Visualisation dynamique d'arbres hiérarchiques de très grande taille Par Rémi Fusade TER encadré par Thomas Hurtut et Thierry Stein.

Présentation au sujet: "Visualisation dynamique d'arbres hiérarchiques de très grande taille Par Rémi Fusade TER encadré par Thomas Hurtut et Thierry Stein."— Transcription de la présentation:

1 Visualisation dynamique d'arbres hiérarchiques de très grande taille Par Rémi Fusade TER encadré par Thomas Hurtut et Thierry Stein

2 La Problématique Carte topographique d'une image: Travaux de Thomas Hurtut

3 La Problématique Carte topographique d'une image: Travaux de Thomas Hurtut arbre hiérarchique correspondant: Contraste = information importante

4 La Problématique Travaux de Thomas Hurtut Cas d'une image réelle: très grand volume de données

5 Le logiciel TULIP

6 ● Affichage de grands graphes ● Navigation par zooms ● Différents algorithmes d'affichage ● Gestion d'attributs sur les nœuds ● Logiciel modulable Le logiciel TULIP

7 ● Affichage de grands graphes ● Navigation par zooms ● Différents algorithmes d'affichage ● Gestion d'attributs sur les nœuds ● Logiciel modulable Le logiciel TULIP Problème: cas des très grands graphes (>50 000 nœuds)

8 La clusterisation : Rassembler des nœuds en ''cluster'' Une solution existante

9 La clusterisation : Rassembler des nœuds en ''cluster'' Une solution existante ● Clusteriser les nœuds semblables / proches ● Perte d'information TULIP ne propose pas cette méthode

10 Proposer un plug-in pour TULIP Clusterisation d'arbres: ● Étendre à tout arbre hiérarchique ● Calcul de distance: Choix des attributs et des poids ● But : rendre la navigation dans les grands graphes plus fluide Direction choisie

11 Algorithmes utilisés Point de départ: un arbre avec des attributs sur les nœuds 1) Calcul de la distance

12 Algorithmes utilisés Calcul de la distance: Sur chaque arête 1) Calcul de la distance

13 Algorithmes utilisés Attribut « Distance » sur les arrêtes 1) Calcul de la distance

14 Algorithmes utilisés Point de départ: un arbre avec des distances entre nœuds 2) Calcul de la clusterisation

15 Rassemblement des nœuds si distance < seuil Ici, seuil = 0.15 Algorithmes utilisés 2) Calcul de la clusterisation

16 Résultat: Algorithmes utilisés 2) Calcul de la clusterisation

17 Présentation du plug-in Démonstrations

18 Cas de très grands graphes (~350 000 nœuds) Navigation plus fluide grâce à la clusterisation: - en utilisant l'outil ''loupe'' - en utilisant la molette de la souris

19 Application à la problématique des lignes de niveaux Démonstrations

20 Conclusion et Perspectives Conclusion: ● Manque comblé pour le logiciel TULIP ● Navigation légèrement plus fluide ● Autres intérêts de la clusterisation: clarté de l'affichage, ajout d'informations visuelles

21 Conclusion et Perspectives Conclusion: ● Manque comblé pour le logiciel TULIP ● Navigation légèrement plus fluide ● Autres intérêts de la clusterisation: clarté de l'affichage, ajout d'informations visuelles Possibilités d'amélioration: ● Étendre à tout type de graphe ● Choix de la forme et la taille des clusters ● Proposer des attributs par défaut « pertinents » ● (Optimiser la mémoire occupée, réduire les fuites de mémoires)

22 Conclusion et Perspectives Conclusion: ● Manque comblé pour le logiciel TULIP ● Navigation légèrement plus fluide ● Autres intérêts de la clusterisation: clarté de l'affichage, ajout d'informations visuelles Possibilités d'amélioration: ● Étendre à tout type de graphe ● Choix de la forme et la taille des clusters ● Proposer des attributs par défaut « pertinents » ● (Optimiser la mémoire occupée, réduire les fuites de mémoires) http://sourceforge.net/projects/plugintulipclus/ Disponible sur SourceForge: