一种计算机人机交互界面的图形处理方法和装置制造方法及图纸

本发明专利技术公开了一种计算机人机交互界面的图形处理方法和装置，涉及人机交互界面技术领域，计算机人机交互界面的图形处理方法包括从数据库中采集数据，并对采集的数据进行预处理操作；对进行预处理操作后的数据进行降维处理；对降维后的数据进行分级；数据分级后，再进行分片处理；将数据进行后端并行计算，形成多个可并行处理的子任务；通过改进的Q

【技术实现步骤摘要】
一种计算机人机交互界面的图形处理方法和装置


[0001]本专利技术涉及人机交互界面
，特别是一种计算机人机交互界面的图形处理方法和装置。

技术介绍

[0002]人机交互界面是指人与计算机系统之间的通信媒体或手段，是人与计算机之间进行各种符号和动作的双向信息交换的平台。
[0003]在处理大数据集时，由于采集数据量过大，传统的数据处理和可视化方法可能会导致显示界面卡顿，甚至无法响应用户的操作，这种情况可能会极大地影响用户的体验和工作效率，并且现有的人机交互界面无法根据用户评分反馈实时进行调整，使得数据报告的整体质量和用户满意度较低。

技术实现思路

[0004]本部分的目的在于概述本专利技术的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本申请的说明书摘要和专利技术名称中可能会做些简化或省略以避免使本部分、说明书摘要和专利技术名称的目的模糊，而这种简化或省略不能用于限制本专利技术的范围。
[0005]鉴于上述和/或现有的计算机人机交互界面的图形处理方法中存在的问题，提出了本专利技术。
[0006]因此，本专利技术所要解决的问题在于如何提供一种计算机人机交互界面的图形处理方法。
[0007]为解决上述技术问题，本专利技术提供如下技术方案：一种计算机人机交互界面的图形处理方法，其包括如下步骤，从数据库中采集数据，并对采集的数据进行预处理操作；对进行预处理操作后的数据进行降维处理；对降维后的数据进行分级；数据分级后，再进行分片处理；将数据进行后端并行计算，形成多个可并行处理的子任务；通过改进的Q
‑
learning算法对数据进行可视化处理，使数据在界面上以图形的形式进行展示；通过改进的Q
‑
learning算法对数据进行可视化处理包括如下步骤，将状态s定义为用户画像以及用户对多个数据可视化成果的评分；将行动a定义为系统可能采取的更改数据可视化成果的操作；将奖励函数r定义为基于系统响应时间t和用户满意度分数u的动态函数，通过如下公式进行表示，
[0008][0009]式中，β代表系统响应时间t的影响因子，β∈[0,1]；初始化Q表；根据奖励函数更新Q表，公式如下所示，
[0010]Q
′
(s,a)
←
Q(s,a)+α(d)[R(t,u)+γmax(Q(s',a'))
‑
Q(s,a)][0011]式中，Q(s,a)为在状态s采取行动a的预期回报，α(d)为基于数据类型d的动态学习率，α(d)=1/(1+ηD)，D是一个表示数据类型复杂度的度量，D∈[0,100]，η为基于数据类型复
杂度D的影响因子，η∈[0,1]，γ为折扣因子，γ∈[0,1]，max(Q(s',a'))为在下一个状态s'中采取的可能动作的Q值；系统反复进行行动选择、实施，直到Q表收敛或者达到预设的迭代次数。
[0012]作为本专利技术所述计算机人机交互界面的图形处理方法和装置的一种优选方案，其中：所述数据包括用户行为数据、用户画像数据、物联网数据、地理信息数据或生物信息数据。
[0013]作为本专利技术所述计算机人机交互界面的图形处理方法和装置的一种优选方案，其中：所述预处理操作包括数据清洗、数据转换和数据规范化处理；所述数据规范化处理包括如下步骤，计算原始数据X的均值，计算公式如下，
[0014][0015]式中，X[i，j]表示数据矩阵中第i行第j列的元素，n是样本数量，i从1到n，j从1到p，p是特征数量；
[0016]计算原始数据X的标准差，计算公式如下，
[0017][0018]式中，表示数据矩阵中第j列的均值；
[0019]对原始数据进行规范化处理，计算公式如下，
[0020][0021]其中X是原始数据，X
m
为X的均值，为数据的标准差，X'是规范化后的数据。
[0022]作为本专利技术所述计算机人机交互界面的图形处理方法和装置的一种优选方案，其中：所述降维处理包括如下步骤：计算规范化后数据的协方差矩阵，计算公式为，
[0023][0024]式中，C为协方差矩阵，X'为规范化后的数据，n为数据的数量，是X的转置矩阵；
[0025]对协方差矩阵进行特征值分解，得到特征值和特征向量，特征值分解的公式为，
[0026][0027]式中，C为协方差矩阵，V为特征向量矩阵，La为特征值矩阵，V'为V的转置；
[0028]选择前k个最大的特征值对应的特征向量组成投影矩阵P，表示为，
[0029][0030]式中，v
k
为前k个最大特征值对应的特征向量；
[0031]将原始数据投影到新的坐标系中，得到降维后的数据，表示为，
[0032][0033]式中，Y为降维后的数据，X'为规范化后的数据，P为投影矩阵。
[0034]作为本专利技术所述计算机人机交互界面的图形处理方法和装置的一种优选方案，其中：在对数据进行分级时，将数据分成概览级别和详细级别，所述分片处理是指将数据分成多个片段，根据用户的操作和需求，加载和处理所需的数据片段。
[0035]作为本专利技术所述计算机人机交互界面的图形处理方法和装置的一种优选方案，其中：所述后端并行计算是指在Map阶段，每个处理器读取数据片段，然后对数据片段应用Map函数，生成中间的键值对；在Reduce阶段，将所有具有相同键的中间键值对合并在一起，然后应用Reduce函数，生成最终的键值对。
[0036]作为本专利技术所述计算机人机交互界面的图形处理方法和装置的一种优选方案，其中：对数据进行可视化处理时，每个子任务能够在不同的处理器或计算节点上独立运行。
[0037]本专利技术的另外一个目的是提供计算机人机交互界面的图形处理装置，用于解决现有技术中采集数据量过大而导致显示界面卡顿，并且用户满意度较低的问题。
[0038]为解决上述技术问题，本专利技术提供如下技术方案：一种计算机人机交互界面的图形处理装置，其包括数据采集模块，用于采集原始数据；数据处理模块，用于将原始数据进行处理，形成可以被数据读取模块读取的键值对；数据可视化模块，用于读取数据处理模块形成的对键值，将数据汇总输出转化为图形；用户交互模块，用于处理用户的输入信息，并根据用户的操作调整数据可视化的结果。
[0039]一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如上所述方法的步骤。
[0040]一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如上所述方法的步骤。
[0041]本专利技术有益效果为：通过数据预处理和PCA等数据降维方法，有效地减少了数据的维度，使得大数据处理成为可能；通过数据可视化，使得用户可以直观地理解和利用数据，从而提高工作效率；确保了数据可视化的效果能根据用户的反馈进行自我调整和优化，从而达到更好的效果。
附图说明
[0042]为了更清本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种计算机人机交互界面的图形处理方法，其特征在于：包括，从数据库中采集数据，并对采集的数据进行预处理操作；对进行预处理操作后的数据进行降维处理；对降维后的数据进行分级，数据分级后，再进行分片处理；将数据进行后端并行计算，形成多个可并行处理的子任务；通过改进的Q
‑
learning算法对数据进行可视化处理，使数据在界面上以图形的形式进行展示；所述通过改进的Q
‑
learning算法对数据进行可视化处理包括如下步骤，将状态s定义为用户画像和用户对多个数据可视化成果的评分；将行动a定义为系统能够采取的更改数据可视化成果的操作；将奖励函数r定义为基于系统响应时间t和用户满意度分数u的动态函数，通过如下公式进行表示，，式中，β代表系统响应时间t的影响因子，β∈[0,1]；初始化Q表；根据奖励函数更新Q表，公式如下所示，Q
′
(s,a)
←
Q(s,a)+α(d)[R(t,u)+γmax(Q(s',a'))
‑
Q(s,a)]式中，Q(s,a)为在状态s采取行动a的预期回报，α(d)为基于数据类型d的动态学习率，α(d)=1/(1+ηD)，D是一个表示数据类型复杂度的度量，D∈[0,100]，η为基于数据类型复杂度D的影响因子，η∈[0,1]，γ为折扣因子，γ∈[0,1]，max(Q(s',a'))为在下一个状态s'中采取的可能动作的Q值；系统反复进行行动选择和实施，直到Q表收敛或者达到预设的迭代次数。2.如权利要求1所述的计算机人机交互界面的图形处理方法，其特征在于：所述预处理操作包括数据清洗、数据转换和数据规范化处理；所述数据规范化处理包括如下步骤，计算原始数据X的均值，计算公式如下，，式中，X[i，j]表示数据矩阵中第i行第j列的元素，n是样本数量，i从1到n，j从1到p，p是特征数量；计算原始数据X的标准差，计算公式如下，，式中，表示数据矩阵中第j列的均值；对原始数据进行规范化处理，计算公式如下，
，其中，X是原始数据，X
m
为X的均值，为数据的标准差，X'是规范化后的数据。3.如权利要求2所述的计算机人机交互界面的图形处...

【专利技术属性】
技术研发人员：路小北，汪帮顶，
申请(专利权)人：壹仟零壹艺网络科技北京有限公司，
类型：发明
国别省市：