KR102437184B1 - System for multidimensional visualization of large-scale analysis data and method for multidimensional visualization of large-scale analysis thereof - Google Patents
System for multidimensional visualization of large-scale analysis data and method for multidimensional visualization of large-scale analysis thereof Download PDFInfo
- Publication number
- KR102437184B1 KR102437184B1 KR1020200175786A KR20200175786A KR102437184B1 KR 102437184 B1 KR102437184 B1 KR 102437184B1 KR 1020200175786 A KR1020200175786 A KR 1020200175786A KR 20200175786 A KR20200175786 A KR 20200175786A KR 102437184 B1 KR102437184 B1 KR 102437184B1
- Authority
- KR
- South Korea
- Prior art keywords
- data
- unit
- analysis
- setting
- visualization
- Prior art date
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/904—Browsing; Visualisation therefor
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/26—Visual data mining; Browsing structured data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/901—Indexing; Data structures therefor; Storage structures
- G06F16/9024—Graphs; Linked lists
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T13/00—Animation
- G06T13/80—2D [Two Dimensional] animation, e.g. using sprites
Abstract
본 발명은 빅데이터 분석을 통해 생성되는 데이터를 2차원 차트에서 가시화할 때 n차원의 특성 도메인을 가시화 할 수 있고 데이터의 상관관계를 표현할 수 있도록 하며, 하나의 2차원 차트 안에 모든 도메인을 가시화함으로써 출력 시에 한 개의 2차원 차트만으로 결과 출력이 가능하도록 하는 대용량 분석 데이터의 다차원 시각화 시스템 및 이를 이용한 대용량 분석 데이터의 다차원 시각화 방법에 관한 것이다.
본 발명에 따른 대용량 분석 데이터의 다차원 시각화 시스템은, 데이터를 입력하고 상기 데이터간의 관계를 설정 후, 상기 데이터의 분석 결과를 가시화하기 위해 설정값을 설정하는 가시화설정부(100); 상기 가시화설정부(100)에서 설정된 설정값을 수신하여 알고리즘에 따라 상기 설정값을 처리하는 데이터분석부(200); 상기 가시화설정부(100) 및 데이터분석부(200)에서 처리한 데이터를 저장하는 데이터저장부(300); 및 상기 데이터분석부(200)에서 처리된 설정값에 따라 분석 결과 데이터를 차트부(420) 또는 데이터부(410)로 표시하는 가시화부(400);로 구성하되, 상기 가시화설정부(100)는, 다수의 DB 리스트에서 필요한 데이터를 선택 입력하는 데이터입력부(110); 상기 데이터의 필터링 조건을 설정하고 상기 데이터간의 관계를 표시하는 전처리설정부(120); 상기 전처리설정부(120)에서 처리 된 데이터의 분석을 위해 기설정된 알고리즘 중에서 선택하는 알고리즘설정부(130); 상기 데이터의 분석 결과를 가시화하기 위한 차트 종류 및 분석결과 필드를 선택하고, 상기 분석결과 필드의 세부 컬러를 설정하는 결과설정부(140); 사용자 환경을 설정하는 환경설정부(150);를 포함하는 것을 특징으로 한다. The present invention makes it possible to visualize n-dimensional characteristic domains and express data correlations when data generated through big data analysis is visualized in a two-dimensional chart, and by visualizing all domains in one two-dimensional chart. A multi-dimensional visualization system for large-capacity analysis data that enables output of results with only one two-dimensional chart at the time of output, and a multi-dimensional visualization method for large-scale analysis data using the same.
A multi-dimensional visualization system for large-capacity analysis data according to the present invention includes: a visualization setting unit 100 for inputting data, setting a relationship between the data, and setting a set value to visualize the analysis result of the data; a data analysis unit 200 for receiving the set value set in the visualization setting unit 100 and processing the set value according to an algorithm; a data storage unit 300 for storing data processed by the visualization setting unit 100 and the data analysis unit 200; and a visualization unit 400 that displays the analysis result data as a chart unit 420 or a data unit 410 according to the set value processed by the data analysis unit 200; but, the visualization setting unit 100 is, a data input unit 110 for selecting and inputting necessary data from a plurality of DB lists; a pre-processing setting unit 120 for setting a filtering condition of the data and displaying a relationship between the data; an algorithm setting unit 130 for selecting from preset algorithms for analysis of the data processed by the pre-processing setting unit 120; a result setting unit 140 for selecting a chart type and an analysis result field for visualizing the analysis result of the data, and setting a detailed color of the analysis result field; and an environment setting unit 150 for setting a user environment.
Description
본 발명은 빅데이터 분석을 통해 생성되는 데이터를 2차원 차트에서 가시화할 때 n차원의 특성 도메인을 가시화 할 수 있고 데이터의 상관관계를 표현할 수 있도록 하며, 하나의 2차원 차트 안에 모든 도메인을 가시화함으로써 출력 시에 한 개의 2차원 차트만으로 결과 출력이 가능하도록 하는 대용량 분석 데이터의 다차원 시각화 시스템 및 이를 이용한 대용량 분석 데이터의 다차원 시각화 방법에 관한 것이다. The present invention makes it possible to visualize n-dimensional characteristic domains and express data correlations when data generated through big data analysis is visualized in a two-dimensional chart, and by visualizing all domains in one two-dimensional chart. A multi-dimensional visualization system for large-capacity analysis data that enables output of results with only one two-dimensional chart at the time of output, and a multi-dimensional visualization method for large-scale analysis data using the same.
빅데이터 시스템의 개발에 따라 다양한 산업에서 각자 도메인의 영역에 데이터 가시화를 분석 시스템에 활용하고 있다. 일반적으로 데이터 배열화 분류 및 가시화 정리 과정은 다수의 변수를 포함하는 파일을 하나 이상 활용하고, 변수의 변화값이 기록되는 시간의 시작점, 종점, 시간간격이 파일별로 상이할 수 있다. 이 때, 중복되지 않는 변수들의 변화값을 추적하거나, 중복되는 변수들의 변화 차이를 추적하거나, 의미 있는 변수를 선택하여 파일 간에 비교하는 등의 결과 분석을 용이하게 하기 위해서 우선적으로 데이터의 분류 및 정리가 필요하다. With the development of big data systems, various industries are utilizing data visualization in their respective domains in their analysis systems. In general, the data arrangement classification and visualization cleaning process utilizes one or more files including a plurality of variables, and the start point, end point, and time interval of the time at which the variable value is recorded may be different for each file. At this time, in order to facilitate the analysis of results, such as tracking changes in non-overlapping variables, tracking differences in changes in overlapping variables, or selecting meaningful variables and comparing them between files, first classify and organize data is needed
현재는 2차원 차트 중심으로 데이터를 시각화하여 분석업무에 활용하고 있으나, 데이터가 2D 기반으로 분석되어 일부 입체적으로 표출 가능한 데이터의 경우 시·공간 기반으로 표출하여 분석 효과를 극대화하는데 한계가 있다. Currently, data is visualized based on two-dimensional charts and used for analysis, but there is a limit to maximizing the analysis effect by expressing data based on time and space in the case of data that can be expressed in two dimensions because the data is analyzed based on 2D.
즉, 종래 대용량 데이터 분석을 통하여 얻어진 결과를 가시화하는 시스템과 방법은 다수 개발되어 있다. 대용량 데이터는 수많은 정보를 구분하는 데이터 필드를 가지고 있으며, 이러한 필드들은 저장데이터의 특징들을 대표하는 성질을 가진다. 이렇게 다수의 데이터 필드로 구성된 대용량 데이터를 2차원의 차트(x축과 y축을 가지는 그래프)에서 표현하기 위해서는 종래는 다수개의 그래프로 분할하여 가시화해야만 가능하다. 데이터 분석을 통해 가시화하는 데이터 필드가 한정적이었기 때문에 2차원으로 가시화하는 것이 가능했으나, 데이터의 대용량화로 데이터 필드의 성질이 상호 연관한 성질을 반영한 2차원 가시화가 가능해야 하지만 종래의 방법만으로는 가시화가 충분하지 못한 문제점이 발생한다. That is, a number of systems and methods for visualizing the results obtained through conventional large-scale data analysis have been developed. Large-capacity data has data fields that classify a lot of information, and these fields have properties that represent the characteristics of stored data. In order to express the large-capacity data composed of a plurality of data fields in a two-dimensional chart (a graph having an x-axis and a y-axis), conventionally, it is possible to divide the data into a plurality of graphs and visualize it. Since the data fields visualized through data analysis were limited, it was possible to visualize them in two dimensions. However, due to the large-capacity data, two-dimensional visualization that reflects the interrelated properties of the data fields should be possible, but the conventional method is sufficient for visualization. There are problems that have not been done.
본 발명은 상기의 문제점을 해결하기 위해서 안출된 것으로서, 본 발명의 목적은 빅데이터 분석을 통해 생성되는 데이터를 2차원 차트에서 가시화 할 때 n차원의 특성을 효과적으로 가시화할 수 있는 대용량 분석 데이터의 다차원 시각화 시스템을 제공하는 것이다. The present invention has been devised to solve the above problems, and an object of the present invention is to effectively visualize n-dimensional characteristics when data generated through big data analysis is visualized in a two-dimensional chart. To provide a visualization system.
또한, 본 발명의 목적은 하나의 2차원 차트 안에 모든 도메인을 가시화함으로써 출력 시에 한 개의 2차원 차트만으로 결과 출력이 가능하도록 하는 대용량 분석 데이터의 다차원 시각화 시스템을 제공하는 것이다. It is also an object of the present invention to provide a multidimensional visualization system for large-capacity analysis data that enables results to be output with only one two-dimensional chart at the time of output by visualizing all domains in one two-dimensional chart.
발명이 해결하고자 하는 기술적 과제들은 이상에서 언급한 기술적 과제들로 제한되지 않으며, 언급되지 않은 또 다른 기술적 과제들은 아래의 기재로부터 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.The technical problems to be solved by the invention are not limited to the technical problems mentioned above, and other technical problems not mentioned will be clearly understood by those of ordinary skill in the art to which the present invention belongs from the description below. will be able
본 발명에 따른 대용량 분석 데이터의 다차원 시각화 시스템은,A multi-dimensional visualization system of large-capacity analysis data according to the present invention,
데이터를 입력하고 상기 데이터간의 관계를 설정 후, 상기 데이터의 분석 결과를 가시화하기 위해 설정값을 설정하는 가시화설정부(100);a visualization setting unit 100 for inputting data and setting a relationship between the data, and setting a set value to visualize the analysis result of the data;
상기 가시화설정부(100)에서 설정된 설정값을 수신하여 알고리즘에 따라 상기 설정값을 처리하는 데이터분석부(200);a data analysis unit 200 for receiving the set value set in the visualization setting unit 100 and processing the set value according to an algorithm;
상기 가시화설정부(100) 및 데이터분석부(200)에서 처리한 데이터를 저장하는 데이터저장부(300); 및a data storage unit 300 for storing data processed by the visualization setting unit 100 and the data analysis unit 200; and
상기 데이터분석부(200)에서 처리된 설정값에 따라 분석 결과 데이터를 차트부(420) 또는 데이터부(410)로 표시하는 가시화부(400);로 구성하되,A visualization unit 400 for displaying the analysis result data as a
상기 가시화설정부(100)는,The visualization setting unit 100,
다수의 DB 리스트에서 필요한 데이터를 선택 입력하는 데이터입력부(110);a data input unit 110 for selecting and inputting necessary data from a plurality of DB lists;
상기 데이터의 필터링 조건을 설정하고 상기 데이터간의 관계를 표시하는 전처리설정부(120);a pre-processing setting unit 120 for setting a filtering condition of the data and displaying a relationship between the data;
상기 전처리설정부(120)에서 처리 된 데이터의 분석을 위해 기설정된 알고리즘 중에서 선택하는 알고리즘설정부(130);an algorithm setting unit 130 for selecting from preset algorithms for analysis of the data processed by the pre-processing setting unit 120;
상기 데이터의 분석 결과를 가시화하기 위한 차트 종류 및 분석결과 필드를 선택하고, 상기 분석결과 필드의 세부 컬러를 설정하는 결과설정부(140);a result setting unit 140 for selecting a chart type and an analysis result field for visualizing the analysis result of the data, and setting a detailed color of the analysis result field;
사용자 환경을 설정하는 환경설정부(150);를 포함하고,Including; environment setting unit 150 for setting the user environment;
상기 데이터부(410)은 상기 차트부(420)로 변환하여 나타내는 것을 특징으로 한다. The
또한, 대용량 분석 데이터의 다차원 시각화 방법은,In addition, the multi-dimensional visualization method of large-scale analysis data,
다수의 DB 리스트에서 필요한 데이터를 선택 입력하는 데이터입력 단계;A data input step of selecting and inputting necessary data from a plurality of DB lists;
상기 데이터의 필터링 조건을 설정하고 상기 데이터간의 관계를 표시하는 전처리설정 단계;a pre-processing setting step of setting a filtering condition of the data and displaying a relationship between the data;
상기 전처리설정 단계에서 처리 된 데이터의 분석을 위해 기설정된 알고리즘 중에서 선택하는 알고리즘설정 단계;an algorithm setting step of selecting from among preset algorithms for analysis of the data processed in the pre-processing setting step;
상기 선택된 알고리즘을 이용하여 분석된 데이터 결과를 가시화하기 위한 차트 종류 및 분석결과 필드를 선택하고, 상기 분석결과 필드의 세부 컬러를 설정하는 결과설정 단계;a result setting step of selecting a chart type and an analysis result field for visualizing a data result analyzed using the selected algorithm, and setting a detailed color of the analysis result field;
상기 데이터분석부(200)에서 처리된 설정값에 따라 분석 결과 데이터를 차트부(420) 또는 데이터부(410)로 표시하는 가시화 단계;로 구성하되,A visualization step of displaying the analysis result data in the
상기 차트부(420)는,The
2차원 그래프에 데이터를 분류한 필드를 나타내는 원의 형태로 가시화하되,Visualize the data in the form of a circle representing the field that classified the data on the two-dimensional graph,
상기 원의 크기는 상기 데이터부(410)에서 상기 표의 첫 번째 행에 기재된 값과 매칭 된 속성을 나타내고,The size of the circle indicates a property matched with the value described in the first row of the table in the
상기 원의 내부 색상은 상기 필드와 동일한 색상이고, 데이터의 수치값에 따라 채워지도록 구성하고,The inner color of the circle is the same color as the field, and is configured to be filled according to the numerical value of data,
상기 원의 형태에 따라 범례가 자동으로 생성되며,A legend is automatically created according to the shape of the circle,
상기 원의 주위는 그리드가 마련되어 상기 원의 상대적인 크기를 비교할 수 있는 것을 특징으로 한다. A grid is provided around the circle so that the relative sizes of the circles can be compared.
상기 과제의 해결 수단에 의해, 본 발명은 빅데이터 분석을 통해 생성되는 데이터를 2차원 차트에서 가시화 할 때 n 차원의 특성을 효과적으로 가시화할 수 있다. By means of solving the above problems, the present invention can effectively visualize n-dimensional characteristics when data generated through big data analysis is visualized in a two-dimensional chart.
또한, 본 발명은 하나의 2차원 차트 안에 모든 도메인을 가시화함으로써 출력 시에 한 개의 2차원 차트만으로 결과 출력이 가능하도록 한다. In addition, the present invention visualizes all domains in one two-dimensional chart, so that the result can be output with only one two-dimensional chart at the time of output.
도 1은 본 발명의 대용량 분석 데이터의 다차원 시각화 시스템을 나타내는 구성도이다.
도 2는 본 발명의 일실시예에 따른 차트부(420)에서 시각화하여 나타낸 그래프이다.
도 3은 본 발명의 일실시예에 따른 데이터부(410)에서 시각화하여 나타낸 표이다.
도 4는 본 발명의 대용량 분석 데이터의 다차원 시각화 방법을 나타내는 순서도이다.
도 5는 본 발명의 일실시예에 따른 연결표시부(430)를 구체적으로 나타낸 구성도이다.
도 6은 본 발명의 일실시예에 따른 차트부(420)의 범례를 구체적으로 나타낸 구성도이다.
도 7은 본 발명의 일실시예에 따른 데이터부(410)의 속성에 따른 컬러 지정을 구체적으로 나타낸 구성도이다.1 is a block diagram showing a multi-dimensional visualization system for large-capacity analysis data according to the present invention.
2 is a graph visualized by the
3 is a table visualized in the
4 is a flowchart illustrating a multidimensional visualization method of large-capacity analysis data according to the present invention.
5 is a configuration diagram specifically showing the
6 is a configuration diagram specifically showing the legend of the
7 is a configuration diagram specifically illustrating color designation according to attributes of the
본 명세서에서 사용되는 용어에 대해 간략히 설명하고, 본 발명에 대해 구체적으로 설명하기로 한다.Terms used in this specification will be briefly described, and the present invention will be described in detail.
본 발명에서 사용되는 용어는 본 발명에서의 기능을 고려하면서 가능한 현재 널리 사용되는 일반적인 용어들을 선택하였으나, 이는 당 분야에 종사하는 기술자의 의도 또는 판례, 새로운 기술의 출현 등에 따라 달라질 수 있다. 따라서 본 발명에서 사용되는 용어는 단순한 용어의 명칭이 아닌, 그 용어가 가지는 의미와 본 발명의 전반에 걸친 내용을 토대로 정의되어야 한다.The terms used in the present invention have been selected as currently widely used general terms as possible while considering the functions in the present invention, but these may vary depending on the intention or precedent of a person skilled in the art, the emergence of new technology, and the like. Therefore, the term used in the present invention should be defined based on the meaning of the term and the overall content of the present invention, rather than the name of a simple term.
명세서 전체에서 어떤 부분이 어떤 구성요소를 “포함”한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있음을 의미한다.In the entire specification, when a part “includes” a certain component, it means that other components may be further included, rather than excluding other components, unless otherwise stated.
아래에서는 첨부한 도면을 참고하여 본 발명의 실시예에 대하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 상세히 설명한다. 그러나 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시예에 한정되지 않는다.Hereinafter, with reference to the accompanying drawings, the embodiments of the present invention will be described in detail so that those skilled in the art can easily carry out the embodiments of the present invention. However, the present invention may be embodied in several different forms and is not limited to the embodiments described herein.
본 발명에 대한 해결하고자 하는 과제, 과제의 해결 수단, 발명의 효과를 포함한 구체적인 사항들은 다음에 기재할 실시 예 및 도면들에 포함되어 있다. 본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시 예들을 참조하면 명확해질 것이다.Specific details including the problem to be solved for the present invention, the means for solving the problem, and the effect of the invention are included in the embodiments and drawings to be described below. Advantages and features of the present invention, and a method of achieving them will become apparent with reference to the embodiments described below in detail in conjunction with the accompanying drawings.
이하, 첨부된 도면을 참조하여 본 발명을 보다 상세히 설명하기로 한다.Hereinafter, the present invention will be described in more detail with reference to the accompanying drawings.
본 발명은 빅데이터 분석을 통해 생성되는 데이터를 2차원 차트에서 가시화할 때 n차원의 특성 도메인을 가시화 할 수 있고 데이터의 상관관계를 표현할 수 있도록 하며, 하나의 2차원 차트 안에 모든 도메인을 가시화함으로써 출력 시에 한 개의 2차원 차트만으로 결과 출력이 가능하도록 하는 대용량 분석 데이터의 다차원 시각화 시스템 및 이를 이용한 대용량 분석 데이터의 다차원 시각화 방법에 관한 것이다. The present invention makes it possible to visualize n-dimensional characteristic domains and express data correlations when data generated through big data analysis is visualized in a two-dimensional chart, and by visualizing all domains in one two-dimensional chart. A multi-dimensional visualization system for large-capacity analysis data that enables output of results with only one two-dimensional chart at the time of output, and a multi-dimensional visualization method for large-scale analysis data using the same.
도 1에 나타난 바와 같이, 대용량 분석 데이터의 다차원 시각화 시스템은 크게 가시화설정부(100), 데이터분석부(200), 데이터저장부(300) 및 가시화부(400)로 구성된다. As shown in FIG. 1 , the multidimensional visualization system of large-capacity analysis data is largely composed of a visualization setting unit 100 , a data analysis unit 200 , a data storage unit 300 , and a visualization unit 400 .
먼저, 상기 가시화설정부(100)는 데이터를 입력하고 상기 데이터간의 관계를 설정 후, 상기 데이터의 분석 결과를 가시화하기 위해 설정값을 설정한다. 보다 구체적으로, 도 1에 나타난 바와 같이 데이터입력부(110), 전처리설정부(120), 알고리즘설정부(130), 결과설정부(140) 및 환경설정부(150)로 구성된다. First, the visualization setting unit 100 sets a setting value to visualize the analysis result of the data after inputting data and establishing a relationship between the data. More specifically, as shown in FIG. 1 , it consists of a data input unit 110 , a pre-processing setting unit 120 , an algorithm setting unit 130 , a result setting unit 140 , and an environment setting unit 150 .
상기 데이터입력부(110)는 다수의 DB 리스트에서 필요한 데이터를 선택 입력한다. The data input unit 110 selects and inputs necessary data from a plurality of DB lists.
상기 전처리설정부(120)는 상기 데이터의 필터링 조건을 설정하고 상기 데이터간의 관계를 표시한다. The preprocessing setting unit 120 sets a filtering condition of the data and displays a relationship between the data.
상기 알고리즘설정부(130)는 상기 전처리설정부(120)에서 처리 된 데이터의 분석을 위해 기설정된 알고리즘 중에서 선택한다.The algorithm setting unit 130 selects from among preset algorithms for analysis of the data processed by the preprocessing setting unit 120 .
상기 결과설정부(140)는 상기 데이터의 분석 결과를 가시화하기 위한 차트 종류 및 분석결과 필드를 선택하고, 상기 분석결과 필드의 세부 컬러를 설정한다. The result setting unit 140 selects a chart type and an analysis result field for visualizing the analysis result of the data, and sets a detailed color of the analysis result field.
상기 환경설정부(150)는 사용자 환경을 설정한다. The environment setting unit 150 sets the user environment.
다음으로, 상기 데이터분석부(200)는 상기 가시화설정부(100)에서 설정된 설정값을 수신하여 알고리즘에 따라 상기 설정값을 처리한다. 상기 데이터분석부(200)는 도 1에 나타난 바와 같이, 학습알고리즘처리부(210) 및 분석결과저장처리부(220)로 구성된다. Next, the data analysis unit 200 receives the set value set by the visualization setting unit 100 and processes the set value according to an algorithm. As shown in FIG. 1 , the data analysis unit 200 includes a learning algorithm processing unit 210 and an analysis result storage processing unit 220 .
상기 학습알고리즘처리부(210)는 상기 알고리즘설정부(130)에서 선택된 알고리즘으로 설정된 값에 의해 수행된다. 상기 분석결과저장처리부(220)는 학습알고리즘처리부(210)에서 수행 된 분석 결과를 상기 데이터저장부(300)에 결과 데이터를 발신한다.The learning algorithm processing unit 210 is performed according to a value set by the algorithm selected by the algorithm setting unit 130 . The analysis result storage processing unit 220 transmits the results of the analysis performed by the learning algorithm processing unit 210 to the data storage unit 300 .
다음으로, 상기 데이터저장부(300)는 상기 가시화설정부(100) 및 데이터분석부(200)에서 처리한 데이터를 저장한다. 상기 데이터저장부(300)는 도 1에 나타난 바와 같이, 학습데이터저장부(310) 및 분석결과데이터저장부(320)로 구성된다. Next, the data storage unit 300 stores the data processed by the visualization setting unit 100 and the data analysis unit 200 . As shown in FIG. 1 , the data storage unit 300 includes a learning data storage unit 310 and an analysis result data storage unit 320 .
상기 학습데이터저장부(310)은 상기 학습알고리즘처리부(210)에서 수신된 학습 데이터를 저장한다.The learning data storage unit 310 stores the learning data received from the learning algorithm processing unit 210 .
다음으로, 상기 가시화부(400)는 상기 데이터분석부(200)에서 처리된 설정값에 따라 분석 결과 데이터를 차트부(420) 또는 데이터부(410)로 표시한다. 보다 구체적으로, 상기 가시화부(400)는 도 4에 나타난 바와 같이, 연결표시부(430), 차트표시부(440), 정보표시부(450), 결과데이터표시부(460) 및 원시데이터표시부(470)로 구성된다. Next, the visualization unit 400 displays the analysis result data in the
상기 연결표시부(430)는 원시 데이터의 상관 관계를 그래픽적으로 사용자에게 연결할 수 있도록 시각적인 메뉴이미지 버튼으로 기능 메뉴를 제공한다. 보다 구체적으로, 도 5에 나타난 바와 같이, 상기 원시 데이터와 테이블을 리스트로 보여주고 필요한 데이터명을 화면으로 끌어다 배치(Drag & Drop)하여 가시화 한다. 또한, 상기 배치된 데이터의 상관관계를 연결할 수 있도록 메뉴를 제공하고, 상기 배치된 데이터의 색상을 자유롭게 설정하며. 연결선의 종류에 따라 연결 관계를 표현할 수 있도록 마련된다.The
상기 차트표시부(440)는 상기 차트 결과를 상기 차트부(420)로 가시화한다. The chart display unit 440 visualizes the chart result by the
상기 정보표시부(450)는 상기 차트부(420)의 세부 정보를 확인할 수 있다.The information display unit 450 may check detailed information of the
상기 결과데이터표시부(460)는 상기 데이터부(410)로 가시화한다.The result data display unit 460 visualizes the
상기 원시데이터표시부(470)는 상기 원시 데이터와 분석 결과 데이터를 비교하여 볼 수 있도록 한다.The raw data display unit 470 compares and views the raw data and the analysis result data.
상기 가시화부(400)에서 상기 차트부(420)로 표시하는 방법은, 도 2에 나타난 바와 같이, 상기 데이터부(410)을 2차원 그래프로 분류한 필드를 나타내는 원의 형태로 가시화한다. 보다 구체적으로. 상기 차트부(420)은 상기 데이터부(410)을 원의 형태로 가시화한 것으로, 도 3에서 상기 데이터부(410)에서 첫 행에 기재된 Size 1 내지 Size N의 값에 의해 순차적으로 나열되어 있어 상기 차트부(420)에서 상기 원의 크기를 정의한다. 또한, 데이터부(410)의 첫 행에 기재된 Size는 둘째 행에 기재된 필드명과 매칭되어 있고, 상기 필드명은 그 필드의 속성으로 정의된다. 따라서 상기 원의 크기는 상기 데이터부(410)의 첫 행과 매칭 된 필드명인 속성을 나타낸다. As shown in FIG. 2 , the visualization unit 400 displays the
상기 원의 내부 색상은 상기 필드와 동일한 색상이고, 데이터의 수치값에 따라 채워지도록 구성된다. 또한, 상기 원의 주위는 그리드(격자 unit 단위)가 마련되어 상기 원의 상대적인 크기를 비교할 수 있도록 구성된다. The inner color of the circle is the same color as the field, and is configured to be filled according to the numerical value of data. In addition, a grid (lattice unit) is provided around the circle so that the relative sizes of the circles can be compared.
상기 원의 형태에 따라 범례가 자동으로 생성된다. 도 6에 나타난 바와 같이, 상기 차트부(420)에서 각 필드명의 속성을 나타내는 원의 크기와 색상 모양이 결정되면 각각의 원의 형태에 따른 범례를 구성할 수 있다. 상기 범례의 세부사항은 정보표시부(450)에 의해 구체적인 내용을 확인할 수 있으며 범례의 세부사항은 마우스 클릭과 같은 기능에 의해 자세히 보기 형식이 제공된다.A legend is automatically created according to the shape of the circle. As shown in FIG. 6 , when the size and color shape of a circle representing the properties of each field name are determined in the
또한, 상기 가시화부(400)에서 상기 데이터부(410)로 표시하는 방법은, 도 3에 나타난 바와 같이, 상기 데이터부(410)은 2차원의 표로 마련된다.In addition, in the method of displaying the
상기 표의 열은 각 필드를 대표하면서 1에서부터 n개의 수로 정의하고, 행은 인덱싱의 1에서부터 n개의 수로 정의한다.Columns of the table are defined as 1 to n numbers representing each field, and rows are defined as 1 to n numbers of indexing.
상기 열의 색상은 필드의 속성(attribute)에 의해 설정된다. 일실시예로, 도 7에 나타난 바와 같이, 상기 데이터부(410)에서 필드값은 분류된 그룹의 속성으로 정의되며 m2 필드에서 속성값은 True 또는 False로 두 개의 컬러를 할당받게 되고 이는 상기 차트부(420)에서 상기 원의 컬러색으로 지정될 수 있다. 또한, 상기 데이터부(410)에서 속성값이 동물이고 상기 동물 필드에서 지정한 5종의 동물 종류가 있다면 red(고양이), blue(강아지) 등과 같이 다섯 가지의 컬러 색으로 지정될 수 있다.The color of the column is set by an attribute of the field. In one embodiment, as shown in FIG. 7 , the field value in the
또한, 본 발명인 대용량 분석 데이터의 다차원 시각화 방법은 도 4에 나타난 바와 같이 진행되는 것이 바람직하다. In addition, it is preferable that the multidimensional visualization method of the large-capacity analysis data according to the present invention proceeds as shown in FIG. 4 .
먼저, 제1단계(S100)는 데이터입력 단계이다. 상기 데이터입력 단계는 다수의 DB 리스트에서 필요한 데이터를 선택 입력한다. First, the first step ( S100 ) is a data input step. The data input step selects and inputs necessary data from a plurality of DB lists.
다음으로, 제2단계(S200)는 전처리설정 단계이다. 상기 전처리설정 단계는 상기 데이터의 필터링 조건을 설정하고 상기 데이터간의 관계를 표시한다. Next, the second step (S200) is a pre-processing setting step. In the pre-processing setting step, a filtering condition of the data is set and a relationship between the data is displayed.
다음으로, 제3단계(S300)는 알고리즘설정 단계이다. 상기 알고리즘설정 단계는 상기 전처리설정 단계에서 처리 된 데이터의 분석을 위해 기설정된 알고리즘 중에서 선택한다. Next, the third step ( S300 ) is an algorithm setting step. In the algorithm setting step, a preset algorithm is selected for analysis of the data processed in the pre-processing setting step.
다음으로. 제4단계(S400)는 결과설정 단계이다. 상기 결과설정 단계는 상기 선택된 알고리즘을 이용하여 분석된 데이터 결과를 가시화하기 위한 차트 종류 및 분석결과 필드를 선택하고, 상기 분석결과 필드의 세부 컬러를 설정한다. to the next. The fourth step (S400) is a result setting step. In the result setting step, a chart type and an analysis result field for visualizing the analyzed data result using the selected algorithm are selected, and a detailed color of the analysis result field is set.
다음으로, 제5단계(S500)는 가시화 단계이다. 상기 가시화 단계는 상기 데이터분석부(200)에서 처리된 설정값에 따라 분석 결과 데이터를 차트부(420) 또는 데이터부(410)로 표시한다. Next, the fifth step ( S500 ) is a visualization step. In the visualization step, the analysis result data is displayed in the
상기 차트부(420)는, 도 2에 나타난 바와 같이 2차원 그래프에 데이터를 분류한 필드를 나타내는 원의 형태로 가시화한다. 상기 원의 크기는 상기 데이터부(410)에서 상기 표의 첫 번째 행에 기재된 값과 매칭된 두 번째 행인 속성을 나타낸다. 상기 원의 주위는 그리드가 마련되어 상기 원의 상대적인 크기를 비교할 수 있도록 마련된다.As shown in FIG. 2 , the
상기 원의 내부 색상은 상기 필드와 동일한 색상이고, 데이터의 수치값에 따라 채워지도록 구성한다. The inner color of the circle is the same color as the field, and is configured to be filled according to the numerical value of data.
상기 차트부(420)에서 상기 원의 형태에 따라 범례가 자동으로 생성된다.In the
또한, 상기 데이터부(410)는, 도 3에 나타난 바와 같이, 상기 데이터부(410)은 2차원의 표로 마련된다.In addition, as shown in FIG. 3 , the
상기 표의 첫 번째 행은 각 필드를 대표하면서 1에서부터 N개의 수로 정의하고, 첫 번째 열은 인덱싱의 1에서부터 n개의 수로 정의한다.The first row of the table is defined as 1 to N numbers representing each field, and the first column is defined as 1 to n numbers of indexing.
상기 열의 색상은 상기 표의 속성에 의해 설정한다.The color of the column is set by the attribute of the table.
상기 과제의 해결 수단에 의해, 본 발명은 빅데이터 분석을 통해 생성되는 데이터를 2차원 차트에서 가시화 할 때 n 차원의 특성을 효과적으로 가시화할 수 있다. By means of solving the above problems, the present invention can effectively visualize n-dimensional characteristics when data generated through big data analysis is visualized in a two-dimensional chart.
또한, 본 발명은 하나의 2차원 차트 안에 모든 도메인을 가시화함으로써 출력 시에 한 개의 2차원 차트만으로 결과 출력이 가능하도록 한다. In addition, the present invention visualizes all domains in one two-dimensional chart, so that the result can be output with only one two-dimensional chart at the time of output.
이와 같이, 상술한 본 발명의 기술적 구성은 본 발명이 속하는 기술분야의 당업자가 본 발명의 그 기술적 사상이나 필수적 특징을 변경하지 않고서 다른 구체적인 형태로 실시될 수 있다는 것을 이해할 수 있을 것이다.As such, those skilled in the art to which the present invention pertains will understand that the above-described technical configuration of the present invention may be implemented in other specific forms without changing the technical spirit or essential characteristics of the present invention.
그러므로 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적인 것이 아닌 것으로서 이해되어야 하고, 본 발명의 범위는 상기 상세한 설명보다는 후술하는 특허청구범위에 의하여 나타나며, 특허청구범위의 의미 및 범위 그리고 그 등가 개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본 발명의 범위에 포함되는 것으로 해석되어야 한다.Therefore, the embodiments described above are to be understood as illustrative and not restrictive in all respects, and the scope of the present invention is indicated by the following claims rather than the above detailed description, and the meaning and scope of the claims and their All changes or modifications derived from the concept of equivalents should be construed as being included in the scope of the present invention.
100. 가시화설정부
110. 데이터입력부
120. 전처리설정부
130. 알고리즘설정부
140. 결과설정부
150. 환경설정부
200. 데이터분석부
210. 학습알고리즘처리부
220. 분석결과저장처리부
300. 데이터저장부
310. 학습데이터저장부
320. 분석결과데이터저장부
400. 가시화부
410. 데이터뷰
420. 차트뷰
430. 연결표시부
440. 차트표시부
450. 정보표시부
460. 결과데이터표시부
470. 원시데이터표시부
S100. 다수의 DB 리스트에서 필요한 데이터를 선택 입력하는 데이터입력 단계
S200. 상기 데이터의 필터링 조건을 설정하고 상기 데이터간의 관계를 표시하는 전처리설정 단계
S300. 상기 전처리설정 단계에서 처리 된 데이터의 분석을 위해 기설정된 알고리즘 중에서 선택하는 알고리즘설정 단계
S400. 상기 선택된 알고리즘을 이용하여 분석된 데이터 결과를 가시화하기 위한 차트 종류 및 분석결과 필드를 선택하고, 상기 분석결과 필드의 세부 컬러를 설정하는 결과설정 단계
S500. 상기 데이터분석부(200)에서 처리된 설정값에 따라 분석 결과 데이터를 차트부(420) 또는 데이터부(410)로 표시하는 가시화 단계100. Visualization setting part
110. Data input section
120. Pre-processing setting unit
130. Algorithm setting unit
140. Result setting unit
150. Environment setting department
200. Data Analysis Department
210. Learning Algorithm Processing Unit
220. Analysis result storage and processing unit
300. Data storage
310. Learning data storage unit
320. Analysis result data storage unit
400. Visualization
410. Data View
420. Chart View
430. Connection indicator
440. Chart display part
450. Information display unit
460. Result data display unit
470. Raw data display unit
S100. Data input step of selecting and inputting necessary data from multiple DB lists
S200. A pre-processing setting step of setting a filtering condition of the data and displaying the relationship between the data
S300. Algorithm setting step of selecting from preset algorithms for analysis of data processed in the pre-processing setting step
S400. A result setting step of selecting a chart type and an analysis result field for visualizing the data result analyzed using the selected algorithm, and setting a detailed color of the analysis result field
S500. Visualization step of displaying the analysis result data in the
Claims (5)
상기 가시화설정부(100)에서 설정된 설정값을 수신하여 알고리즘에 따라 상기 설정값을 처리하는 데이터분석부(200);
상기 가시화설정부(100) 및 데이터분석부(200)에서 처리한 데이터를 저장하는 데이터저장부(300); 및
상기 데이터분석부(200)에서 처리된 설정값에 따라 분석 결과 데이터를 차트부(420) 또는 데이터부(410)로 표시하는 가시화부(400);로 구성하되,
상기 가시화설정부(100)는,
다수의 DB 리스트에서 필요한 데이터를 선택 입력하는 데이터입력부(110);
상기 데이터의 필터링 조건을 설정하고 상기 데이터간의 관계를 표시하는 전처리설정부(120);
상기 전처리설정부(120)에서 처리 된 데이터의 분석을 위해 기설정된 알고리즘 중에서 선택하는 알고리즘설정부(130);
상기 데이터의 분석 결과를 가시화하기 위한 차트 종류 및 분석결과 필드를 선택하고, 상기 분석결과 필드의 세부 컬러를 설정하는 결과설정부(140);
사용자 환경을 설정하는 환경설정부(150);를 포함하고,
상기 데이터부(410)는 상기 차트부(420)로 변환하여 나타내며,
상기 가시화부(400)에서 상기 데이터부(410)는,
2차원의 표로 마련하되,
상기 표의 첫 번째 행은 1에서부터 N개의 수가 할당된 크기값이 지정되고, 두 번째 행은 각 열의 상위개념으로 지정된 값이나 단어를 속성으로 정의하며,
상기 표의 첫 번째 열은 인덱싱의 1에서부터 n개의 수로 정의하는 것을 특징으로 하는 대용량 분석 데이터의 다차원 시각화 시스템.
a visualization setting unit 100 for inputting data and setting a relationship between the data, and setting a set value to visualize the analysis result of the data;
a data analysis unit 200 for receiving the set value set in the visualization setting unit 100 and processing the set value according to an algorithm;
a data storage unit 300 for storing data processed by the visualization setting unit 100 and the data analysis unit 200; and
A visualization unit 400 for displaying the analysis result data as a chart unit 420 or a data unit 410 according to the set value processed by the data analysis unit 200;
The visualization setting unit 100,
a data input unit 110 for selecting and inputting necessary data from a plurality of DB lists;
a pre-processing setting unit 120 for setting a filtering condition of the data and displaying a relationship between the data;
an algorithm setting unit 130 for selecting from preset algorithms for analysis of the data processed by the pre-processing setting unit 120;
a result setting unit 140 for selecting a chart type and an analysis result field for visualizing the analysis result of the data, and setting a detailed color of the analysis result field;
Including; environment setting unit 150 for setting the user environment;
The data unit 410 is converted into the chart unit 420 and shown,
The data unit 410 in the visualization unit 400,
Prepare a two-dimensional table,
In the first row of the table, size values assigned from 1 to N numbers are assigned, and in the second row, a value or word designated as a superordinate concept of each column is defined as an attribute,
The first column of the table is a multidimensional visualization system of large-scale analysis data, characterized in that the indexing is defined as 1 to n numbers.
상기 가시화부(400)에서 상기 차트부(420)로 표시하는 방법은,
2차원 그래프에 데이터를 분류한 필드를 나타내는 원의 형태로 가시화하되,
상기 원의 크기는 상기 데이터부(410)의 표의 첫 번째 행에 기재된 값에 의해 지정되고,
상기 원의 내부 색상은 상기 필드와 동일한 색상이고,
상기 원의 주위는 그리드가 마련되어 상기 원의 상대적인 크기를 비교할 수 있는 것을 특징으로 하는 대용량 분석 데이터의 다차원 시각화 시스템.
The method of claim 1,
The method of displaying by the chart unit 420 in the visualization unit 400 is,
Visualize the data in the form of a circle representing the field that classified the data on the two-dimensional graph,
The size of the circle is specified by the value described in the first row of the table of the data unit 410,
the inner color of the circle is the same color as the field,
A grid is provided around the circle so that the relative sizes of the circles can be compared.
상기 가시화부(400)는,
원시 데이터의 상관 관계를 그래픽적으로 사용자에게 연결할 수 있도록 시각적인 메뉴이미지 버튼으로 기능 메뉴를 제공하는 연결표시부(430);
상기 차트 결과를 상기 차트부(420)로 가시화하는 차트표시부(440);
상기 차트부(420)의 세부 정보를 확인할 수 있는 정보표시부(450);
상기 데이터부(410)로 가시화하는 결과데이터표시부(460); 및
상기 원시 데이터와 분석 결과 데이터를 비교하는 원시데이터표시부(470);로 구성되는 것을 특징으로 하는 대용량 분석 데이터의 다차원 시각화 시스템.
The method of claim 1,
The visualization unit 400,
a connection display unit 430 for providing a function menu with a visual menu image button so that the correlation of raw data can be graphically connected to the user;
a chart display unit 440 for visualizing the chart result as the chart unit 420;
an information display unit 450 that can confirm detailed information of the chart unit 420;
a result data display unit 460 for visualizing the data unit 410; and
A multidimensional visualization system of large-capacity analysis data, characterized in that it comprises; a raw data display unit (470) for comparing the raw data and the analysis result data.
상기 데이터의 필터링 조건을 설정하고 상기 데이터간의 관계를 표시하는 전처리설정 단계;
상기 전처리설정 단계에서 처리 된 데이터의 분석을 위해 기설정된 알고리즘 중에서 선택하는 알고리즘설정 단계;
상기 선택된 알고리즘을 이용하여 분석된 데이터 결과를 가시화하기 위한 차트 종류 및 분석결과 필드를 선택하고, 상기 분석결과 필드의 세부 컬러를 설정하는 결과설정 단계;
데이터분석부(200)에서 처리된 설정값에 따라 분석 결과 데이터를 차트부(420) 또는 데이터부(410)로 표시하는 가시화 단계;로 구성하되,
상기 차트부(420)는,
2차원 그래프에 데이터를 분류한 필드를 나타내는 원의 형태로 가시화하되,
상기 원의 크기는 상기 데이터부(410)에서 표의 첫 번째 행에 기재된 값과 매칭 된 속성을 나타내고,
상기 원의 내부 색상은 상기 필드와 동일한 색상이고, 데이터의 수치값에 따라 채워지도록 구성하고,
상기 원의 형태에 따라 범례가 자동으로 생성되며,
상기 원의 주위는 그리드가 마련되어 상기 원의 상대적인 크기를 비교할 수 있고,
상기 데이터부(410)는,
2차원의 표로 마련하되,
상기 표의 첫 번째 행은 1에서부터 N개의 수가 할당된 크기값이 지정되고, 두 번째 행은 각 열의 상위개념으로 지정된 값이나 단어를 속성으로 정의하며,
상기 표의 첫 번째 열은 인덱싱의 1에서부터 n개의 수로 정의하는 것을 특징으로 하는 대용량 분석 데이터의 다차원 시각화 방법.A data input step of selecting and inputting necessary data from a plurality of DB lists;
a pre-processing setting step of setting a filtering condition of the data and displaying a relationship between the data;
an algorithm setting step of selecting from among preset algorithms for analysis of the data processed in the pre-processing setting step;
a result setting step of selecting a chart type and an analysis result field for visualizing a data result analyzed using the selected algorithm, and setting a detailed color of the analysis result field;
A visualization step of displaying the analysis result data in the chart unit 420 or the data unit 410 according to the set value processed by the data analysis unit 200;
The chart unit 420,
Visualize the data in the form of a circle representing the field that classified the data on the two-dimensional graph,
The size of the circle indicates a property matching the value described in the first row of the table in the data unit 410,
The inner color of the circle is the same color as the field, and is configured to be filled according to the numerical value of data,
A legend is automatically created according to the shape of the circle,
A grid is provided around the circle to compare the relative sizes of the circles,
The data unit 410,
Prepare a two-dimensional table,
In the first row of the table, size values assigned from 1 to N numbers are assigned, and in the second row, a value or word designated as a super-concept of each column is defined as an attribute,
The first column of the table is a multidimensional visualization method of large-scale analysis data, characterized in that the indexing is defined as 1 to n numbers.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020200175786A KR102437184B1 (en) | 2020-12-15 | 2020-12-15 | System for multidimensional visualization of large-scale analysis data and method for multidimensional visualization of large-scale analysis thereof |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020200175786A KR102437184B1 (en) | 2020-12-15 | 2020-12-15 | System for multidimensional visualization of large-scale analysis data and method for multidimensional visualization of large-scale analysis thereof |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20220085595A KR20220085595A (en) | 2022-06-22 |
| KR102437184B1 true KR102437184B1 (en) | 2022-08-26 |
Family
ID=82216334
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020200175786A KR102437184B1 (en) | 2020-12-15 | 2020-12-15 | System for multidimensional visualization of large-scale analysis data and method for multidimensional visualization of large-scale analysis thereof |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102437184B1 (en) |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2005038199A (en) * | 2003-07-15 | 2005-02-10 | Nissan Motor Co Ltd | Patent map creating system, and patent map creating program |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101636953B1 (en) | 2014-05-30 | 2016-07-07 | 조성환 | Method for analyzing data and apparatus using the method |
-
2020
- 2020-12-15 KR KR1020200175786A patent/KR102437184B1/en active IP Right Grant
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2005038199A (en) * | 2003-07-15 | 2005-02-10 | Nissan Motor Co Ltd | Patent map creating system, and patent map creating program |
Also Published As
| Publication number | Publication date |
|---|---|
| KR20220085595A (en) | 2022-06-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Sadana et al. | Onset: A visualization technique for large-scale binary set data | |
| US7474310B2 (en) | Object association in a computer generated drawing environment | |
| CA2751295C (en) | Analysis of object structures such as benefits and provider contracts | |
| KR101794373B1 (en) | Temporary formatting and charting of selected data | |
| Shneiderman | Inventing discovery tools: Combining information visualization with data mining | |
| CN111553485A (en) | View display method, device, equipment and medium based on federal learning model | |
| US20180300454A1 (en) | Pattern discovery visual analytics system to analyze characteristics of clinical data and generate patient cohorts | |
| Höllt et al. | CyteGuide: Visual guidance for hierarchical single-cell analysis | |
| Fanaee-T et al. | Multi-insight visualization of multi-omics data via ensemble dimension reduction and tensor factorization | |
| US20220129506A1 (en) | Single view presentation of multiple queries in a data visualization application | |
| US10996835B1 (en) | Data preparation user interface with coordinated pivots | |
| KR102437184B1 (en) | System for multidimensional visualization of large-scale analysis data and method for multidimensional visualization of large-scale analysis thereof | |
| JP4098986B2 (en) | Collective display system and computer program | |
| US20140055482A1 (en) | Method for Displaying and Manipulating Genealogical Data Using a Full Family Graph | |
| Wu et al. | SEQIT: visualizing sequences of interest in eye tracking data | |
| Oliveira et al. | Meta-model of information visualization based on Treemap | |
| Zoun et al. | Interactive chord visualization for metaproteomics | |
| Martínez-Martínez et al. | A new visualization tool for data mining techniques | |
| US20140317043A1 (en) | Map Intuition System and Method | |
| Milman et al. | Data analysis of credit organizations by means of interactive visual analysis of multidimensional data | |
| US9715748B2 (en) | Method and apparatus for graphical data interaction and vizualization of graphs via paths | |
| US11886513B2 (en) | Data analysis system, data analysis method, and computer program product | |
| US9280260B2 (en) | Provision of a graphical layout of semi-structured data based on properties of the semi-structured data and user input | |
| US11113853B2 (en) | Systems and methods for blending and aggregating multiple related datasets and rapidly generating a user-directed series of interactive 3D visualizations | |
| Few et al. | Criteria for evaluating visual EDA tools |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| AMND | Amendment | ||
| E601 | Decision to refuse application | ||
| AMND | Amendment | ||
| X701 | Decision to grant (after re-examination) | ||
| GRNT | Written decision to grant |