一种基于点阵曲面阵列的多源数据协同融合与智能决策方法技术

本发明专利技术属于协同融合与智能决策技术领域，公开了一种基于点阵曲面阵列的多源数据协同融合与智能决策方法。本发明专利技术为关于同一事物的多源数据提供了一种可视化和规则化的点阵曲面阵列数据表示，并在点阵曲面阵列中从横向归属关系和纵向协同关系出发提供了一种精准的基于多源数据协同融合的智能决策方法，包括实体结点子集的协同划分与融合和基于协同融合结果的智能决策。这种智能决策方法通过精准的协同融合策略获得可靠的多源数据融合结果，并利用可靠的多源数据融合结果做出精准的决策结论。结论。结论。

【技术实现步骤摘要】
一种基于点阵曲面阵列的多源数据协同融合与智能决策方法


[0001]本专利技术属于协同融合与智能决策
，尤其涉及一种基于点阵曲面阵列的多源数据协同融合与智能决策方法。

技术介绍

[0002]通常，来自不同数据源的原始数据反映了一种事物的不同数字化表现，他们之间存在一定的内在联系并且都指向同一事物实体。因此，接下来的问题是如何协同地融合(集成)这些多源数据并且获得能够进行一致事物决策的精确结果。协同融合的目标就是对给定多源数据集进行一系列操作后获得精准和可靠的智能决策结论。为此，数据表示和协同策略是两个必须解决的议题。
[0003]非结构化表示相比，结构化表示更具几何直观性，并且有利于结构化数据结点的精准划分与融合。点阵结构是一种规则分布的结构。其中每个点阵结点具有数量相对固定的邻接结点。例如，方点阵结构中每个点阵结点具有最多4个邻接结点。显然，规则化的点阵结点分布降低了点阵结点的划分与融合的复杂性。为此，本专利技术选用点阵结构来表示给定的多源数据。尽管所有源数据的表示都遵循相同的规范，但不同源数据具有不同的内涵因而其点阵结构也具有不本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于点阵曲面阵列的多源数据协同融合与智能决策方法，其特征在于，包括如下步骤：步骤1：点阵曲面阵列构造；步骤2：点阵子集阵列的协同分割与融合；步骤3：基于协同融合结果的智能决策。2.根据权利要求1所述的基于点阵曲面阵列的多源数据协同融合与智能决策方法，其特征在于，所述步骤1包括如下具体步骤：步骤1.1：对于n个实体S1，
…
，S
i
，
…
，S
n
产生的多源数据集DS1，...，DS
k
，...，DS
m
，每个数据集反映一种类型数据，且包含n个实体部分，因此，数据集DS
k
和实体S
i
被定义为DS
k
＝{s
k，1
，...，s
k，i
，...，s
k，n
}和S
i
＝[s
1，i
，...，s
k，i
，...，s
m，i
]
T
；若数据集DS
k
拥有L
k
个数据向量个数据向量则其中的实体部分s
k，i
被定义为步骤1.2：将所有数据元素均归一化为[0，1]中对应元素，根据量子相角定义所有归一化元素被进一步转化为对应的量子相角；根据数据向量中升序或降序量子相角序列中升序或降序量子相角序列量子相角的顺序差量子相角的顺序差被定义为0，被定义为0，被定义为0，或0，或0，步骤1.3：利用量子相角的顺序差，数据向量中量子相角和(假设)之间曲线距离被定义为他们之间累积顺序距离：步骤1.4：向量和之间协同度依赖于他们对应量子相角元素的变化率：一个向量的协同指数被定义为该向量与同数据集中其他向量之间协同度之和：设实体部分s
k，i1
和s
k，i2
的定义为和则他们在数据集DS
k
中曲线距离被定义为他们对应量子相角元素的协同曲线距离之和：3.根据权利要求2所述的基于点阵曲面阵列的多源数据协同融合与智能决策方法，其
特征在于，所述步骤2包括如下具体步骤：步骤2.1：两个实体结点S
i1
和S
i2
之间协同度与他们对应的分体结点之间距离和数据集或点阵曲面的协同指数有关，高的点阵曲面协同指数和短的分体结点之间距离代表大的实体结点之间协同度：点阵曲面(或数据集)DS
k
的协同指数被定义为其与其他点阵曲面之间协同度之和：步骤2.2：参照两个向量之间协同度，两个点阵曲面DS
k1
和DS
k2
之间协同度取决于他们对应的单一化分体结点的变化率，分体结点s
k，i
的单一化形式u
k，i
根据点阵曲面DS
k
中不同向量包含的量子相角和不同向量的协同指数计算得到：量包含的量子相角和不同向量的协同指数计算得到：步骤2.3：两个分体结点s
k，i1
和s
k，i2
之间归属度可根据他们对应的单一化结点u
k，i1
和u
k，i2
计算得到：其中，u
k，...

【专利技术属性】
技术研发人员：彭伟民，陈爱红，
申请(专利权)人：杭州电子科技大学，
类型：发明
国别省市：