CN106503738A - 多数据源的数据融合处理方法 - Google Patents
多数据源的数据融合处理方法 Download PDFInfo
- Publication number
- CN106503738A CN106503738A CN201610927691.9A CN201610927691A CN106503738A CN 106503738 A CN106503738 A CN 106503738A CN 201610927691 A CN201610927691 A CN 201610927691A CN 106503738 A CN106503738 A CN 106503738A
- Authority
- CN
- China
- Prior art keywords
- assigned
- data
- calculate
- data source
- factor
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
- G06F18/251—Fusion techniques of input or preprocessed data
Abstract
本发明提供了一种多数据源的数据融合处理方法，其包括：步骤101、采集来自多数据源的数据；步骤103、对来自所述多数据源的数据进行分组；步骤105、对分组后的数据融合到统一用户集。应用本发明可以更好地将来自多数据源的数据融合，加快了处理速度，从而使得在大数据处理时能够更快地获取有用数据。
Description
技术领域
本发明涉及大数据领域，尤其涉及多数据源的数据融合处理方法。
背景技术
信息融合最早应用于军事领域，是组合多源信息和数据完成目标检测、关联、状态评估的多层次、多方面的过程。这种信息融合的目的是获得准确的目标识别、完整而及时的战场态势和威胁评估。随着传感器技术、计算机科学和信息技术的发展，各种面向复杂应用背景的多传感器系统大量涌现，使得多渠道的信息获取、处理和融合成为可能，并且在金融管理、心理评估和预测、医疗诊断、气象预报、组织管理决策、机器人视觉、交通管制、遥感遥测等诸多领域，人们都认识到把多个数据源中的信息综合起来能够提高工作的成绩。因此，多源信息融合技术在军事领域和民用领域得到了广泛的重视和成功的应用，其理论和方法已成为智能信息处理及控制的一个重要研究方向。
由于数据的多源性，来自每个数据源的数据格式不同、内容各异、包含的信息量也不同，必须运用一种有效的方法合理协调多源数据，充分综合有用信息，提高在多变环境中正确决策的能力。数据融合技术是一种可满足该要求的良好工具。数据的多源性和复杂性要求信息处理必须拥有数据融合技术，这样才能提供信息的稳健性。
发明内容
为了解决上述问题，本发明提供了一种多数据源的数据融合处理方法，其包括：
步骤101、采集来自多数据源的数据；
步骤103、对来自所述多数据源的数据进行分组；
步骤105、对分组后的数据融合到统一用户集。
其中，所述步骤103包括以下步骤：
步骤1031、将来自所述多数据源的数据任意字节长度为N的消息以64个字节为一组，分为m组，不足64字节的部分填充0；
步骤1033、设定初始矢量I0、I1、I2、I3，均为4字节整数；
步骤1035、将64字节的分组分为16个4字节整数，每个4字节整数记为B{i}，-1<i<16，其中i为整数；
步骤1037、将4个4字节整数合并为一数据块，将每个数据块的4字节整数依次记为X0、X1、X2、X3。
其中，所述步骤105包括以下步骤：
步骤1051、将初始矢量I0、I1、I2、I3依次赋给X0、X1、X2、X3，设定循环计数K＝0；
步骤1053、对1到64个字节顺序进行循环移位赋值处理；
步骤1055、对赋值处理完之后的X0、X1、X2、X3分别和I0、I1、I2、I3相加，结果分别存入X0、X1、X2、X3；
步骤1057、回到步骤1035，对剩下的m-1个分组分别进行以上操作，最后将得到X0、X1、X2、X3串联起来即为N字节长度消息的等效消息；
步骤1059、使用所述等效消息构建统一用户集。
其中，所述步骤1053包括以下步骤a1：
计算K对应的随机因子Km＝4294967296*cos(K+1)，取整数部分；
计算随机位移因子R，R＝39-5×(Kmod4)；
按位计算非线性函数F0＝((～X1)∩X3)∪(X1∩X2)，其中～为位运算符，表示按位取反；
将X2赋给X3；
将X1赋给X2；
将X3的值赋给X0；
将F0、X0、Km、B{K}求和，并循环右移R位，并将结果赋给X1；
循环计数K增加1,重复执行步骤a1，直到K值大于15。
其中，所述步骤1053还包括以下步骤a2：
按位计算非线性函数F1＝((～X3)∩X2)∪(X1∩X3)；
计算K对应的随机因子Km＝4294967296*cos(K+1)，取整数部分；
计算随机位移因子R，R＝27-((Kmod4)((Kmod4)+7))/2；
计算关联因子g，g＝(5*(K+1)–4)mod16；
将X2赋给X3；
将X1赋给X2；
将X3的值赋给X0；
将F1、X0、Km、B{g}求和，并循环右移R位，将结果赋给X1；
循环计数K增加1,重复执行步骤a2，直到K值大于31。
其中，所述步骤1053还包括以下步骤a3：
按位计算非线性函数F2＝X1⊕X2⊕X3；
计算K对应的随机因子Km＝4294967296xcos(K+1)，取整数部分；
计算随机位移因子R，R＝36-(Kmod4)*6+sin((Kmod4)*π)；
计算关联因子g，g＝(5*(K+1)–2K)mod16；
将X2赋给X3；
将X1赋给X2
将X3的值赋给X0；
将F2、X0、Km、B{g}求和，并循环右移R位，将结果赋给X1；
循环计数K增加1,重复执行步骤a3，直到K值大于47。
其中，所述步骤1053还包括以下步骤a4：
按位计算非线性函数F3＝X1⊕(X2⊕(～X3))；
计算K对应的随机因子Km＝4294967296*cos(K+1)，取整数部分；
计算随机位移因子R，R＝32-((Kmod4)+3)((Kmod4)+4)/2；
计算关联因子g，g＝(5*(K+1)–2K)mod16；
将X2赋给X3；
将X1赋给X2；
将X3的值赋给X0；
将F3、X0、Km、B{g}求和，并循环右移R位，将结果赋给X1；
循环计数K增加1,重复执行步骤a4，直到K值大于63。
应用本发明可以更好地将来自多数据源的数据融合，加快了处理速度，从而使得在大数据处理时能够更快地获取有用数据。
附图说明
通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：
附图1示出了根据本发明实施方式的多数据源的数据融合处理方法的流程图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施方式。虽然附图中显示了本公开的示例性实施方式，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施方式所限制。相反，提供这些实施方式是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。
根据本发明的实施方式，提出一种多数据源的数据融合处理方法，其包括：
步骤101、采集来自多数据源的数据；
步骤103、对来自所述多数据源的数据进行分组；
步骤105、对分组后的数据融合到统一用户集。
其中，所述步骤103包括以下步骤：
步骤1031、将来自所述多数据源的数据任意字节长度为N的消息以64个字节为一组，分为m组，不足64字节的部分填充0；
步骤1033、设定初始矢量I0、I1、I2、I3，均为4字节整数；
步骤1035、将64字节的分组分为16个4字节整数，每个4字节整数记为B{i}，-1<i<16，其中i为整数；
步骤1037、将4个4字节整数合并为一数据块，将每个数据块的4字节整数依次记为X0、X1、X2、X3。
其中，所述步骤105包括以下步骤：
步骤1051、将初始矢量I0、I1、I2、I3依次赋给X0、X1、X2、X3，设定循环计数K＝0；
步骤1053、对1到64个字节顺序进行循环移位赋值处理；
步骤1055、对赋值处理完之后的X0、X1、X2、X3分别和I0、I1、I2、I3相加，结果分别存入X0、X1、X2、X3；
步骤1057、回到步骤1035，对剩下的m-1个分组分别进行以上操作，最后将得到X0、X1、X2、X3串联起来即为N字节长度消息的等效消息；
步骤1059、使用所述等效消息构建统一用户集。
其中，所述步骤1053包括以下步骤a1：
计算K对应的随机因子Km＝4294967296*cos(K+1)，取整数部分；
计算随机位移因子R，R＝39-5×(Kmod4)；
按位计算非线性函数F0＝((～X1)∩X3)∪(X1∩X2)，其中～为位运算符，表示按位取反；
将X2赋给X3；
将X1赋给X2；
将X3的值赋给X0；
将F0、X0、Km、B{K}求和，并循环右移R位，并将结果赋给X1；
循环计数K增加1,重复执行步骤a1，直到K值大于15。
其中，所述步骤1053还包括以下步骤a2：
按位计算非线性函数F1＝((～X3)∩X2)∪(X1∩X3)；
计算K对应的随机因子Km＝4294967296*cos(K+1)，取整数部分；
计算随机位移因子R，R＝27-((Kmod4)((Kmod4)+7))/2；
计算关联因子g，g＝(5*(K+1)–4)mod16；
将X2赋给X3；
将X1赋给X2；
将X3的值赋给X0；
将F1、X0、Km、B{g}求和，并循环右移R位，将结果赋给X1；
循环计数K增加1,重复执行步骤a2，直到K值大于31。
其中，所述步骤1053还包括以下步骤a3：
按位计算非线性函数F2＝X1⊕X2⊕X3；
计算K对应的随机因子Km＝4294967296xcos(K+1)，取整数部分；
计算随机位移因子R，R＝36-(Kmod4)*6+sin((Kmod4)*π)；
计算关联因子g，g＝(5*(K+1)–2K)mod16；
将X2赋给X3；
将X1赋给X2
将X3的值赋给X0；
将F2、X0、Km、B{g}求和，并循环右移R位，将结果赋给X1；
循环计数K增加1,重复执行步骤a3，直到K值大于47。
其中，所述步骤1053还包括以下步骤a4：
按位计算非线性函数F3＝X1⊕(X2⊕(～X3))；
计算K对应的随机因子Km＝4294967296*cos(K+1)，取整数部分；
计算随机位移因子R，R＝32-((Kmod4)+3)((Kmod4)+4)/2；
计算关联因子g，g＝(5*(K+1)–2K)mod16；
将X2赋给X3；
将X1赋给X2；
将X3的值赋给X0；
将F3、X0、Km、B{g}求和，并循环右移R位，将结果赋给X1；
循环计数K增加1,重复执行步骤a4，直到K值大于63。
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。
Claims (6)
1.一种多数据源的数据融合处理方法，其包括：
步骤101、采集来自多数据源的数据；
步骤103、对来自所述多数据源的数据进行分组；
步骤105、对分组后的数据融合到统一用户集。
2.如权利要求1所述一种多数据源的数据融合处理方法，其中所述步骤103包括以下步骤：
步骤1031、将来自所述多数据源的数据任意字节长度为N的消息以64个字节为一组，分为m组，不足64字节的部分填充0；
步骤1033、设定初始矢量I0、I1、I2、I3，均为4字节整数；
步骤1035、将64字节的分组分为16个4字节整数，每个4字节整数记为B{i}，-1<i<16，其中i为整数；
步骤1037、将4个4字节整数合并为一数据块，将每个数据块的4字节整数依次记为X0、X1、X2、X3。
3.如权利要求2所述一种多数据源的数据融合处理方法，其中所述步骤105包括以下步骤：
步骤1051、将初始矢量I0、I1、I2、I3依次赋给X0、X1、X2、X3，设定循环计数K＝0；
步骤1053、对1到64个字节顺序进行循环移位赋值处理；
步骤1055、对赋值处理完之后的X0、X1、X2、X3分别和I0、I1、I2、I3相加，结果分别存入X0、X1、X2、X3；
步骤1057、回到步骤1035，对剩下的m-1个分组分别进行以上操作，最后将得到X0、X1、X2、X3串联起来即为N字节长度消息的等效消息；
步骤1059、使用所述等效消息构建统一用户集。
4.如权利要求3所述一种多数据源的数据融合处理方法，其中所述步骤1053包括以下步骤a1：
计算K对应的随机因子Km＝4294967296*cos(K+1)，取整数部分；
计算随机位移因子R，R＝39-5×(Kmod4)；
按位计算非线性函数F0＝((～X1)∩X3)∪(X1∩X2)，其中～为位运算符，表示按位取反；
将X2赋给X3；
将X1赋给X2；
将X3的值赋给X0；
将F0、X0、Km、B{K}求和，并循环右移R位，并将结果赋给X1；
循环计数K增加1,重复执行步骤a1，直到K值大于15。
5.如权利要求4所述一种多数据源的数据融合处理方法，其中所述步骤1053还包括以下步骤a2：
按位计算非线性函数F1＝((～X3)∩X2)∪(X1∩X3)；
计算K对应的随机因子Km＝4294967296*cos(K+1)，取整数部分；
计算随机位移因子R，R＝27-((Kmod4)((Kmod4)+7))/2；
计算关联因子g，g＝(5*(K+1)–4)mod16；
将X2赋给X3；
将X1赋给X2；
将X3的值赋给X0；
将F1、X0、Km、B{g}求和，并循环右移R位，将结果赋给X1；
循环计数K增加1,重复执行步骤a2，直到K值大于31。
6.如权利要求5所述一种多数据源的数据融合处理方法，其中所述步骤1053还包括以下步骤a3：
按位计算非线性函数F2＝X1⊕X2⊕X3；
计算K对应的随机因子Km＝4294967296xcos(K+1)，取整数部分；
计算随机位移因子R，R＝36-(Kmod4)*6+sin((Kmod4)*π)；
计算关联因子g，g＝(5*(K+1)–2K)mod16；
将X2赋给X3；
将X1赋给X2
将X3的值赋给X0；
将F2、X0、Km、B{g}求和，并循环右移R位，将结果赋给X1；
循环计数K增加1,重复执行步骤a3，直到K值大于47。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610927691.9A CN106503738B (zh) | 2016-10-31 | 2016-10-31 | 多数据源的数据融合处理方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610927691.9A CN106503738B (zh) | 2016-10-31 | 2016-10-31 | 多数据源的数据融合处理方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN106503738A true CN106503738A (zh) | 2017-03-15 |
| CN106503738B CN106503738B (zh) | 2019-08-06 |
Family
ID=58319439
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201610927691.9A Active CN106503738B (zh) | 2016-10-31 | 2016-10-31 | 多数据源的数据融合处理方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN106503738B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111581281A (zh) * | 2020-04-24 | 2020-08-25 | 贵州力创科技发展有限公司 | 一种数据融合方法和装置 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5276770A (en) * | 1989-08-11 | 1994-01-04 | Hughes Aircraft Company | Training of neural network for multi-source data fusion |
| CN103730016A (zh) * | 2013-12-17 | 2014-04-16 | 深圳先进技术研究院 | 交通信息发布系统及方法 |
| CN104134349A (zh) * | 2014-08-07 | 2014-11-05 | 北京航空航天大学 | 一种基于交通多源数据融合的公交路况处理系统及方法 |
| CN105159951A (zh) * | 2015-08-17 | 2015-12-16 | 成都中科大旗软件有限公司 | 一种开放式的旅游多源异构数据融合方法及系统 |
| CN105760515A (zh) * | 2016-02-24 | 2016-07-13 | 国家电网公司 | 一种多数据源的同一对象数据的融合方法 |
| CN105893526A (zh) * | 2016-03-30 | 2016-08-24 | 上海坤士合生信息科技有限公司 | 多源数据融合系统和方法 |
-
2016
- 2016-10-31 CN CN201610927691.9A patent/CN106503738B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5276770A (en) * | 1989-08-11 | 1994-01-04 | Hughes Aircraft Company | Training of neural network for multi-source data fusion |
| CN103730016A (zh) * | 2013-12-17 | 2014-04-16 | 深圳先进技术研究院 | 交通信息发布系统及方法 |
| CN104134349A (zh) * | 2014-08-07 | 2014-11-05 | 北京航空航天大学 | 一种基于交通多源数据融合的公交路况处理系统及方法 |
| CN105159951A (zh) * | 2015-08-17 | 2015-12-16 | 成都中科大旗软件有限公司 | 一种开放式的旅游多源异构数据融合方法及系统 |
| CN105760515A (zh) * | 2016-02-24 | 2016-07-13 | 国家电网公司 | 一种多数据源的同一对象数据的融合方法 |
| CN105893526A (zh) * | 2016-03-30 | 2016-08-24 | 上海坤士合生信息科技有限公司 | 多源数据融合系统和方法 |
Non-Patent Citations (1)
| Title |
|---|
| GILLES NACHOUKI ET AL.: "Multi-data source fusion", 《INFORMATION FUSION》 * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111581281A (zh) * | 2020-04-24 | 2020-08-25 | 贵州力创科技发展有限公司 | 一种数据融合方法和装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN106503738B (zh) | 2019-08-06 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP2017182796A5 (zh) | ||
| CN108133446A (zh) | 一种复合混沌二级置乱图像加密算法 | |
| CN103699585A (zh) | 文件的元数据存储以及文件恢复的方法、装置和系统 | |
| Jin et al. | 3D textured model encryption via 3D Lu chaotic mapping | |
| CN105427577A (zh) | 一种红外数据的处理方法、处理装置和解码方法 | |
| CN111709884A (zh) | 车牌关键点矫正方法、系统、设备和存储介质 | |
| CN106503738A (zh) | 多数据源的数据融合处理方法 | |
| CN103971317A (zh) | 一种基于分数阶混沌映射的图像加密方法 | |
| CN108509564A (zh) | 基于印章印文扫描的电子档案归档和查询服务系统及方法 | |
| JP2018014710A5 (zh) | ||
| CN106802958A (zh) | Cad数据到gis数据的转换方法及系统 | |
| CN104244011A (zh) | 一种基于混沌的图像压缩加密算法 | |
| CN103336761A (zh) | 基于动态划分与语义加权的干扰过滤匹配算法 | |
| CN107832623B (zh) | 坐标轨迹加密和解密的方法及系统 | |
| CN105447141A (zh) | 一种数据处理的方法及节点 | |
| CN111523434A (zh) | 基于区块链与bim的工地人员异常聚集检测系统 | |
| CN106992786B (zh) | 一种基带数据压缩方法、装置和系统 | |
| CN105046217A (zh) | 一种人脸识别大数据量并发方案处理方法 | |
| CN105117403A (zh) | 日志数据分片与查询方法及装置 | |
| Radenovic | A note on fixed point theory for cyclic weaker Meir-Keeler function in complete metric spaces | |
| CN112069532B (zh) | 一种基于差分隐私的轨迹隐私保护方法与装置 | |
| CN111131322B (zh) | 网络行为的检测方法、装置、计算机设备和存储介质 | |
| CN112434317A (zh) | 数据处理方法、装置、设备及存储介质 | |
| CN107545179B (zh) | 一种垃圾网页识别方法 | |
| Chowdhury et al. | Logarithmic function based cryptosystem [LFC] |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| CB02 | Change of applicant information | ||
| CB02 | Change of applicant information |
Address after: 100029 Third Floor of Yansha Shengshi Building, 23 North Third Ring Road, Xicheng District, Beijing Applicant after: Guo Zheng Tong Technology Co., Ltd. Address before: 100195 Haidian District, Beijing, 18 apricot Road, No. 1 West Tower, four floor. Applicant before: Guozhengtong Polytron Technologies Inc |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant |