Scagnostics - IWR
Scagnostics - IWR
Scagnostics - IWR
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