lnu.sePublikationer
Ändra sökning
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf
t-viSNE: A Visual Inspector for the Exploration of t-SNE
Linnéuniversitetet, Fakulteten för teknik (FTK), Institutionen för datavetenskap och medieteknik (DM). (ISOVIS, DISA-VAESS)ORCID-id: 0000-0002-9079-2376
Linnéuniversitetet, Fakulteten för teknik (FTK), Institutionen för datavetenskap och medieteknik (DM). (ISOVIS)ORCID-id: 0000-0002-2901-935X
Linnéuniversitetet, Fakulteten för teknik (FTK), Institutionen för datavetenskap och medieteknik (DM). (ISOVIS)ORCID-id: 0000-0002-0519-2537
2018 (Engelska)Ingår i: Presented at IEEE Information Visualization  (VIS '18), Berlin, Germany, 21-26 October, 2018, 2018Konferensbidrag, Poster (med eller utan abstract) (Refereegranskat)
Abstract [en]

The use of t-Distributed Stochastic Neighborhood Embedding (t-SNE) for the visualization of multidimensional data has proven to be a popular approach, with applications published in a wide range of domains. Despite their usefulness, t-SNE plots can sometimes be hard to interpret or even misleading, which hurts the trustworthiness of the results. By opening the black box of the algorithm and showing insights into its behavior through visualization, we may learn how to use it in a more effective way. In this work, we present t-viSNE, a visual inspection tool that enables users to explore anomalies and assess the quality of t-SNE results by bringing forward aspects of the algorithm that would normally be lost after the dimensionality reduction process is finished.

Ort, förlag, år, upplaga, sidor
2018.
Nyckelord [en]
Visualization, machine learning, visual analytics, information visualization, interaction, dimensionality reduction
Nationell ämneskategori
Datavetenskap (datalogi) Människa-datorinteraktion (interaktionsdesign)
Forskningsämne
Datavetenskap, Informations- och programvisualisering
Identifikatorer
URN: urn:nbn:se:lnu:diva-76980OAI: oai:DiVA.org:lnu-76980DiVA, id: diva2:1234200
Konferens
IEEE Information Visualization (VIS '18), Berlin, Germany, 21-26 October, 2018
Tillgänglig från: 2018-07-23 Skapad: 2018-07-23 Senast uppdaterad: 2019-01-17Bibliografiskt granskad

Open Access i DiVA

t-viSNE_Chatzimparmpas_et_al(4285 kB)48 nedladdningar
Filinformation
Filnamn FULLTEXT01.pdfFilstorlek 4285 kBChecksumma SHA-512
31c9f02d48f97113dfa178c47f1e6af149d4b74299276a55d7a3080337ab4dc26e469e291cfcd7a981b4115f1adb2d11c17d9e377ba2ded1213c66b8bf8f73ce
Typ fulltextMimetyp application/pdf

Personposter BETA

Chatzimparmpas, AngelosMartins, Rafael MessiasKerren, Andreas

Sök vidare i DiVA

Av författaren/redaktören
Chatzimparmpas, AngelosMartins, Rafael MessiasKerren, Andreas
Av organisationen
Institutionen för datavetenskap och medieteknik (DM)
Datavetenskap (datalogi)Människa-datorinteraktion (interaktionsdesign)

Sök vidare utanför DiVA

GoogleGoogle Scholar
Totalt: 48 nedladdningar
Antalet nedladdningar är summan av nedladdningar för alla fulltexter. Det kan inkludera t.ex tidigare versioner som nu inte längre är tillgängliga.

urn-nbn

Altmetricpoäng

urn-nbn
Totalt: 796 träffar
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf