57、基于圆形交互模型和降维的新型颜色数据可视化方法

基于圆形交互模型和降维的新型颜色数据可视化方法

1. 引言

如今，计算机系统和技术的进步产生了大量信息。其中许多信息往往是冗余、不必要的，甚至包含错误数据，在处理时可能导致误解和错误的判断。信息可视化（IV）领域旨在生成更易理解的数据表示，使用户能获得更直观、自然的呈现，便于数据解读。在模式识别（PR）中，训练/学习阶段的质量很大程度依赖于数据质量。因此，基于可视化的预处理方法很实用，既能生成定制化的数据表示，保留最有意义的信息，又能提高后续分类任务的准确性。

降维（DR）作为IV和PR的关键步骤，被广泛应用。一般来说，DR过程试图从高维输入数据集中提取低维数据，生成包含相关信息的新数据表示（嵌入数据）。例如，经典多维尺度分析（CMDS）通过保留距离，局部线性嵌入（LLE）通过保留数据拓扑结构来提取信息。近年来，基于概率分布差异的方法，如随机邻域嵌入（SNE）也逐渐出现。

将DR方法与IV领域的交互性和可控性相结合，利用人机交互模型可以改善视觉数据分析。更直观自然的模型能带来更好的交互性和视觉效果。本文提出了一种新的交互模型，根据用户需求生成数据表示。具体来说，提出了一种几何策略来确定线性组合DR方法的权重因子，结合CMDS、LLE和t - SNE三种传统DR方法，实现嵌入数据的混合。通过几何和色度方法，用户可以在低维空间中找到合适的嵌入数据表示。最后，实验使用了人工数据库。

2. 交互式降维的数据可视化

在PR和IV中，为高维数据生成合适的表示是一个主要问题，特别是对于结构复杂的数据。DR在生成低维表示以保留数据结构方面起着关键作用。从技术上讲，DR能从大量数据中提取低维相关信息，提高PR系统性能或实现数据可视化。数学上，降维的目标是