[发明专利]一种基于深度学习测试数据集的数据质量多维评估技术

权利要求书

1.一种基于深度学习测试数据集的数据质量多维评估方法，其特征是基于深度神经网络的测试集度量评估，给出测试集输入输出两个层次的度量，输入维度模块，一致性维度模块，输出维度模块；本发明的输入为深度学习测试数据集，根据数据集具体结构和信息，结合所使用的神经网络，对数据集质量进行多维评估，并最终生成测试数据集的质量报告。

2.根据权利要求1中的输入维度模块，其特征是，对深度学习数据集的整体结构进行把握和评估；分别针对数据集子集结构一致性，数据集内部多样性两个方面；利用不同的度量算子，计算用于深度学习测试的数据集标签层面均匀分布程度与标签内部层面均匀分布程度。

3.根据权利要求1中的一致性模块，其特征是，通过考察训练与测试数据集基于不同的分布的一致性偏差，避免测试过程中的固有误差影响到深度学习测试过程，从而导致不良的后果。

4.对于权利要求1中的输出模块，其特征是，利用拓扑数据分析的思想，建立输出层测试集数据结构的拓扑信息分析度量；从模型在持续同调性上所反映出的拓扑结构的产生与消亡信息出发，建立针对深度学习输出层（Softmax层）的高维点云数据的低维拓扑结构的稳定性度量，并提出全新的“拓扑结构寿命”维度度量。