Scatterplot Matrix Techniques for Large N
大样本散点图矩阵技术AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要属于通用探索性数据可视化，没有所列经济计量细分方向的直接内容。
反馈分类问题正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
大样本散点图矩阵技术
- 研究问题
- 散点图矩阵包含大量观测时，如何缓解点的重叠与绘图响应缓慢，使交互式多变量探索仍具有可读性和操作性？
- 方法与思路
- 作者讨论用灰度或符号面积表示密度、刷选的替代方式和动画序列，并介绍跨散点图选择子集及比较图矩阵的技术。
- 材料陈述的贡献
- 摘要提供针对大样本遮挡与生成速度问题的显示和交互方法，同时讨论可广泛用于散点图集合的子集选择与比较。
- 阅读关注点
- 应核对密度显示如何保留局部结构、不同交互方法的适用情境，以及响应速度和可读性是否有系统评价。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；摘要未提供算法复杂度、性能基准或用户实验结果，不能将所述显示技术视为已验证的普遍最优方案。
原文摘要
High-performance interaction with scatterplot matrices is a powerful approach to exploratory multivariate data analysis. For a small number of data points, real-time interaction is possible and overplotting is usually not a major problem. When the number of plotted points is large, however, display techniques that deal with overplotting and slow production are important. This article addresses these two problems. Topics include density representation by gray scale or by symbol area, alternatives to brushing, and animation sequences. We also discuss techniques that are generally applicable, including interactive graphical subset selection from any plot in a collection of scatterplots and comparison of scatterplot matrices.