ClassHeatVis: Interpretable Probabilistic Classification via Heatmap Visualization for AIS Radio Frequency Fingerprinting

26 Sep 2025
Heating systems; Visualization; Data visualization; Automatic Identification System; Radio Frequency Fingerprint Identification

Abstract

Dans un contexte complexe avec de nombreuses classes et instances, les techniques d’évaluation synthétiques de classification (par exemple, les mesures classiques issues de la matrice de confusion) masquent souvent des informations importantes. Ces informations permettent généralement aux experts de prendre des décisions éclairées, particulièrement sous de fortes contraintes temporelles. L’analyse visuelle apparaît ainsi comme un support complémentaire prometteur. Nous proposons donc une approche pour visualiser les résultats d’un classificateur multi-classes au niveau des instances sous la forme d’un diagramme à barres et d’une carte de chaleur par classe. La nouveauté de cette approche réside dans la présentation visuelle aux experts de l’intégralité des prédictions du classificateur, leur permettant de synthétiser ces résultats par eux-mêmes. Ce faisant, ils peuvent ajuster dynamiquement leurs niveaux de confiance et prendre des décisions éclairées. Nous identifions plusieurs objectifs utilisateur et illustrons l’intérêt et la validité de notre approche sur l’empreinte radio-fréquence AIS (Automatic Identification System).

Citation

E. Alincourt, P. Lenca, L. Fahed and Y. Kermarrec, “ClassHeatVis: Interpretable Probabilistic Classification via Heatmap Visualization for AIS Radio Frequency Fingerprinting,” 2025 International Conference on Emerging Technologies and Computing (IC_ETC), Brest, France, 2025, pp. 1-6, doi: 10.1109/IC_ETC65981.2025.11141167.

En savoir plus : https://ieeexplore.ieee.org/stamp/stamp.jsp?tp=&arnumber=11141167&isnumber=11139845