可視化分析工具從精心設計的數據集中提取難以捉摸的模式

從材料科學和地球系統建模到量子信息科學和網絡安全，許多領域的專家進行模擬并進行實驗，以收集科學進步所需的大量數據。但是從這些數據中收集有用的見識可能是一個挑戰，特別是當多個復雜變量影響研究結果時。

為了更好地分析所謂的多元數據，能源部橡樹嶺國家實驗室的研究人員開發了一種開源的，可定制的可視化分析系統，稱為CrossVis。與類似的工具(通常專注于數字數據并提供結果的單一視覺表示)不同，CrossVis會處理數字，分類和基于圖像的數據，同時為這些和其他數據類型提供多個動態，協調的視圖。

ORNL研究人員John Goodall，Junghoon Chae，Artem Trofimov和ORNL視覺信息科學與技術進步實驗室主任(ViSTA)的Chad Steed使CrossVis在線可用，并發布了該系統在圖形和視覺計算方面的獨特功能。

Steed說：“ CrossVis是一站式商店，用于分析許多不同類型的數據，它揭示了不僅僅是兩個變量之間的關系。”

該工具的主視圖由平行坐標圖或PCP組成，它是一種流行的信息可視化技術。PCP將數據表的列顯示為垂直軸，將其行顯示為折線，折線是連接到軸的相互依賴的線段的鏈。在這種情況下，CrossVis接口超出了傳統PCP的范圍，可包含非自然數據和時間或基于時間的數據的非數值數據。

此外，CrossVis還提供散點圖，圖像窗格和其他補充主視圖的選項，以幫助用戶識別異構，多變量數據中的關鍵模式和有趣的異常情況。為了縮小焦點，用戶還可以選擇在所有視圖中同時突出顯示一個變量，生成新數據或輸入參數以過濾現有數據。

“以前，科學家必須使用單獨的程序來分析圖像數據，數值數據和分類數據，然后手動比較結果，” Stee說道。“ CrossVis使他們可以在一個框架內完成所有這些步驟。”

該團隊將系統應用到ORNL納米相材料科學中心(CNMS)的研究人員領導的基因工程項目中，從而利用該系統分析分類和圖像數據的能力，該項目涉及驗證來自人工神經網絡或人工神經網絡的結果。掃描硅藻的電子顯微鏡圖像。硅藻是藻類的一種，會產生堅固的二氧化硅，可用于工業目的，包括藥物輸送和水過濾。