Treemaps de Voronoi que conservan vecindarios

Área de la Ciencia:

• Visualización de datos
• Geometría computacional
• Visualización de información

Sus antecedentes:

• Los treemaps de Voronoi visualizan datos jerárquicos, pero a menudo pasan por alto atributos de datos no jerárquicos como la similitud.
• Los métodos existentes no representan eficazmente relaciones complejas como la proximidad geográfica o la similitud semántica.

Objetivo del estudio:

• Desarrollar un algoritmo novedoso de treemaps de Voronoi que integre la similitud de datos en el proceso de diseño.
• Generar treemaps que conserven los vecindarios de datos y al mismo tiempo reflejen con precisión las estructuras jerárquicas y las métricas de similitud.

Principales métodos:

• Se extendió el pipeline de diseño de treemaps para incluir el preprocesamiento de datos basado en la similitud.
• Se utilizó la correspondencia de Kuhn-Munkres para alinear las similitudes de datos con las celdas de teselación de Voronoi centroidales (CVT).
• Se empleó el intercambio codicioso y el ajuste iterativo del área para optimizar la preservación del vecindario y el dimensionamiento de las celdas.

Principales resultados:

• Desarrolló un algoritmo práctico para generar treemaps de Voronoi conscientes de la similitud.
• Demostró la efectividad utilizando ejemplos del mundo real de infografías y lingüística.
• Validó cuantitativamente la preservación del vecindario utilizando métricas establecidas de treemaps.

Conclusiones:

• El algoritmo propuesto genera con éxito treemaps de Voronoi que conservan los vecindarios de datos al aprovechar la similitud.
• Este enfoque ofrece un avance significativo en la visualización de conjuntos de datos complejos con atributos tanto jerárquicos como basados en la similitud.
• El método proporciona una herramienta poderosa para el análisis y la presentación de datos en diversos campos.