检索结果-南通市图书馆

A survey of visual analytics techniques for machine learning

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

Computational Visual Media 2021年第1期7卷 3-36页

作者： Jun Yuan Changjian Chen Weikai Yang Mengchen liu Jiazhi Xia shixia liu BNRist Tsinghua UniversityBeijing 100086China Microsoft Redmond 98052USA Central South University Changsha 410083China

Visual analytics for machine learning has recently evolved as one of the most exciting areas in the field of *** better identify which research topics are promising and to learn how to apply relevant techniques in visual analytics,we systematically review259 papers published in the last ten years together with representative works before *** build a taxonomy,which includes three first-level categories:techniques before model building,techniques during modeling building,and techniques after model *** category is further characterized by representative analysis tasks,and each task is exemplified by a set of recent influential *** also discuss and highlight research challenges and promising potential future research opportunities useful for visual analytics researchers.

关键词： visual analytics machine learning data quality feature selection model understanding content analysis

Towards better analysis of machine learning models:A visual analytics perspective

在线全文

学校读者我要写书评

暂无评论

Visual Informatics 2017年第1期1卷 48-56页

作者： shixia liu Xiting Wang Mengchen liu Jun Zhu Tsinghua University BeijingChina

Interactive model analysis,the process of understanding,diagnosing,and refining a machine learning model with the help of interactive visualization,is very important for users to efficiently solve real-world artificial intelligence and data mining *** advances in big data analytics have led to a wide variety of interactive model analysis *** this paper,we present a comprehensive analysis and interpretation of this rapidly developing ***,we classify the relevant work into three categories:understanding,diagnosis,and *** category is exemplified by recent influential *** future research opportunities are also explored and discussed.

关键词： Interactive modelanalysis Interactive visualization Machine learning Understanding Diagnosis Refinement

A Geometric Understanding of Deep Learning

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

Engineering 2020年第3期6卷 361-374页

作者： Na Lei Dongsheng An Yang Guo Kehua Su shixia liu Zhongxuan Luo Shing-Tung Yau Xianfeng Gu DUT-RU Co-Research Center of Advanced ICT for Active Life Dalian University of TechnologyDalian 116620China Department of Computer Science Stony Brook UniversityStony BrookNY 11794-2424USA School of Computer Science Wuhan UniversityWuhan 430072China School of Software Tsinghua UniversityBeijing 100084China Center of Mathematical Sciences and Applications Harvard UniversityCambridgeMA 02138USA

This work introduces an optimal transportation(OT)view of generative adversarial networks(GANs).Natural datasets have intrinsic patterns,which can be summarized as the manifold distribution principle:the distribution of a class of data is close to a low-dimensional *** mainly accomplish two tasks:manifold learning and probability distribution *** latter can be carried out using the classical OT *** the OT perspective,the generator computes the OT map,while the discriminator computes the Wasserstein distance between the generated data distribution and the real data distribution;both can be reduced to a convex geometric optimization ***,OT theory discovers the intrinsic collaborative-instead of competitive-relation between the generator and the discriminator,and the fundamental reason for mode *** also propose a novel generative model,which uses an autoencoder(AE)for manifold learning and OT map for probability distribution *** AE–OT model improves the theoretical rigor and transparency,as well as the computational stability and efficiency;in particular,it eliminates the mode *** experimental results validate our hypothesis,and demonstrate the advantages of our proposed model.

关键词： Generative Adversarial Deep learning Optimal transportation Mode collapse

Guest Editorial:Special Issue on Visualization and Computer Graphics

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

Tsinghua Science and Technology 2012年第4期17卷 I0001-I0002页

作者： Jing Yang shixia liu Ye Zhao Ying-Qing Xu William Ribarsky Department of Computer Science University of North Carolina at Charlotte Charlotte NC 28223 USA Internet Graphics Group Microsoft Research Asia Beijing 100080 China Department of Computer Science Kent State University Kent Ohio 44242 USA Department of Information Art & Design Tsinghua University Beijing 100084 China

In the decade of data explosion, a significant challenge is how to transform data into understandings and insights that are useful to people. Visualization, the use of computer-supported, interactive visual representations of data to amplify cognition, is an important approach to addressing this challenge. In particular, scientific visualization primarily represents physical or geometric data while information visualization mainly represents abstract data such as text documents, graphs, and multidimensional data. Visual analytics, springing out of the fields of information visualization and scientific visualization,

关键词： Special issues and sections Visual analytics Algorithm design and analysis Data visualization

Steering data quality with visual analytics:The complexity challenge

在线全文

学校读者我要写书评

暂无评论

Visual Informatics 2018年第4期2卷 191-197页

作者： shixia liu Gennady Andrienko Yingcai Wu Nan Cao liu Jiang Conglei Shi Yu-Shuen Wang Seokhee Hong Tsinghua University BeijingChina Fraunhofer Institute IAIS Sankt-AugustinGermany City University of LondonLondonUK Zhejiang University ZhejiangChina Tongji University ShanghaiChina Airbnb San FranciscoCAUSA National Chiao-Tung University HsinchuTaiwan University of Sydney SydneyAustralia

Data quality management,especially data cleansing,has been extensively studied for many years in the areas of data management and visual *** the paper,we first review and explore the relevant work from the research areas of data management,visual analytics and human-computer *** for different types of data such as multimedia data,textual data,trajectory data,and graph data,we summarize the common methods for improving data quality by leveraging data cleansing techniques at different analysis *** on a thorough analysis,we propose a general visual analytics framework for interactively cleansing ***,the challenges and opportunities are analyzed and discussed in the context of data and humans.

关键词： Data quality management Visual analytics Data cleansing

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

新闻数据可视分析系统

计算机辅助设计与图形学学报 2016年第11期28卷 1863-1871页

作者：肖剑楠刘梦尘刘世霞清华大学软件学院北京100084

文中展示了一个具有创新性的新闻可视分析系统——VASNRU.该系统有机地结合了新闻数据收集与可视分析,旨在帮助用户更好地分析与理解新闻数据.该系统首先根据用户想要查询的内容,利用搜索引擎自动地收集一定数量的新闻数据;在此基础上,... 详细信息

文中展示了一个具有创新性的新闻可视分析系统——VASNRU.该系统有机地结合了新闻数据收集与可视分析,旨在帮助用户更好地分析与理解新闻数据.该系统首先根据用户想要查询的内容,利用搜索引擎自动地收集一定数量的新闻数据;在此基础上,自动地对收集到的数据进行预处理,以便进一步进行分析.为了帮助用户更好地分析与理解数据,采用一个可视分析工具(Mutual Ranker)对处理好的数据进行可视分析,采用VASNRU收集并分析了2个真实的新闻数据集,结果验证了其能够方便、高效地收集与分析新闻数据.

关键词：新闻数据数据收集可视分析

在线全文

学校读者我要写书评

暂无评论

基于众包学习的交互式特征选择方法

中国科学：信息科学 2020年第6期50卷 794-812页

作者：陈长建姜流雷娜刘世霞清华大学软件学院北京100084 大连理工大学国际信息与软件学院大连116024

集成特征选择算法将多种特征选择方法结果结合在一起,旨在得到更加有效的特征子集.然而这些算法通常假设每种特征选择方法是平等的,没有考虑不同特征选择方法性能的差异性,导致少数方法选择出的有效特征被忽略.为解决这一问题,本文提出... 详细信息

集成特征选择算法将多种特征选择方法结果结合在一起,旨在得到更加有效的特征子集.然而这些算法通常假设每种特征选择方法是平等的,没有考虑不同特征选择方法性能的差异性,导致少数方法选择出的有效特征被忽略.为解决这一问题,本文提出一种可以有效地结合不同特征选择方法优势,并利用专家的知识逐步改善所选特征的交互式特征选择方法.该方法包括一个基于众包学习的集成特征选择算法和一个基于该算法开发的可视分析系统.基于众包学习的集成特征选择算法利用众包学习模型对不同特征选择方法的性能进行建模,计算每种方法的可靠性,并在此基础上将这些方法的结果有机融合.可视分析系统提供了丰富的排序方式,帮助专家理解单个特征选择方法的特征选择结果和特征在分类任务中所起的作用,从而让专家交互迭代地改善现有特征子集.在4个真实世界数据集上的数值实验表明,相比于现有的集成特征选择算法,本文提出的算法能够带来0.63%~2.85%分类准确率的提升.此外,在文本和图像数据集上进行的两个案例分析表明,本文提出的可视分析系统能够进一步带来0.28%~5.24%的分类准确率提升.

关键词：集成特征选择众包学习可视分析交互式可视化排序可视化

在线全文

学校读者我要写书评

暂无评论

概念层次的动态文本可视分析

计算机辅助设计与图形学学报 2020年第4期32卷 531-541页

作者：向首兴欧阳方昕刘世霞清华大学软件学院北京100084 微软(中国)有限公司北京100084

分析社交媒体中关联主题在不同社会群体之间的流动模式有助于理解观点、信息和思想的传递.已有的主题流动分析的工作大多是基于主题模型的,只能通过查看包含该主题的文本来分析主题流动的原因.这些文本数据量大且结构复杂,难以分析.为... 详细信息

分析社交媒体中关联主题在不同社会群体之间的流动模式有助于理解观点、信息和思想的传递.已有的主题流动分析的工作大多是基于主题模型的,只能通过查看包含该主题的文本来分析主题流动的原因.这些文本数据量大且结构复杂,难以分析.为了解决这一问题,使用概念对主题内部的内容进行概括,提出了基于概念的动态文本可视分析方法,用于展示主题内容的变化模式,帮助分析主题流动的原因.该方法使用流型线条展示概念流动模式,并利用基于约束的t-SNE降维算法保证相邻时间段上概念投影分布的相似性,从而保证流型线条的稳定性.为了突出展示主题内概念的异常变化模式,提出了一种异常检测技术用于定位概念剧烈变化的时间段并进行突出显示.使用推特数据集进行定性评估和案例研究,验证了所提出的可视分析方法的准确性和有效性.

关键词：动态文本可视分析动态文本数据概念分析异常检测

在线全文

学校读者我要写书评

暂无评论

基于主题的文本可视分析研究

计算机辅助设计与图形学学报 2012年第10期24卷 1266-1272页

作者：巫英才崔为炜宋阳秋陈杨刘世霞微软亚洲研究院北京100190

文本可视分析是一个跨学科的领域,涉及文本数据挖掘、计算机图形图像以及人机交互等各方面的知识和技术,可以帮助用户以可视分析的手段交互地分析海量的文本数据内容,提供及时的反馈,发现异常和规则,提取知识以及获取洞察.已被应用在国... 详细信息

文本可视分析是一个跨学科的领域,涉及文本数据挖掘、计算机图形图像以及人机交互等各方面的知识和技术,可以帮助用户以可视分析的手段交互地分析海量的文本数据内容,提供及时的反馈,发现异常和规则,提取知识以及获取洞察.已被应用在国土安全、商业智能分析以及金融分析等很多不同的领域,受到国内外学术界、工业界以及政府部门越来越多的重视.文中首先简要地介绍了文本可视分析的一般流程;然后系统地介绍了典型的文本分析和可视化技术,并着重讨论这2类研究的最新技术以及发展;最后对全文进行了总结并展望了文本可视分析面临的四大研究挑战:海量数据规模、复杂数据的不确定性、数据融合以及人机交互.

关键词：文本信息可视化文本数据挖掘信息可视化可视分析人机交互