一种对多个高维数据进行可视化比较的降维方法与流程

技术特征：
1.一种对多个高维数据进行可视化比较的降维方法，其特征是：包括以下步骤：接收待处理的两个高维数据集；对两个数据集计算边相似度；使用t分布
‑
随机近邻嵌入方法对第一个数据集进行降维处理；基于边相似度，将边向量约束引入到t分布
‑
随机近邻嵌入方法的优化方程中，通过求解优化得到第二个数据集的降维结果。2.如权利要求1所述的一种对多个高维数据进行可视化比较的降维方法，其特征是：对两个数据集计算边相似度的过程包括：接收输入的两个高维数据集，使用kd树分别构建k近邻图；对两个在k近邻图中寻找所有包含节点的图元，将归一化的图元频率分布作为该节点的特征向量；基于每个节点的特征向量计算两个相邻时间帧的k近邻图中公共边的相似度。3.如权利要求2所述的一种对多个高维数据进行可视化比较的降维方法，其特征是：将归一化的图元频率分布作为该节点的特征向量的具体过程：对于两个k近邻图中的所有节点，分别统计包含它们的所有图元的频率分布。4.如权利要求3所述的一种对多个高维数据进行可视化比较的降维方法，其特征是：基于包含节点的所有图元的频率分布计算对应节点的之间的顶点相似度，然后基于顶点相似度，计算两个k近邻图中两个边的相似度。5.如权利要求1所述的一种对多个高维数据进行可视化比较的降维方法，其特征是：将边向量约束引入到t分布
‑
随机近邻嵌入方法的优化方程中的具体过程包括：对当前帧降维空间的坐标、当前帧高维空间中的坐标以及基于相似度对前一帧降维空间的坐标建立统一的能量优化方程。6.如权利要求1所述的一种对多个高维数据进行可视化比较的降维方法，其特征是：通过求解优化时，利用梯度下降算法进行求解。7.一种对多个高维数据进行可视化比较的降维系统，其特征是：包括：第一降维模块，被配置为接收待处理的两个高维数据集，使用t分布
‑
随机近邻嵌入方法对第一个数据集进行降维处理；相似度计算模块，其被配置为基于顶点相似度对两个数据集计算边相似度；第二降维模块，被配置为为将边向量约束引入到t分布
‑
随机近邻嵌入方法的优化方程中，通过求解优化得到第二个数据集的降维结果。8.如权利要求7所述的一种对多个高维数据进行可视化比较的降维系统，其特征是：还包括可视化模块，其被配置为依据优化后的降维位置，并利用用户预先选定的颜色表映射至数据点的类标签，得到可视化结果。9.一种计算机可读存储介质，其特征是：其中存储有多条指令，所述指令适于由终端设备的处理器加载并执行权利要求1
‑
6中任一项所述的一种对多个高维数据进行可视化比较的降维方法的步骤。10.一种终端设备，其特征是：包括处理器和计算机可读存储介质，处理器用于实现各指令；计算机可读存储介质用于存储多条指令，所述指令适于由处理器加载并执行权利要求1
‑
6中任一项所述的一种对多个高维数据进行可视化比较的降维方法的步骤。

技术总结
本发明提供了一种对多个高维数据进行可视化比较的降维方法，接收待处理的两个高维数据集；对两个数据集计算边相似度；使用t分布


技术研发人员：汪云海 孙国霞 王银桥 陈路 卢金禹 华博
受保护的技术使用者：山东大学
技术研发日：2021.05.26
技术公布日：2021/10/23