StarVR: Star Coordinates and kNN configuration in Virtual Reality

Abstract

Denne masteroppgaven ønsker å undersøke muligheten til å bruke virtuell virkelighet som et verktøy for å visualisere og samhandle med flerdimensjonale data representert som Star Coordinates og bruke den resulterende aksekonfigurasjonen til å sette parametere for kNN klasifisering. Ved å implementere Star Coordinates i Unity sammen med vanlige interaksjonsmetoder innen virtuell virkelighet, vises det at dette er mulig både fra et teknisk og brukersentrert perspektiv. StarVR kan visualisere et dataset som er stort nok til å illustrere at denne fremgangsmåten kan brukes professjonelt. Klassifiseringsnøyaktigheten når StarVR brukes som dimensjonsreduksjon for kNN er på linje med automatiserte metoder som PCA. Det konkluderes med at StarVR kan, ved hjelp av sanntids-integrasjoner og tilbakemeldinger, oppnå enda bedre resultater.

This thesis aims to investigate the possibility of using virtual reality as a way of visualising and interacting with multidimensional data using Star Coordinates [1] and using the resulting axis configuration produced by this system as a method of setting parameters for kNN algorithms. By implementing Star Coordinates in Unity along with common VR interactions, this thesis shows that it is possible both from a system performance and usability perspective. StarVR can display a dataset that is large enough in both dimensionality and size to get accurate real-world results. The performance of StarVR as a dimensionality reduction technique in regards to kNN is shown to be similar to automated PCA, and conclude that even better results can be achieved by tighter, real-time integration’s with common data analysis tools.