使用张量统一线性对比分析的视觉分析
人机交互
2025-07-29 v1 图形学
机器学习
摘要
比较张量并识别它们的(不)相似结构是理解复杂数据底层现象的基础。张量分解方法帮助分析师提取张量的本质特征，并辅助张量的视觉分析。与仅设计用于分析矩阵(即二阶张量)的降维(DR)方法相比，现有的张量分解方法不支持灵活的对比分析。为了解决这一分析局限性，我们通过将其降维对应方法 ULCA 扩展至张量分析，引入了一种名为张量统一线性对比分析(TULCA)的新张量分解方法。TULCA 将判别分析和对比学习方案集成于张量分解中，实现了张量的灵活比较。我们还引入了一种有效的方法，将 TULCA 提取的核心张量可视化为一组 2D 可视化结果。我们将 TULCA 的功能集成到一个视觉分析界面中，以支持分析师解释和优化 TULCA 的结果。我们通过计算评估和两个案例研究(包括对从超级计算机收集的日志数据的分析)展示了 TULCA 和该视觉分析界面的有效性。
引用
@article{arxiv.2507.19988,
title = {Visual Analytics Using Tensor Unified Linear Comparative Analysis},
author = {Naoki Okami and Kazuki Miyake and Naohisa Sakamoto and Jorji Nonaka and Takanori Fujiwara},
journal= {arXiv preprint arXiv:2507.19988},
year = {2025}
}
备注
To appear in IEEE Transactions on Visualization and Computer Graphics and IEEE VIS 2025