CN117349785B - 一种航运政务信息资源多源数据融合方法及系统 - Google Patents
一种航运政务信息资源多源数据融合方法及系统 Download PDFInfo
- Publication number
- CN117349785B CN117349785B CN202311079487.2A CN202311079487A CN117349785B CN 117349785 B CN117349785 B CN 117349785B CN 202311079487 A CN202311079487 A CN 202311079487A CN 117349785 B CN117349785 B CN 117349785B
- Authority
- CN
- China
- Prior art keywords
- fused
- source data
- data
- transformation function
- multisource
- 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.)
- Active
Links
- 238000007500 overflow downdraw method Methods 0.000 title claims description 6
- 230000009466 transformation Effects 0.000 claims abstract description 94
- 230000004927 fusion Effects 0.000 claims abstract description 43
- 230000003044 adaptive effect Effects 0.000 claims abstract description 29
- 238000000034 method Methods 0.000 claims abstract description 25
- 238000013507 mapping Methods 0.000 claims abstract description 8
- 238000012545 processing Methods 0.000 claims description 13
- 239000011159 matrix material Substances 0.000 claims description 10
- 230000006870 function Effects 0.000 description 46
- 230000001105 regulatory effect Effects 0.000 description 3
- 230000008878 coupling Effects 0.000 description 2
- 238000010168 coupling process Methods 0.000 description 2
- 238000005859 coupling reaction Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/10—Pre-processing; Data cleansing
- G06F18/15—Statistical pre-processing, e.g. techniques for normalisation or restoring missing data
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Cheminformatics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Probability & Statistics with Applications (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开一种航运政务信息资源多源数据融合方法及系统,该方法包括:获取航运政务信息资源中的多个多源数据,对所述多源数据进行初始化,生成初始化后的多个待融合多源数据,提取每个所述待融合多源数据的多个维度的特征值;设置多源数据融合模型,根据多个所述待融合多源数据和每个所述待融合多源数据的所述多个维度的特征值,计算多个所述待融合多源数据的融合后数据的特征值,以完成多个所述待融合多源数据的融合,其中,所述多源数据融合模型包括自适应变换函数,用于对所述待融合多源数据的每个维度的特征值进行个性化变换、第一非线性特征变换函数,用于将每个所述待融合多源数据的每个维度的特征值映射到新的特征空间。
Description
技术领域
本发明属于航运政务信息的多源数据融合技术领域,更具体地,涉及一种航运政务信息资源多源数据融合方法及系统。
背景技术
航运政务信息涵盖了与航运行业相关的各种政府管理和监管事务的数据和信息。这些信息通常由政府部门、港口管理机构、航运公司等提供或生成,用于监管、管理和促进航运业的正常运转。以下是一些包括在航运政务信息中的内容:
船舶信息:包括船舶的基本信息(名称、注册号、型号等)、所有者和运营商信息、船舶特征(尺寸、载重量等)、船级社信息等。
航线和航班信息:涉及航线的起始和终止点、航班计划、预计抵达时间等,这对于货物运输和船舶管理至关重要。
港口信息:包括各个港口的位置、设施、负荷情况、港口运营商信息等。
货物信息:涉及货物的种类、数量、尺寸、重量以及货物的装卸情况等。
安全与监管信息:关于船舶和港口的安全合规性信息,包括航行许可、检查报告、安全措施等。
环境与可持续发展信息:涉及船舶和港口的环境影响评估、排放数据、可持续发展措施等信息。
法规和政策信息:关于航运行业相关法规、政策、标准以及法律条款的信息。
船舶位置数据:实时或定期更新的船舶位置、航速、航向等数据,用于船舶监控和安全管理。
基于航运政务信息的复杂程度,目前亟需一种针对航运政务信息包括的多源数据的融合方法。
发明内容
为解决以上技术特征,本发明提出一种航运政务信息资源多源数据融合方法,包括:
获取航运政务信息资源中的多个多源数据,对所述多源数据进行初始化,生成初始化后的多个待融合多源数据,提取每个所述待融合多源数据的多个维度的特征值;
设置多源数据融合模型,根据多个所述待融合多源数据和每个所述待融合多源数据的所述多个维度的特征值,计算多个所述待融合多源数据的融合后数据的特征值,以完成多个所述待融合多源数据的融合,其中,所述多源数据融合模型包括自适应变换函数,用于对所述待融合多源数据的每个维度的特征值进行个性化变换、第一非线性特征变换函数,用于将每个所述待融合多源数据的每个维度的特征值映射到新的特征空间、第二非线性特征变换函数,用于将映射到新的特征空间的特征值进行非线性变换。
进一步的,所述多源数据融合模型为:
其中,X′为融合后数据的特征值,wi为第i个待融合多源数据的自适应权重,p为待融合多源数据的第二非线性特征变换函数,n为待融合多源数据的个数,g为待融合多源数据的第一非线性特征变换函数,h为待融合多源数据的自适应变换函数,Xi为第i个待融合多源数据。
进一步的,计算第i个待融合多源数据的自适应权重wi包括:
其中,L(Xi,Xj)为第i个待融合多源数据和第j个待融合多源数据的分布性差异值,Xi,k为第i个待融合多源数据在第k个维度上的特征值,Xj,k为第j个待融合多源数据在第k个维度上的特征值。
进一步的,待融合多源数据的第一非线性特征变换函数g和待融合多源数据的自适应变换函数h分别为:
h(Xi)=W′·Xi+b
g(Z)=log(1+eZ)
其中,W′为第一权重矩阵,b为第一偏移量,Z为多项式h(Xi)。
进一步的,待融合多源数据的第二非线性特征变换函数p为:
其中,Y为多项式W″为第一权重矩阵,b′为第二偏移量。
进一步的,对所述多源数据进行初始化包括:
将所述多源数据中重复数据进行删除操作;
填补所述多源数据中的缺失值;
识别并处理所述多源数据中的异常值;
将每个所述多源数据源中的数据格式进行统一。
进一步的,提取每个所述待融合多源数据的多个维度的特征值包括:对每个维度的特征值进行数值化或标准化。
本发明还提出一种航运政务信息资源多源数据融合系统,包括:
获取数据模块,用于获取航运政务信息资源中的多个多源数据,对所述多源数据进行初始化,生成初始化后的多个待融合多源数据,提取每个所述待融合多源数据的多个维度的特征值;
融合模块,用于设置多源数据融合模型,根据多个所述待融合多源数据和每个所述待融合多源数据的所述多个维度的特征值,计算多个所述待融合多源数据的融合后数据的特征值,以完成多个所述待融合多源数据的融合,其中,所述多源数据融合模型包括自适应变换函数,用于对所述待融合多源数据的每个维度的特征值进行个性化变换、第一非线性特征变换函数,用于将每个所述待融合多源数据的每个维度的特征值映射到新的特征空间、第二非线性特征变换函数,用于将映射到新的特征空间的特征值进行非线性变换。
进一步的,所述多源数据融合模型为:
其中,X′为融合后数据的特征值,wi为第i个待融合多源数据的自适应权重,p为待融合多源数据的第二非线性特征变换函数,n为待融合多源数据的个数,g为待融合多源数据的第一非线性特征变换函数,h为待融合多源数据的自适应变换函数,Xi为第i个待融合多源数据。
进一步的,计算第i个待融合多源数据的自适应权重Wi包括:
其中,L(Xi,Xj)为第i个待融合多源数据和第j个待融合多源数据的分布性差异值,Xi,k为第i个待融合多源数据在第k个维度上的特征值,Xj,k为第j个待融合多源数据在第k个维度上的特征值。
通过本发明所构思的以上技术方案与现有技术相比,具有以下有益效果:
本发明获取航运政务信息资源中的多个多源数据,对所述多源数据进行初始化,生成初始化后的多个待融合多源数据,提取每个所述待融合多源数据的多个维度的特征值;设置多源数据融合模型,根据多个所述待融合多源数据和每个所述待融合多源数据的所述多个维度的特征值,计算多个所述待融合多源数据的融合后数据的特征值,以完成多个所述待融合多源数据的融合,其中,所述多源数据融合模型包括自适应变换函数,用于对所述待融合多源数据的每个维度的特征值进行个性化变换、第一非线性特征变换函数,用于将每个所述待融合多源数据的每个维度的特征值映射到新的特征空间、第二非线性特征变换函数,用于将映射到新的特征空间的特征值进行非线性变换。本发明通过以上技术方案,能够对复杂的航运政务信息进行融合,并提升融合精度,从而为在后的数据使用提供便利。
附图说明
图1是本发明实施例1的流程图;
图2是本发明实施例2的系统的结构图。
具体实施方式
为了更好的理解上述技术方案,下面将结合说明书附图以及具体的实施方式对上述技术方案做详细的说明。
本发明提供的方法可以在如下的终端环境中实施,所述终端可以包括一个或多个如下部件:处理器、存储介质和显示屏。其中,存储介质中存储有至少一条指令,所述指令由处理器加载并执行以实现下述实施例所述的方法。
处理器可以包括一个或者多个处理核心。处理器利用各种接口和线路连接整个终端内的各个部分,通过运行或执行存储在存储介质内的指令、程序、代码集或指令集,以及调用存储在存储介质内的数据,执行终端的各种功能和处理数据。
存储介质可以包括随机存储介质(Random Access Memory,RAM),也可以包括只读存储介质(Read-Only Memory,ROM)。存储介质可用于存储指令、程序、代码、代码集或指令。
显示屏用于显示各个应用程序的用户界面。
本发明公式中所有下角标只为了区分参数,并没有实际含义。
除此之外,本领域技术人员可以理解,上述终端的结构并不构成对终端的限定,终端可以包括更多或更少的部件,或者组合某些部件,或者不同的部件布置。比如,终端中还包括射频电路、输入单元、传感器、音频电路、电源等部件,在此不再赘述。
实施例1
如图1所示,本发明实施例提供一种航运政务信息资源多源数据融合方法,包括:
步骤101,获取航运政务信息资源中的多个多源数据,对所述多源数据进行初始化,生成初始化后的多个待融合多源数据,提取每个所述待融合多源数据的多个维度的特征值;
具体的,对所述多源数据进行初始化包括:
将所述多源数据中重复数据进行删除操作;
填补所述多源数据中的缺失值;
识别并处理所述多源数据中的异常值;
将每个所述多源数据源中的数据格式进行统一。
具体的,提取每个所述待融合多源数据的多个维度的特征值包括:对每个维度的特征值进行数值化或标准化。
步骤102,设置多源数据融合模型,根据多个所述待融合多源数据和每个所述待融合多源数据的所述多个维度的特征值,计算多个所述待融合多源数据的融合后数据的特征值,以完成多个所述待融合多源数据的融合。
具体的,所述多源数据融合模型为:
其中,X′为融合后数据的特征值,wi为第i个待融合多源数据的自适应权重,wi可以根据数据源的重要性来调节每个数据源在融合中的影响程度,p为待融合多源数据的第二非线性特征变换函数,n为待融合多源数据的个数,g为待融合多源数据的第一非线性特征变换函数,h为待融合多源数据的自适应变换函数,Xi为第i个待融合多源数据,其中,所述多源数据融合模型包括自适应变换函数,用于对所述待融合多源数据的每个维度的特征值进行个性化变换,从而使不同数据源的特征更具有可比性和融合性、第一非线性特征变换函数,用于将每个所述待融合多源数据的每个维度的特征值映射到新的特征空间,以便在新空间中进行融合、第二非线性特征变换函数,用于将映射到新的特征空间的特征值进行非线性变换,即在经过自适应变换和非线性变换后的特征上引入更多的非线性变换。
具体的,计算第i个待融合多源数据的自适应权重wi包括:
其中,L(Xi,Xj)为第i个待融合多源数据和第j个待融合多源数据的分布性差异值,用于计算不同数据源之间的相似性和差异性,从而引入了数据源之间的分布相似性信息,Xi,k为第i个待融合多源数据在第k个维度上的特征值,Xj,k为第j个待融合多源数据在第k个维度上的特征值。
具体的,待融合多源数据的第一非线性特征变换函数g和待融合多源数据的自适应变换函数h分别为:
h(Xi)=W′·Xi+b
g(Z)=log(1+eZ)
其中,W′为第一权重矩阵,用于线性组合数据源的特征,b为第一偏移量,从而更好地对特征进行调整,Z为多项式h(Xi)。
具体的,待融合多源数据的第二非线性特征变换函数p为:
其中,Y为多项式W″为第一权重矩阵,b′为第二偏移量,通过调整W″和b′,可以控制非线性变换的形状和范围,从而更好地捕捉数据源特征之间的关系。
实施例2
如图2所示,本发明实施例还提供一种航运政务信息资源多源数据融合系统,包括:
获取数据模块,用于获取航运政务信息资源中的多个多源数据,对所述多源数据进行初始化,生成初始化后的多个待融合多源数据,提取每个所述待融合多源数据的多个维度的特征值;
具体的,对所述多源数据进行初始化包括:
将所述多源数据中重复数据进行删除操作;
填补所述多源数据中的缺失值;
识别并处理所述多源数据中的异常值;
将每个所述多源数据源中的数据格式进行统一。
具体的,提取每个所述待融合多源数据的多个维度的特征值包括:对每个维度的特征值进行数值化或标准化。
融合模块,用于设置多源数据融合模型,根据多个所述待融合多源数据和每个所述待融合多源数据的所述多个维度的特征值,计算多个所述待融合多源数据的融合后数据的特征值,以完成多个所述待融合多源数据的融合。
具体的,所述多源数据融合模型为:
其中,X′为融合后数据的特征值,Wi为第i个待融合多源数据的自适应权重,wi可以根据数据源的重要性来调节每个数据源在融合中的影响程度,p为待融合多源数据的第二非线性特征变换函数,n为待融合多源数据的个数,g为待融合多源数据的第一非线性特征变换函数,h为待融合多源数据的自适应变换函数,Xi为第i个待融合多源数据,其中,所述多源数据融合模型包括自适应变换函数,用于对所述待融合多源数据的每个维度的特征值进行个性化变换,从而使不同数据源的特征更具有可比性和融合性、第一非线性特征变换函数,用于将每个所述待融合多源数据的每个维度的特征值映射到新的特征空间,以便在新空间中进行融合、第二非线性特征变换函数,用于将映射到新的特征空间的特征值进行非线性变换,即在经过自适应变换和非线性变换后的特征上引入更多的非线性变换。
具体的,计算第i个待融合多源数据的自适应权重wi包括:
其中,L(Xi,Xj)为第i个待融合多源数据和第j个待融合多源数据的分布性差异值,用于计算不同数据源之间的相似性和差异性,从而引入了数据源之间的分布相似性信息,Xi,k为第i个待融合多源数据在第k个维度上的特征值,Xj,k为第j个待融合多源数据在第k个维度上的特征值。
具体的,待融合多源数据的第一非线性特征变换函数g和待融合多源数据的自适应变换函数h分别为:
h(Xi)=W′·Xi+b
g(Z)=log(1+eZ)
其中,W′为第一权重矩阵,用于线性组合数据源的特征,b为第一偏移量,从而更好地对特征进行调整,Z为多项式h(Xi)。
具体的,待融合多源数据的第二非线性特征变换函数p为:
其中,Y为多项式W″为第一权重矩阵,b′为第二偏移量,通过调整W″和b′,可以控制非线性变换的形状和范围,从而更好地捕捉数据源特征之间的关系。
实施例3
本发明实施例还提出一种存储介质,存储有多条指令,所述指令用于实现所述的一种航运政务信息资源多源数据融合方法。
可选地,在本实施例中,上述存储介质可以位于计算机网络中计算机终端群中的任意一个计算机终端中,或者位于移动终端群中的任意一个移动终端中。
可选地,在本实施例中,存储介质被设置为存储用于执行实施例1方法的程序代码;
实施例4
本发明实施例还提出一种电子设备,包括处理器和与所述处理器连接的存储介质,所述存储介质存储有多条指令,所述指令可被所述处理器加载并执行,以使所述处理器能够执行一种航运政务信息资源多源数据融合方法。
具体的,本实施例的电子设备可以是计算机终端,所述计算机终端可以包括:一个或多个处理器、以及存储介质。
其中,存储介质可用于存储软件程序以及模块,如本发明实施例中的一种航运政务信息资源多源数据融合方法,对应的程序指令/模块,处理器通过运行存储在存储介质内的软件程序以及模块,从而执行各种功能应用以及数据处理,即实现上述的一种航运政务信息资源多源数据融合方法。存储介质可包括高速随机存储介质,还可以包括非易失性存储介质,如一个或者多个磁性存储系统、闪存、或者其他非易失性固态存储介质。在一些实例中,存储介质可进一步包括相对于处理器远程设置的存储介质,这些远程存储介质可以通过网络连接至终端。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
处理器可以通过传输系统调用存储介质存储的信息及应用程序,以执行实施例1方法步骤;
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
在本发明的上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。
在本发明所提供的几个实施例中,应所述理解到,所揭露的技术内容,可通过其它的方式实现。其中,以上所描述的系统实施例仅仅是示意性的,例如所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,单元或模块的间接耦合或通信连接,可以是电性或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者所述技术方案的全部或部分可以以软件产品的形式体现出来,所述计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、只读存储介质(ROM,Read-Only Memory)、随机存取存储介质(RAM,Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
显然,上述实施例仅仅是为清楚地说明所作的举例,而并非对实施方式的限定。对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。而由此所引伸出的显而易见的变化或变动仍处于本发明创造的保护范围之中。
Claims (4)
1.一种航运政务信息资源多源数据融合方法,其特征在于,包括:
获取航运政务信息资源中的多个多源数据,对所述多源数据进行初始化,生成初始化后的多个待融合多源数据,提取每个所述待融合多源数据的多个维度的特征值;
设置多源数据融合模型,根据多个所述待融合多源数据和每个所述待融合多源数据的所述多个维度的特征值,计算多个所述待融合多源数据的融合后数据的特征值,以完成多个所述待融合多源数据的融合,其中,所述多源数据融合模型包括自适应变换函数,用于对所述待融合多源数据的每个维度的特征值进行个性化变换、第一非线性特征变换函数,用于将每个所述待融合多源数据的每个维度的特征值映射到新的特征空间、第二非线性特征变换函数,用于将映射到新的特征空间的特征值进行非线性变换;
所述多源数据融合模型为:
,
其中,为融合后数据的特征值,/>为第/>个待融合多源数据的自适应权重,/>为待融合多源数据的第二非线性特征变换函数,/>为待融合多源数据的个数,/>为待融合多源数据的第一非线性特征变换函数,/>为待融合多源数据的自适应变换函数,/>为第/>个待融合多源数据;
计算第个待融合多源数据的自适应权重/>包括:
,
,
其中,为第/>个待融合多源数据和第/>个待融合多源数据的分布性差异值,为第/>个待融合多源数据在第/>个维度上的特征值,/>为第/>个待融合多源数据在第/>个维度上的特征值;
待融合多源数据的第一非线性特征变换函数和待融合多源数据的自适应变换函数分别为:
,
,
其中,为第一权重矩阵,/>为第一偏移量,/>为多项式/>;
待融合多源数据的第二非线性特征变换函数为:
,
其中,为多项式/>,/>为第二权重矩阵,/>为第二偏移量。
2.如权利要求1所述的一种航运政务信息资源多源数据融合方法,其特征在于,对所述多源数据进行初始化包括:
将所述多源数据中重复数据进行删除操作;
填补所述多源数据中的缺失值;
识别并处理所述多源数据中的异常值;
将每个所述多源数据源中的数据格式进行统一。
3.如权利要求1所述的一种航运政务信息资源多源数据融合方法,其特征在于,提取每个所述待融合多源数据的多个维度的特征值包括:对每个维度的特征值进行数值化或标准化。
4.一种航运政务信息资源多源数据融合系统,其特征在于,包括:
获取数据模块,用于获取航运政务信息资源中的多个多源数据,对所述多源数据进行初始化,生成初始化后的多个待融合多源数据,提取每个所述待融合多源数据的多个维度的特征值;
融合模块,用于设置多源数据融合模型,根据多个所述待融合多源数据和每个所述待融合多源数据的所述多个维度的特征值,计算多个所述待融合多源数据的融合后数据的特征值,以完成多个所述待融合多源数据的融合,其中,所述多源数据融合模型包括自适应变换函数,用于对所述待融合多源数据的每个维度的特征值进行个性化变换、第一非线性特征变换函数,用于将每个所述待融合多源数据的每个维度的特征值映射到新的特征空间、第二非线性特征变换函数,用于将映射到新的特征空间的特征值进行非线性变换;
所述多源数据融合模型为:
,
其中,为融合后数据的特征值,/>为第/>个待融合多源数据的自适应权重,/>为待融合多源数据的第二非线性特征变换函数,/>为待融合多源数据的个数,/>为待融合多源数据的第一非线性特征变换函数,/>为待融合多源数据的自适应变换函数,/>为第/>个待融合多源数据;
计算第个待融合多源数据的自适应权重/>包括:
,
,
其中,为第/>个待融合多源数据和第/>个待融合多源数据的分布性差异值,为第/>个待融合多源数据在第/>个维度上的特征值,/>为第/>个待融合多源数据在第/>个维度上的特征值;
待融合多源数据的第一非线性特征变换函数和待融合多源数据的自适应变换函数/>分别为:
,
,
其中,为第一权重矩阵,/>为第一偏移量,/>为多项式/>;
待融合多源数据的第二非线性特征变换函数为:
,
其中,为多项式/>,/>为第二权重矩阵,/>为第二偏移量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311079487.2A CN117349785B (zh) | 2023-08-24 | 2023-08-24 | 一种航运政务信息资源多源数据融合方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311079487.2A CN117349785B (zh) | 2023-08-24 | 2023-08-24 | 一种航运政务信息资源多源数据融合方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117349785A CN117349785A (zh) | 2024-01-05 |
CN117349785B true CN117349785B (zh) | 2024-04-05 |
Family
ID=89360151
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311079487.2A Active CN117349785B (zh) | 2023-08-24 | 2023-08-24 | 一种航运政务信息资源多源数据融合方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117349785B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108920900A (zh) * | 2018-06-21 | 2018-11-30 | 福州大学 | 基因表达谱数据的无监督极限学习机特征提取系统及方法 |
CN111191733A (zh) * | 2020-01-02 | 2020-05-22 | 平安科技(深圳)有限公司 | 多数据来源的数据融合方法、装置、电子设备及存储介质 |
WO2021017113A1 (zh) * | 2019-07-30 | 2021-02-04 | 北京市商汤科技开发有限公司 | 图像处理方法及装置、处理器、电子设备及存储介质 |
CN112906158A (zh) * | 2021-02-25 | 2021-06-04 | 武汉科技大学 | 一种基于多传感器多元数据融合的机械故障诊断方法 |
CN116522284A (zh) * | 2023-07-03 | 2023-08-01 | 交通运输部水运科学研究所 | 一种船闸机械及金属结构多源信息融合方法及系统 |
-
2023
- 2023-08-24 CN CN202311079487.2A patent/CN117349785B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108920900A (zh) * | 2018-06-21 | 2018-11-30 | 福州大学 | 基因表达谱数据的无监督极限学习机特征提取系统及方法 |
WO2021017113A1 (zh) * | 2019-07-30 | 2021-02-04 | 北京市商汤科技开发有限公司 | 图像处理方法及装置、处理器、电子设备及存储介质 |
CN111191733A (zh) * | 2020-01-02 | 2020-05-22 | 平安科技(深圳)有限公司 | 多数据来源的数据融合方法、装置、电子设备及存储介质 |
CN112906158A (zh) * | 2021-02-25 | 2021-06-04 | 武汉科技大学 | 一种基于多传感器多元数据融合的机械故障诊断方法 |
CN116522284A (zh) * | 2023-07-03 | 2023-08-01 | 交通运输部水运科学研究所 | 一种船闸机械及金属结构多源信息融合方法及系统 |
Non-Patent Citations (2)
Title |
---|
gongxu Liu,et al.An orientation estimation algorithm based on multi-source information fusion.《Measurement Science and Technology》.2018,1-12. * |
基于自适应EKF算法的输出融合软仪表设计;吴瑶,等;《化工学报》;20101015;2627-2635 * |
Also Published As
Publication number | Publication date |
---|---|
CN117349785A (zh) | 2024-01-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111159293B (zh) | 一种基于轻节点技术的跨链信息验证方法 | |
US20220261694A1 (en) | System and Methods for Distributed Machine Learning with Multiple Data Sources, Multiple Programming Languages or Frameworks, and Multiple Devices or Infrastructures | |
US10389685B2 (en) | Systems and methods for securely transferring selective datasets between terminals | |
CN110493304A (zh) | 边缘计算系统以及交易系统 | |
CN110245029A (zh) | 一种数据处理方法、装置、存储介质和服务器 | |
CN108648092A (zh) | 保险赔付率计算方法、装置、设备及计算机可读存储介质 | |
CN110598993B (zh) | 数据加工方法及装置 | |
CN109598021B (zh) | 一种信息显示方法、装置、设备和存储介质 | |
CN117349785B (zh) | 一种航运政务信息资源多源数据融合方法及系统 | |
CN109299173A (zh) | 数据传输方法、装置及存储介质 | |
CN110297948B (zh) | 关系网络构建方法以及装置 | |
CN116934061A (zh) | 基于区块链的碳排放管理方法、系统、设备及存储介质 | |
CN112416488B (zh) | 一种用户画像实现的方法、装置、计算机设备及计算机可读存储介质 | |
CN112230911B (zh) | 模型部署方法、装置、计算机设备和存储介质 | |
CN115291980A (zh) | 业务弹窗控制方法、装置、计算机设备及存储介质 | |
CN110851446B (zh) | 数据表的生成方法、装置、计算机设备及存储介质 | |
CN117376444A (zh) | 一种基于智能合约的长江航运数据上链方法及系统 | |
CN115577985B (zh) | 一种电力区块链多设备共识方法 | |
CN117474734B (zh) | 既有线改造与城市线网线路及车站多要素融合方法及系统 | |
EP4086788B1 (en) | Blockchain-based data processing method and apparatus, device, and readable storage medium | |
US20240037486A1 (en) | Safeguarding High Value Assets using Artificial Intelligence | |
CN109344166B (zh) | 数据库的监控方法、计算机可读存储介质和终端设备 | |
CN118071003A (zh) | 一种面向互联网共享运维服务的方法及系统 | |
CN116860214A (zh) | 基于saas思想的权限中心系统构建方法、装置、设备及存储介质 | |
CN117474734A (zh) | 既有线改造与城市线网线路及车站多要素融合方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |