = 12 • 属性: 打席数, 打点, 単打, 二塁打, 三塁打, 本塁打, 盗塁, 三振, 四球, 死球, 犠飛 • 各時点の値でmin-max normalization 目的: 野手の特性/活躍度合いを同時に評価 視覚的分析 • X軸: 野手の活躍度合いに対応 • シーズンを通して打席数が多い打者 (Silver Slugger, MVPなど)が強調 • Y軸: 野手の打撃タイプに対応 • 俊足巧打タイプ: 単打, 盗塁が多い • 強打者タイプ: 本塁打, 打点が多い 両者をより顕著に表す指標の構築 Baseball-Reference.com, https://www.baseball-reference.com/ (2020-01-21 参照)
  • 10. 使用事例: 野球データ_________ 2019年度 首都大学東京システムデザイン研究科 情報科学域 修士論文発表会 102020/2/4 俊足巧打タイプ (相対的操作) Silver Slugger 受賞者 (絶対的操作) 強打者タイプ (相対的操作) 𝜔𝑡 (X) 𝜔𝑡 (Y) 𝜔𝑡 (X) 𝜔𝑡 (Y) 俊足巧打タイプ Silver Slugger 受賞者 強打者タイプ (パラメータ調整前)
  • 11. 使用事例: 野球データ_________ 2019年度 首都大学東京システムデザイン研究科 情報科学域 修士論文発表会 112020/2/4 俊足巧打タイプ (相対的操作) Silver Slugger 受賞者 (絶対的操作) 強打者タイプ (相対的操作) PA: シーズン前半で強く重み付け𝜔𝑡 (X) 𝜔𝑡 ′(Y) 𝜔𝑡 ′(X) α ω SF HBP BB: 後半で負方向に変化 SB HR 3B 2B 1B PA 𝜔𝑡 (Y) (パラメータ調整後)
  • 12. 使用事例: 野球データ_________ 2019年度 首都大学東京システムデザイン研究科 情報科学域 修士論文発表会 122020/2/4 指標構築 • 探索・パラメータ調整で得られた知見 • X軸 (活躍度合い): シーズン前半では打席数が影響 • Y軸 (野手の特性): シーズン前半: 四球, 後半: 三塁打, 本塁打が強く影響 • 知見・ 𝝎に基づき指標 (非線形)構築 ( 活躍度合い×打撃タイプ ) • 既存指標 (塁打数, 出塁率)を参考に構築 • X軸の特性 分母に反映: シーズン前半は打席数が多い野手を評価 Btype = 単打 × 2 + 盗塁 × 2 + 三塁打 × 2 − 二塁打 + 本塁打 × 3 規定打席 単打 × 2 + 盗塁 × 3 + 三塁打 × 3 − 四球 + 二塁打 × 2 + 本塁打 × 4 打席 (シーズン前半) (シーズン後半)
  • 13. 評価実験1: 概要_________ 2019年度 首都大学東京システムデザイン研究科 情報科学域 修士論文発表会 132020/2/4 実験協力者: 20代の理工系大学生/大学院生18名 タスク: 指定オブジェクトの類似オブジェクトを指定数発見 データセット: オブジェクト数𝑁 = 500, 時点数𝑇 = 10, 属性数𝑀 = 10 人工データ:指定オブジェクトと同じ変化傾向を付与したデータを発見 インタフェース: EPL : 提案インタフェース EBL1 : 凸包機能を無効化 EBL2 : 軌跡機能を無効化 評価: タスク実行時間, オブジェクト類似度, アンケート 目的: 時系列データ探索における有効性確認
  • 14. 評価実験1: 結果と考察_________ 2019年度 首都大学東京システムデザイン研究科 情報科学域 修士論文発表会 142020/2/4 0 0.05 0.1 0.15 0.2 0.25 0.3 0.35 0.4 EPL EBL1 EBL2 EPL EBL1 EBL2 EPL EBL1 EBL2 EPL EBL1 EBL2 発見オブジェクト数: 1 発見オブジェクト数: 3 発見オブジェクト数: 5 発見オブジェクト数: 10 MRR • 発見すべきオブジェクト数増加 EPL: 軌跡 凸包の併用により発見精度がEBLより改善 EBL1: 複数オブジェクトの選択が困難, EBL2: 重なりによる視覚的混乱 • 分析行動 (EPL): 対象の軌跡を画面上に固定 凸包内のオブジェクト軌跡と比較 : ANOVA, t検定で有意差を確認
  • 15. 評価実験2: 概要_________ 2019年度 首都大学東京システムデザイン研究科 情報科学域 修士論文発表会 152020/2/4 実験協力者: 20代の理工系大学生/大学院生18名 タスク: 指定された投影軸に対する指定オブジェクトの強調 データセット: オブジェクト数𝑁 = 50, 時点数𝑇 = 5, 属性数𝑀 = 10 インタフェース: PPL: 相対的操作 + 絶対的操作 + 棒グラフ PBL1: 棒グラフのみ PBL2: 相対的操作 + 棒グラフ PBL3: 絶対的操作 + 棒グラフ 評価: タスク達成率, パラメータ調整量, アンケート 目的: パラメータ調整における有効性確認
  • 16. 評価実験2: 結果と考察_________ 2019年度 首都大学東京システムデザイン研究科 情報科学域 修士論文発表会 162020/2/4 • タスク達成率: PPL, PBL2 (相対的操作) > PBL3 > PBL1 • パラメータ調整量: PBL2 > PPL > PBL3 (絶対的操作) > PBL1 絶対的操作 (大局的変更), 相対的操作 (局所的変更), 棒グラフ(微調整) • アンケート結果: 可視化オブジェクト切り替え機能の有効性を確認 0 20 40 60 80 100 対象軸: X 対象軸: Y 対象軸: X, Y タスク達成率[%] PPL PBL1 PBL2 PBL3
  • 17. 評価実験2: 結果と考察_________ 2019年度 首都大学東京システムデザイン研究科 情報科学域 修士論文発表会 172020/2/4 0 1 2 3 4 5 6 PPL PBL1 PBL2 PBL3 PPL PBL1 PBL2 PBL3 強調対象: Y 強調対象: X, Y Y軸におけるパラメータ調整量 0 1 2 3 4 5 6 PPL PBL1 PBL2 PBL3 PPL PBL1 PBL2 PBL3 強調対象: X 強調対象: X, Y X軸におけるパラメータ調整量 • タスク達成率: PPL, PBL2 (相対的操作) > PBL3 > PBL1 • パラメータ調整量: PBL2 > PPL > PBL3 (絶対的操作) > PBL1 絶対的操作 (大局的変更), 相対的操作 (局所的変更), 棒グラフ(微調整) • アンケート結果: 可視化オブジェクト切り替え機能の有効性を確認
  • 18. 結論/今後の課題_________ 2019年度 首都大学東京システムデザイン研究科 情報科学域 修士論文発表会 182020/2/4 まとめ • 多次元時系列データに対する指標構築支援フレームワークの提案 • PCAに適用, インタフェースとして実装 • 評価実験, 使用事例より有効性を確認 今後の展望 • 提案手法の有効性検証 • ドメイン専門家によるケーススタディ 定性的な有効性検証 • 提案フレームワークの拡張 非線形次元削減
  • 19. 発表文献_________ 2019年度 首都大学東京システムデザイン研究科 情報科学域 修士論文発表会 192020/2/4 R. Takami and Y. Takama, Proposal and evaluation of visual analytics interface for time-series data based on trajectory representation, IEICE Transactions on Information and Systems, Vol. E103-D, No. 01, pp.142-151, 2020. R. Takami and Y. Takama, Proposal of visual analytics interface for time series data employing trajectory manipulation, The 11th IEEE Pacific Visualization Symposium (PacificVis' 18), 2018. (poster) R. Takami and Y. Takama, Visual analytics interface for time series data based on trajectory manipulation, Proceedings of the IEEE/WIC/ACM International Conference on Web Intelligence 2018 (WI' 18), pp.342-347, 2018. R. Takami, H. Shibata, and Y. Takama, An analytical framework for formulating metrics for evaluating multi- dimensional time-series data, Proceedings of the 25th International Conference on Intelligent User Interfaces (IUI' 20), pp. 1-4, 2020.3. (accepted) 高見玲, 高間康史, 軌跡の直接操作に基づく時系列データの視覚的分析インタフェースの提案, 人工知能学会 インタラク ティブ情報アクセスと可視化マイニング研究会(第17回), SIG-AM-17-03: 13-18, 2017. 高見玲, 高間康史, 軌跡の直接操作に基づく時系列データの視覚的分析支援インタフェースの設計と評価, 人工知能学会全国大会 (第32回), 1P2-01: 1-4, 2018. 高見玲, 高間康史, 時系列データに対する評価指標形成のための視覚的分析フレームワークの提案, 可視化情報学会 第2回ビジュアリゼーションワークショップ, 2019. (poster) 高見玲, 高間康史, 多次元時系列データに対する評価指標形成のための視覚的分析フレームワークの提案, ARG 第14回Webインテリジェンスとインタラクション研究会, 2019.
  • 20. 参考文献_________ 2019年度 首都大学東京システムデザイン研究科 情報科学域 修士論文発表会 20 A. Endert, L. Bradel, C. North, Beyond control panels: Direct manipulation for visual analytics, IEEE Transactions on Computer Graphics and Applications, Vol. 33, No. 4, pp. 6-13, 2013. W. Aigner, S. Miksch, W. Műller, H. Schumann, C. Tominski, Visualizing time-oriented data – a systematic view, Computers & Graphics, Vol. 31, No. 3, pp. 401-409, 2007. D. A, Keim, F. Mansmann, J. Schneidewind, J. Thomas, H. Ziegler, Visual analytics: Scope and challenges, Visual Data Mining, Springer, pp. 76-90, 2008. A. C. Chen, X. Fu, Data + intuition: A hybrid approach to developing product north star metrics, Proceedings of the 26th International Conference on World Wide Web Companion, pp. 617–625, 2017. H. Kim, J. Choo, H. Park, and A. Endert, Interaxis: Steering scatterplot axes via observation- level interaction, IEEE Transactions on Visualization and Computer Graphics, Vol.22, No.1, pp. 131– 140, 2016. J. Bernard, D. Sessler, T. Ruppert, J. Davey, A. Kuijper, and J. Kohlhammer, User-based visual interactive similarity definition for mixed data objects - concept and first implementation, Proceedings of 22nd International Conference in Central Europe on Computer Graphics, Visualization and Computer Vision, pp.329–338, 2014. 2020/2/4
  • 21. 参考文献_________ 2019年度 首都大学東京システムデザイン研究科 情報科学域 修士論文発表会 21 B. Kondo and C. Collins, Dimpvis: Exploring time-varying information visualizations by direct manipulation, IEEE Transactions on Visualization and Computer Graphics, Vol. 20, No. 12, pp. 2003–2012, 2014. T. Schreck, C. Panse, A new metaphor for projection-based visual analysis and data exploration, Proceedings of Visualization and Data Analysis, Vol. 6495, 2007. E. Wall, S. Das, R. Chawla, B. Kalidindi, E. T. Brown, A. Endert, Podium: Ranking data using mixed-initiative visual analytics, IEEE transactions on visualization and computer graphics, Vol. 24, No. 1, pp. 288-297, 2018. D. Sacha, L. Zhang, M. Sedlmair, J.A. Lee, J. Peltonen, D. Weiskopf, S.C. North, and D.A. Keim,Visual interaction with dimensionality reduction: A structured literature analysis, IEEE Transactions on Visualization and Computer Graphics, Vol.23, No.1, pp. 241–250, 2017. 2020/2/4
  • 22. 評価実験: 人工データ_________ 2019年度 首都大学東京システムデザイン研究科 情報科学域 修士論文発表会 22 • 実験1. データ探索 • 共分散行列を作成 • 𝑡 = 0: 多変量ガウス分布としてデータサンプル獲得 • 𝑡 ≠ 0: 前時点の値にrandom(−randmax, randmax) を加算 • データindexが各特性のindex (ランダムに決定)に含まれる場合 • 増加: random(0, randmax) • 減少: random(−1 × randmax, 0) • 回帰1: random −1 × randmax, −0.5 × randmax → random 0.5 × randmax, 1 × randmax • 回帰2: random 0.5 × randmax, 1 × randmax → random −1 × randmax, −0.5 × randmax • 稲妻形1: random −2 × randmax, −1 × randmax → random randmax, 2 × randmax (交互) • 稲妻形2: random randmax, 2 × randmax → random −2 × randmax, −1 × randmax (交互) 2020/2/4
  • 23. 評価実験: 人工データ_________ 2019年度 首都大学東京システムデザイン研究科 情報科学域 修士論文発表会 23 • 実験2: パラメータ調整 • 共分散行列を作成 • 属性数𝑀個分のサンプルを獲得, 属性のindex m = 1,2, . . , 𝑀を割り振る • その内1つを探索対象とする • 強調対象: 各時点の値の, 強調対象のindexに対応する𝑚番目の属性に次を加算 • Random(2 × randmax, 3 × randmax) • 含まれないデータ 実験1の通常ケースと同様に属性値を決定 2020/2/4
  • 24. 評価実験1: タスク実行時間_________ 2019年度 首都大学東京システムデザイン研究科 情報科学域 修士論文発表会 242020/2/4 0 200 400 600 800 1000 1200 1400 EBL EBL1 EBL2 EBL EBL1 EBL2 EBL EBL1 EBL2 EBL EBL1 EBL2 発見オブジェクト数: 1 発見オブジェクト数: 3 発見オブジェクト数: 5 発見オブジェクト数: 10 タスク実行時間[s] • 実行時間: EBL1で長くなる傾向 (複数選択の困難性) EBL2 : 凸包による選択の容易性 類似オブジェクトの候補を発見しやすい EPL: 軌跡の比較により探索時間がEBL2よりも増加
  • 25. 絶対的操作: ωの変更例 • X, Y軸へドロップされたデータ 𝑃𝑡𝑛 が強調される軸を構成 1. 𝜔 をドロップされたデータ属性値に基づき更新 • 𝜔′ を元に新規座標 𝑷 𝒕𝒏 ′ = 𝑋𝑡𝑛 ′ , 𝑌𝑡𝑛 ′ = 𝒅 𝒕𝒏 𝑻 𝝎 𝒕 ′ を算出 2020/2/4 オブジェクト集合𝒅 𝝉 S と他オブジェクト𝒅 𝒕 𝐍𝐒 の差 × ドロップ位置係数 𝑐 (ドロップ位置/X or Y軸の値域) 操作対象𝒅𝒕𝒏 𝜔′𝜔 252019年度 首都大学東京システムデザイン研究科 情報科学域 修士論文発表会
  • 26. 絶対的操作: ωの変更 • X, Y軸へドロップされたデータが強調される軸を構成 1. ドロップされたオブジェクト𝒅 𝝉𝒎 S の属性値に基づき更新 -> 𝜔’ 𝜔𝜏 ∈ 𝑀×2 𝑐𝑡 (𝑖) = 2 Pos 𝑖 − min(𝑷𝒕 ′ 𝒊 ) min 𝑷 𝒕 ′ 𝒊 − min(𝑷 𝒕 ′ 𝒊 ) − 0.5 𝜔𝑡𝑚 ′(𝑖) = 𝜔𝑡𝑚 (𝑖) + c 𝑡 (𝑖) (min(𝒅 𝒕𝒎 𝐒 ) − min( 𝒅𝒕𝒎 𝐍𝐒 )) • 更新された 𝜔′ から新規座標 𝑷 𝝉𝒏 ′ = 𝑃𝜏𝑛 ′X , 𝑃𝜏𝑛 ′Y を算出 𝑷 𝒕𝒏 = ෍ 𝑚=1 𝑀 𝑑 𝑡𝑛𝑚 𝝎𝒕𝒎 + 𝜶 𝒕𝒏 (𝜶 𝒕𝒏 = 𝛼 𝑡𝑛 x , 𝛼 𝑡𝑛 Y , 𝝎 𝒕𝒎 = (𝜔 𝑡𝑚 x , 𝜔 𝑡𝑚 Y )) 2020/2/4 262019年度 首都大学東京システムデザイン研究科 情報科学域 修士論文発表会
  • 27. 相対的操作: αの変更例 • 𝑃𝜏𝑛 のドロップ位置に基づき𝛼 を算出: • 移動対象 + 近接 or 離散点も考慮 𝛼 𝜏 ∈ 𝑁×𝟐 1. 𝛼 を元に新規座標 𝑷 𝝉𝒏 ′ = 𝑃𝜏𝑛 ′X, 𝑃𝜏𝑛 ′Y を算出 𝑷 𝒕𝒏 ′ = 𝑷 𝒕𝒏 + 𝜶 𝒕𝒏 2. 𝜔 に還元: 𝒅 𝒕𝒏 𝐓 𝝎 𝒕 + 𝜶 𝒕𝒏 ≈ 𝒅 𝒕𝒏 𝐓 𝝎 𝝉 ′ 2020/2/4 𝑃 𝑃′ 𝛼 272019年度 首都大学東京システムデザイン研究科 情報科学域 修士論文発表会
  • 28. 相対的操作: αの変更 • データのドロップ位置に基づき算出: • 移動対象 近接 離散点も考慮 𝛼 𝜏 ∈ 2×𝑁 1. 移動後の座標 𝑷 𝒕𝒏 ′ = 𝑃𝜏𝑛 ′X, 𝑃𝜏𝑛 ′Y に基づきαを算出 𝜶 𝒕𝒏 = 𝑷 𝒕𝒏 ′ − 𝑷 𝒕𝒏 2. 投影間 (𝒅 𝒕(𝝎 𝒕 ′ ) 𝐓 と𝑷 𝒕 ′ )の差が最小になるように, α を 𝜔 に還元 argmin 𝜔 𝑡 | 𝒅 𝒕(𝝎′ 𝒕 𝐓 − 𝑷 𝒕′||2 + 𝜆||𝝎 𝒕 − 𝝎′ 𝒕|| • ニュートン法で 𝜔’ を決定 𝜔’ を使用してデータ座標計算, 再投影 2020/2/4 282019年度 首都大学東京システムデザイン研究科 情報科学域 修士論文発表会