Ли́ца Черно́ва ( англ. Chernoff faces ) — отображение многомерных данных в виде человеческого лица , его отдельных частей. Люди легко распознают лица и без затруднения воспринимают небольшие изменения в нём.

Американский математик Герман Чернов в 1973 году опубликовал работу, в которой изложил концепцию использования этой способности восприятия лица человека для построения . Их применяют, как правило, в двух случаях:

• когда нужно выявить характерные зависимости или группы наблюдений;
• когда необходимо исследовать предположительно сложные взаимосвязи между несколькими переменными.

Лица Чернова являются одним из самых эффективных способов визуализации многомерных данных ^{[ источник не указан 1305 дней ]} , который позволяет легко оценивать одновременно большое их количество.

Из всех зрительных навыков у человека сильнее всего развита способность к восприятию лиц других людей. Особый участок коры головного мозга узнает лицо, определяет направление взгляда и т. д. Другие части мозга ( миндалевидное тело и островковая доля ) анализируют выражение лица, а участок в префронтальной зоне лобной доли и система мозга, отвечающая за чувство удовольствия, оценивают его красоту ^{[ неавторитетный источник ]} .

Для каждого наблюдения рисуется отдельное «лицо», где относительные значения выбранных переменных представлены как формы и размеры отдельных черт лица (например, длина носа, угол между бровями, ширина лица). Таким образом, наблюдатель может идентифицировать уникальные для каждой конфигурации значений наглядные характеристики объектов.

Параметры лица

Может использоваться, например, 18 параметров: размер глаза, размер зрачка , позиция зрачка, наклон глаза, горизонтальная позиция глаза, вертикальная позиция глаза, изгиб брови, плотность брови, горизонтальная позиция брови, вертикальная позиция брови, верхняя граница волос, нижняя граница волос, обвод лица, темнота волос, наклон штриховки волос, нос, размер рта, изгиб рта.

В 1981 году Бернард Флури и Ганс Ридвил (Bernhard Flury and Hans Riedwyl) улучшили концепцию и добавили лицам Чернова асимметрию , что позволило увеличить вдвое количество переменных (до 36).

Применение лиц Чернова

Лица Чернова нашли широкое применение для анализа ситуации в самых разных областях. Этот метод позволяет быстро оценивать состояние многофакторных систем (10—30-мерные множества), используя врожденную способность человека быстро оценивать изменения в лице человека по многим параметрам: оценка методов лечения , массива статистических данных, оценки режима на атомных электростанциях, в авиации , спорте , находить фальшивые банкноты , обрабатывать результаты геологической разведки и др. Используют его и для управления, например, атомной электростанцией , энергетической системой , химическим производством и т. д. ^{[ источник не указан 1283 дня ]}

Критика

Применение лиц Чернова часто связано со множеством проблем :

• Зритель может уделять большее внимание одним чертам лица и меньшее — другим, из-за чего важные закономерности могут от него ускользнуть, а неважные напротив привлечь больше внимания, чем нужно. Также разные черты лица имеют разный диапазон значений и разную степень заметности небольших изменений;
• Человеку свойственно искать на лице эмоции, характер, настроение, а также оценивать красоту лица. Это приводит к тому, что данные могут приобретать нежелательную плохо контролируемую интерпретацию;
• На восприятие лица влияют культурные и социальные факторы, а также личные предпочтения;
• Лица Чернова не могут показывать точное значение какой-либо величины, либо его соотношения. Они лишь формируют паттерны для различных их сочетаний.

Все эти факторы часто приводят к тому, что исследования с использованием лиц Чернова оказываются менее эффективными, чем ожидается, и подвержены случайным факторам. Для эффективного использования метода приходится проделывать достаточно большой объём подготовительной работы, однако даже это не всегда гарантирует повторяемости результатов .

Примечания

Литература

• Herman Chernoff (1973). // Journal of the American Statistical Association 68 (342): 361—368.
• Jan Fazlagić, Windham Loopesko, Leszek Matuszak, Rigby Johnson. Perspectives and good practices in visualization of knowledge about public entities // / Grzegorz Osinski, Veslava Osińska. — IGI Global, 2018. — С. 199−214. — ISBN 9781522549918 .

Ссылки