Kurzfassung - Fakultät für Informatik, TU Wien

Kurzfassung
Name des Kandidaten: Harald Piringer
Name der Prüfer: Eduard Gröller / Helwig Hauser
Titel der Dissertation: Large Data Scalability in Interactive Visual Analysis
English:
In many areas of science and industry, the amount of data is growing fast and often already
exceeds the ability to evaluate it. On the other hand, the unprecedented amount of available
data bears an enormous potential for supporting decision-making. Turning data into
comprehensible knowledge is thus a key challenge of the 21st century.
The power of the human visual system makes visualization an appropriate method to
comprehend large data. In particular interactive visualization enables a discourse between the
human brain and the data that can transform a cognitive problem to a perceptual one.
However, the visual analysis of large and complex datasets involves both visual and
computational challenges. Visual limits involve perceptual and cognitive limitations of the
user and restrictions of the display devices while computational limits are related to the
computational complexity of the involved algorithms.
The goal of this thesis is to advance the state of the art in visual analysis with respect to the
scalability to large datasets. Due to the multifaceted nature of scalability, the contributions
span a broad range to enhance computational scalability, to improve the visual scalability of
selected visualization approaches, and to support an analysis of high-dimensional data.
Concerning computational scalability, this thesis describes a generic architecture to facilitate
the development of highly interactive visual analysis tools using multi-threading. The
architecture builds on the separation of the main application thread and dedicated
visualization threads, which can be cancelled early due to user interaction. A quantitative
evaluation shows fast visual feedback during continuous interaction even for millions of
entries.
Two variants of scatterplots address the visual scalability of different types of data and tasks.
For continuous data, a combination of 2D and 3D scatterplots intends to combine the
advantages of 2D interaction and 3D visualization. Several extensions improve the depth
perception in 3D and address the problem of unrecognizable point densities in both 2D and
3D.
For partly categorical data, the thesis contributes Hierarchical Difference Scatterplots to relate
multiple hierarchy levels and to explicitly visualize differences between them in the context of
the absolute position of pivoted values.
While comparisons in Hierarchical Difference Scatterplots are only qualitative, this thesis also
contributes an approach for quantifying subsets of the data by means of statistical moments
for a potentially large number of dimensions. This approach has proven useful as an initial
overview as well as for a quantitative comparison of local features like clusters.
As an important application of visual analysis, the validation of regression models also
involves the scalability to multi-dimensional data. This thesis describes a design study of an
approach called HyperMoVal for this task. The key idea is to visually relate n-dimensional
scalar functions to known validation data within a combined visualization. The integration
with other multivariate views is a step towards a user-centric workflow for model building.
- 1 -

Being the result of collaboration with experts in engine design, HyperMoVal demonstrates
how visual analysis is suitable to significantly improve real-world tasks. Positive user
feedback suggests a high impact of the contributions of this thesis also outside the
visualization research community. Moreover, most contributions of this thesis have been
combined in a commercially distributed software framework for engineering applications that
will hopefully raise the awareness and promote the use of visual analysis in multiple
application domains.
Deutsch:
In vielen Bereichen von Wissenschaft und Industrie wachsen die Datenmengen so rasch, dass
sie oftmals nicht mehr ausgewertet werden können. Andererseits birgt die noch nie
dagewesene Verfügbarkeit von Daten ein enormes Potential zur Unterstützung von
Entscheidungsfindungen. Die datenbasierte Wissensgewinnung ist somit eine zentrale
Herausforderung des 21. Jahrhunderts.
Dank der Leistungsfähigkeit des menschlichen Sehapparates ist Visualisierung ein geeignetes
Mittel um große Datenmengen zu verstehen. Speziell interaktive Visualisierungen
ermöglichen einen Diskurs mit Daten, der es erlaubt, kognitive Aufgaben durch visuelle
Wahrnehmung zu lösen. Allerdings umfasst die visuelle Analyse großer und komplexer Daten
Herausforderungen sowohl was die Darstellung, als auch was die Berechnung angeht. Erstere
betreffen perzeptuelle und kognitive Grenzen von Benutzern während letztere eng mit der
Komplexität der eingesetzten Algorithmik zusammenhängen.
Ziel dieser Dissertation ist die Erweiterung des Stands der Technik im Bereich visueller
Analyse bezüglich der Skalierbarkeit für große Datenmengen. Entsprechend der vielen
Facetten des Themas Skalierbarkeit spannen die Innovationen dieser Dissertation einen
weiten Bogen von berechnungsbezogener Skalierbarkeit über die Verbesserung der visuellen
Skalierbarkeit ausgewählter Visualisierungsansätze bis hin zur Unterstützung einer Analyse
hochdimensionaler Daten.
Hinsichtlich berechnungsbezogener Skalierbarkeit beschreibt diese Dissertation eine
generische Architektur, um den Einsatz von Multithreading bei der Entwicklung interaktiver
visueller Analysesysteme zu erleichtern. Kern der Architektur ist die Trennung des
Hauptthreads der Applikation von speziellen Visualisierungsthreads sowie deren vorzeitigen
Abbruch im Falle von Benutzerinteraktion. Eine quantitative Evaluierung belegt ein rasches
visuelles Feedback während kontinuierlichen Interaktionen selbst bei Millionen von
Datenwerten.
Zwei Varianten von Punktdiagrammen widmen sich der visuellen Skalierbarkeit
verschiedener Arten von Daten und Aufgaben. Im Falle kontinuierlicher Daten beabsichtigt
eine Kombination aus 2D und 3D Punktdiagrammen die Vorteile zweidimensionaler
Interaktion und dreidimensionaler Visualisierung miteinander zu kombinieren. Diverse
Erweiterungen verbessern die Tiefenwahrnehmung in 3D und widmen sich dem Problem
einer nicht erkennbaren Datendichte sowohl in 2D als auch in 3D. Für den Fall teilweiser
kategorischer Daten beschreibt die Dissertation eine als hierarchische Differenz-
Punktdiagramme (Hierarchical Difference Scatterplots) bezeichnete Technik. Zweck ist es,
mehrere Hierarchiestufen miteinander in Bezug zu setzen und deren Unterschiede in Bezug
auf diverse Aggregate explizit darzustellen.
- 2 -

Während Vergleiche in hierarchischen Differenz-Punktdiagrammen nur qualitativer Natur
sind, stellt diese Dissertation auch einen quantitativen Ansatz vor, der darauf beruht,
statistische Momente von Teilmengen der Daten für potentiell viele Dimensionen gleichzeitig
zu ermitteln. Anwendungen dieses Ansatzes umfassen sowohl einen Überblick über die
Gesamtdaten als auch einen quantitativen Vergleich lokaler Charakteristika wie
beispielsweise Cluster.
Die Validierung von Regressionsmodellen ist eine wichtige Anwendung für eine visuelle
Analyse, die eine Skalierung hinsichtlich höher dimensionaler Daten erfordert. Für diese
Anwendung wird eine Designstudie eines als HyperMoVal bezeichneten Ansatzes
beschrieben. Kernidee ist es, n-dimensionale Skalarfunktionen mit bekannten
Validierungsdaten in einen gemeinsamen visuellen Bezug zu bringen. Die Integration mit
anderen multivariaten Darstellungen stellt dabei einen Schritt in Richtung eines Benutzerbasierten
Modellbildungsprozesses dar.
Als Ergebnis einer Zusammenarbeit mit Experten im Bereich Motorenentwicklung zeigt
HyperMoVal auch, dass visuelle Analyse geeignet ist, reale Aufgaben erheblich zu
erleichtern. Positives Feedback seitens von Benutzern deutet die Bedeutung der Innovationen
dieser Dissertation auch außerhalb der Forschungsgemeinde im Bereich Visualisierung an.
Umso mehr, als die meisten Innovationen dieser Dissertation in einem gemeinsamen
Softwareframework für Ingenieursanwendungen kommerziell vertriebenen werden. Es ist zu
hoffen, dass dieses das Bewusstsein um die Möglichkeiten visueller Analyse und deren
Anwendung in unterschiedlichen Bereichen steigern wird.
- 3 -