Visual exploration of high-dimensional data using dimensionality reduction

Verscherpte methode voor het visualiseren van hoogdimensionale datasets

Het kan lastig zijn om in een multidimensionele dataset handmatig clusters te herkennen wanneer gebruik gemaakt wordt van de bestaande visualisatiemethoden. Multidimensionale datavisualisatie kan bijdragen om deze taak te versimpelen. Daarbij zorgt dimensionaliteitsreductie (DR) voor een lagere inbedding van de oorspronkelijke hoogdimensionale data, zodat de data toegankelijker worden door middel van visualisatie. Bovendien is DR bij uitstek geschikt om visuele clusters van punten te vinden die de clusters in de oorspronkelijke gegevens weergeven. Het vinden van visueel goed gescheiden clusters met behulp van conventionele DR-methoden is echter een uitdaging, aangezien er talrijke DR-methoden zijn die van toepassing zijn op een breed scala van datasets.  In haar proefschrift richt Youngjoo Kim zich op het gebruik van een preconditioneringsstap van DR door het verscherpen van de multidimensionale gegevens in de hoogdimensionale ruimte voorafgaand aan de dimensionaliteitsreductie, zodat clusters ook beter worden gescheiden in de lager-dimensionale inbedding. 

Kim verbeterde deze verscherpte DR-methode in termen van dimensionale schaalbaarheid, computationele schaalbaarheid, gebruiksgemak en stabiliteit. ‘De methode is ook toepasbaar op elke reële multidimensionale dataset, waardoor toepassingen op verschillende gebieden mogelijk zijn,’ aldus Kim. ‘We tonen toepassingen aan de hand van verschillende gelabelde datasets en een niet-gelabelde astronomische dataset.’ Daarnaast analyseerde Kim de clusters die uit de verscherpte DR voor deze astronomische dataset naar voren komen en concludeerde dat de clusters geassocieerd zijn met verschillende subcomponenten van de Melkweg. Kim: ‘Samenvattend kunnen we stellen dat dit werk een belangrijke stap is naar het vinden van interessante en betekenisvolle visuele clusters voor de exploratieve analyse van hoogdimensionale gegevens op verschillende gebieden.’ 

Youngjoo Kim voerde haar onderzoek uit bij het Bernoulli Instituut.

Proefschrift: https://hdl.handle.net/11370/02a69e7e-fe36-4246-9712-bf1a22667a17