La visualisation d’information à l’ère du Big Data : résoudre les problèmes de scalabilité par l’abstraction multi-échelle

Résumé : L’augmentation de la quantité de données à visualiser due au phénomène du Big Data entraîne de nouveaux défis pour le domaine de la visualisation d’information. D’une part, la quantité d’information à représenter dépasse l’espace disponible à l’écran, entraînant de l’occlusion. D’autre part, ces données ne peuvent pas être stockées et traitées sur une machine conventionnelle. Un système de visualisation de données massives doit permettre la scalabilité de perception et de performances. Dans cette thèse, nous proposons une solution à ces deux problèmes au travers de l’abstraction multi-échelle des données. Plusieurs niveaux de détail sont précalculés sur une infrastructure Big Data pour permettre de visualiser de grands jeux de données jusqu’à plusieurs milliards de points. Pour cela, nous proposons deux approches pour implémenter l’algorithme de canopy clustering sur une plateforme de calcul distribué. Nous présentons une application de notre méthode à des données géolocalisées représentées sous forme de carte de chaleur, ainsi qu’à des grands graphes. Ces deux applications sont réalisées à l’aide de la bibliothèque de visualisation dynamique Fatum, également présentée dans cette thèse.
Type de document :
Thèse
Autre [cs.OH]. Université de Bordeaux, 2017. Français. 〈NNT : 2017BORD0775〉
Liste complète des métadonnées

Littérature citée [107 références]  Voir  Masquer  Télécharger

https://tel.archives-ouvertes.fr/tel-01664983
Contributeur : Abes Star <>
Soumis le : vendredi 15 décembre 2017 - 14:02:06
Dernière modification le : jeudi 11 janvier 2018 - 06:20:17

Fichier

PERROT_ALEXANDRE_2017.pdf
Version validée par le jury (STAR)

Identifiants

  • HAL Id : tel-01664983, version 1

Collections

Citation

Alexandre Perrot. La visualisation d’information à l’ère du Big Data : résoudre les problèmes de scalabilité par l’abstraction multi-échelle. Autre [cs.OH]. Université de Bordeaux, 2017. Français. 〈NNT : 2017BORD0775〉. 〈tel-01664983〉

Partager

Métriques

Consultations de la notice

1822

Téléchargements de fichiers

631