Résumé | L'explosion de l'information exige l'élaboration de procédures d'exploration des données alternatives qui accélèrent le processus des découvertes scientifiques. La compréhension en profondeur de la structure interne des données par les chercheurs et la facilité d'interprétation de cette structure permettent de se concentrer sur les aspects les plus importants, ce qui s'avère essentiel pour l'identification de motifs valides, nouveaux, potentiellement utiles et compréhensibles (points réguliers, singularités, etc.). Les techniques de visualisation computationnelle sont utilisées pour explorer, de façon immersive, les structures de données inhérentes à la fois de manière non supervisée et supervisée. La supervision est offerte via i) les connaissances du domaine que renferment les données et ii) les procédures d'exploration des données non supervisées, comme le groupage flou. Une approche de réalité virtuelle (RV) à l'égard de grands ensembles d'informations hétérogènes, incomplètes et imprécises (floues) est introduite pour résoudre le problème de la visualisation et de l'analyse de formes générales de données. La méthode repose sur l'établissement de correspondances entre un espace hétérogène qui représente les données, et un espace de réalité virtuelle, qui lui est homogène. Cette technique d'exploration visuelle des données, basée sur la RV, permet d'intégrer au processus de découverte des connaissances les capacités géométriques sans parallèle du cerveau humain. Les méthodes d'interprétation traditionnelles exigeraient plus de temps et d'effort pour atteindre le même niveau de compréhension profonde des données complexes à un grand nombre de dimensions comme technique proposée. Cette approche hybride a été appliquée avec succès à un large éventail de domaines dans le monde réel, notamment à l'astronomie, à la géonomique et à la géologie, ce qui a permis d'obtenir des informations utiles. |
---|