11.03.2014 Aufrufe

Scagnostics - IWR

Scagnostics - IWR

Scagnostics - IWR

MEHR ANZEIGEN
WENIGER ANZEIGEN

Sie wollen auch ein ePaper? Erhöhen Sie die Reichweite Ihrer Titel.

YUMPU macht aus Druck-PDFs automatisch weboptimierte ePaper, die Google liebt.

<strong>Scagnostics</strong><br />

●<br />

●<br />

●<br />

Im Folgenden werden wir uns den Algorithmus von Wilkinson et al. 2004 ansehen, welcher<br />

<strong>Scagnostics</strong> (Scaterplot Diagnostics) zur Metaanalyse beschreibt.<br />

Der <strong>Scagnostics</strong>-Algorithmus berechnet charakteristische Merkmale zur Beschreibung<br />

einer Punktwolke im 2D (z.B. gibt es Cluster, wie dicht sind die Punkte, wie ist die Form der<br />

Punktwolke). Hierzu werden graphentheoretischer Maße verwendet.<br />

Wir definieren zunächst einen Graphen:<br />

Definition (Graph): Ein Graph G = {V, E}, wobei V eine Menge von Knoten<br />

(vertex/vertices) und E eine Menge von Kanten (edges) bezeichnet. Eine Kante e(v,<br />

w) mit e ∈ E und v, w ∈ V ist ein ungeordnetes Vertexpaar.<br />

Definition (geometrischer Graph): Ein geometrischer Graph G* = [f(V), g(E), S]<br />

ist eine Einbetung des Graphen in einen metrischen Raum S, welche Knoten auf<br />

Punkte und Kante auf Liniensegmente die Punktpaare verbinden abbildet.<br />

●<br />

Im Folgende gehen wir davon aus, das wir nur auf geometrischen Graphen operieren,<br />

welche ungerichtet, einfach, planar und endlich sind, und welche auschließlich gerade<br />

Kanten besitzen.<br />

Grundlagen SciVis – 4.2 Multivariate Daten 19

Hurra! Ihre Datei wurde hochgeladen und ist bereit für die Veröffentlichung.

Erfolgreich gespeichert!

Leider ist etwas schief gelaufen!