基于参数与非参数噪声模型的二元数据纤维不确定性可视化
统计方法学
2024-07-26 v1 图形学
摘要
多元数据及其不确定性的可视化与分析是数据可视化领域的顶级研究挑战。构建纤维曲面是一种流行的多元数据可视化技术，它将一元数据的水平集可视化思想推广到多元数据。在本文中，我们提出一个统计框架来量化从不确定二元场中提取的纤维的位置概率。具体而言，我们将最先进的二元数据不确定性高斯模型扩展到其他参数分布(例如，均匀和Epanechnikov)以及更一般的非参数概率分布(例如，直方图和核密度估计)，并推导出相应的纤维空间概率。在我们提出的框架中，当二元数据被假设具有独立的参数和非参数噪声时，我们利用格林定理对纤维概率进行闭式计算。此外，当二元数据被假设具有相关噪声时，我们提出一种结合数值积分的非参数方法来研究纤维的位置概率。对于不确定性分析，我们通过体绘制和基于概率阈值提取水平集来可视化导出的纤维概率体。我们通过合成和模拟数据集上的实验展示了我们提出技术的效用。
引用
@article{arxiv.2207.11318,
title = {Fiber Uncertainty Visualization for Bivariate Data With Parametric and Nonparametric Noise Models},
author = {Tushar M. Athawale and Chris R. Johnson and Sudhanshu Sane and David Pugmire},
journal= {arXiv preprint arXiv:2207.11318},
year = {2024}
}
备注
9 pages paper + 2 page references, 10 figures, IEEE VIS 2022 paper to be published as a special issue of IEEE Transactions on Visualization and Computer Graphics (TVCG)