Key points are not available for this paper at this time.
Die Informationsvisualisierung ist entscheidend, um große Datensätze zu verstehen. Oft werden hochdimensionale Daten durch Techniken zur Dimensionalitätsreduktion als eine Sammlung von Punkten im zweidimensionalen Raum visualisiert. Diese traditionellen Methoden erfassen jedoch oft nicht gut die zugrunde liegende strukturelle Information, Clusterung und Nachbarschaften. In diesem Papier beschreiben wir GMap, einen praktischen Algorithmus zur Visualisierung relationaler Daten mit geographischähnlichen Karten. Wir veranschaulichen die Wirksamkeit dieses Ansatzes mit Beispielen aus mehreren Bereichen.
Gansner et al. (Mon,) untersuchten diese Frage.