基于生成模型和视觉显著性的降维投影可用性增强方法
申请人信息
- 申请人:华东师范大学
- 申请人地址:200062 上海市普陀区华东师范大学中北校区理科大楼
- 发明人: 华东师范大学
专利详细信息
| 项目 | 内容 |
|---|---|
| 专利名称 | 基于生成模型和视觉显著性的降维投影可用性增强方法 |
| 专利类型 | 发明申请 |
| 申请号 | CN202311567695.7 |
| 申请日 | 2023/11/22 |
| 公告号 | CN117495665A |
| 公开日 | 2024/2/2 |
| IPC主分类号 | G06T3/06 |
| 权利人 | 华东师范大学 |
| 发明人 | 郑雅璇; 刘淑琪; 李晨辉; 王长波 |
| 地址 | 上海市闵行区东川路500号 |
摘要文本
本发明公开了基于生成模型和视觉显著性的降维投影可用性增强方法，利用生成模型和基于视觉显著性设计的评估指标，提高降维算法的可用性。在此基础上，开发了一个旨在提升用户分析体验的可视化界面，协助用户规避繁琐的降维算法参数调优过程，快速识别出满意的降维结果。本发明与现有技术相比，能够有效解决多种降维算法的多参数调优挑战。通过生成模型学习不同参数设置下的降维结果分布，得到连续的二维隐空间。在隐空间进行采样，并将其解码映射到可视化页面后，用户无需盲目地调整超参数，便可轻松浏览各种降维可视化结果。此外，基于视觉显著性的降维结果评估指标设计，填补了相关工作的不足，有助于用户迅速、准确的做出决策。 微信公众号马克 数据网
专利主权项内容
1.基于生成模型和视觉显著性的降维投影可用性增强方法，其特征在于，利用生成模型学习大量不同参数设置下高维数据降维后的二维散点分布，进而构建相应的二维连续隐空间；在隐空间进行采样、解码和插值后，将每个隐空间采样点解码后的二维散点图及其视觉显著性指标得分映射到可视化界面，帮助用户迅速识别有趣的数据模式，比较和分析不同高维数据集降维结果的整体特征，减少时间和空间成本；所述方法包括以下步骤：步骤1：对降维算法的多个超参数进行均匀采样，得到各种不同的超参数组合，并生成多个降维结果，所述降维结果反映高维数据在不同超参数设置下的二维表示；步骤2：将降维生成的二维散点视为一种无边特殊图，通过训练生成模型来学习其分布和构造二维隐空间；当训练完成后，在隐空间中进行网格采样，解码样本以获得散点位置矩阵；步骤3：使用散点图可视化散点位置矩阵，并输入到BASNet模型中，得到相应的显著性检测结果；结合基于显著性的降维结果评估指标，获得每个散点图的得分矩阵；：均匀性、兴趣度、空白率和清晰度。步骤4：利用隐空间的连续性，在隐空间中分别对位置矩阵和得分矩阵进行插值，并在可视化界面上以散点图和热图的形式展示。 来源：马 克 数 据 网