Diskriminative Dimensionsreduktion (DiDi)

• Antragstellerin: Professorin Dr. Barbara Hammer
• Fachliche Zuordnung: Bild- und Sprachverarbeitung, Computergraphik und Visualisierung, Human Computer Interaction, Ubiquitous und Wearable Computing ; Theoretische Informatik
• Förderung: Förderung von 2012 bis 2016
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 206827914

Elektronisch verfügbare Datenmengen wachsen rapide, so dass Benutzer, die Datenvolumen schnell nach nützlicher Information scannen möchten, auf maschinelle Unterstützung angewiesen sind. Dimensionsreduktion projiziert hochdimensionale Daten in den 2- oder 3-dimensionalen Euklidischen Raum und stellt so eine weit verbreitete Schnittstelle, um gegebene Daten direkt auf dem Bildschirm darzustellen. Dimensionsreduktion ist allerdings ein inhärent mehrdeutiges Problem und das jeweilige Ergebnis ist stark von der gewählten Methode, deren Parametern und im Fall nichtdeterministischer Algorithmen sogar Zufallskomponenten abhängig. Die Relevanz der jeweiligen Visualisierung für die gegebene Situation ist oft fragwürdig, und es kann vorkommen, dass Dimensionsreduktionsmethoden auf irrelevante Aspekte oder Rauschen in den Daten fokussieren. Ziel des vorgeschlagenen Forschungsansatzes ist, dimensionsreduzierende Visualisierungsmethoden um a priori gegebene Zusatzinformation in Form von Klassenlabeln für die Daten zu erweitern und so den Fokus der Visualisierung auf die für die Anwendung relevanten Aspekte statt Zufallsaspekte zu lenken. Im Rahmen des Projekts soll erforscht werden, wie sich Methoden der Dimensionsreduktion prinzipiell zu diskriminativen Visualisierungsverfahren erweitern lassen, welche Ansätze für welche Situationen besonders geeignet sind, und wie die Verfahren für sehr große Datenmengen angepasst werden können.

• DFG-Verfahren: Sachbeihilfen