面向多维投影中可靠聚类分析的抗畸变刷选

刷选是 2D 散点图中一种常见的交互技术，允许用户选择连续封闭区域内的聚类点以进行进一步分析或过滤。然而，将常规刷选应用于多维 (MD) 数据的 2D 表示（即多维投影 (MDPs)）时，由于 MDP 引起的畸变会不准确表示原始 MD 数据的聚类结构，可能导致不可靠的聚类分析。为缓解该问题，我们提出了一种针对 MDP 的新型刷选技术，称为抗畸变刷选 (Distortion-aware brushing)。当用户执行刷选时，抗畸变刷选通过动态重定位投影中的点来校正当前刷选点周围的畸变，将 MD 空间中靠近刷选点的数据点拉近，同时将远处点推远。这种动态调整帮助用户更准确地刷选 MD 聚类，从而实现更可靠的聚类分析。我们对 24 名参与者进行的用户研究表明，抗畸变刷选在准确分离 MD 空间中的聚类方面显著优于以往的 MDP 刷选技术，并对畸变保持鲁棒。我们通过两个用例进一步证明了该技术的有效性：(1) 对地理空间数据执行聚类分析；(2) 交互式标注 MD 聚类。