一种人机交互的多模态数据融合方法技术

本发明专利技术公开了一种人机交互的多模态数据融合方法，涉及多模态数据融合技术领域，通过将各组气象数据的时间戳统一为同一格式，小数据在进行数据融合前本身的时间格式的差异性的影响，以便后续相同时间节点的数据进行融合操作，再通过对数据进行去重

【技术实现步骤摘要】
一种人机交互的多模态数据融合方法


[0001]本专利技术涉及多模态数据融合
，具体涉及一种人机交互的多模态数据融合方法
。

技术介绍

[0002]随着人工智能技术迅猛发展，人机交互的多模态数据融合方法在智能家居
、
智能交通
、
医疗健康
、
智能办公，气象预测等多个领域都有广泛的应用，可以提高生活便捷性
、
安全性和效率性，改善人们的生活和工作环境，随着气象数据采集技术的不断发展，对于不同模态的气象数据进行融合已经成为了气象数据处理的重要方法之一，主要是指利用计算机对不同模态的气象数据进行不同模态数据的综合处理
。
[0003]专利公开号为
CN114548237A
的专利中公开了一种人机交互的多模态数据融合方法，该方法通过人机交互行为抽象模型提取多种输入模态数据的数据特征；通过决策信息系统生成多种输入模态数据对应的决策；通过混合融合的方法将传感数据
、
数据特征和决策进行融合
。
本专利技术能够对人机交互的多层次交互进行抽象和结构化描述，以实现多模态数据的有效融合
。
[0004]但是，上述方案在气象数据的多模态数据融合的过程中的实际应用中，由于气象数据本身的差异性影响，在气象数据的多模态融合过程中气象数据极易会出现误差和不可靠性，并没有就待融合数据中的时间戳是否一致，数据是否存在缺失或异常的情况进行检查，且没有将待融合数据按照时间顺序对数据进行排序和整理，确保数据的时间顺序正确，从而极易对数据融合的准确性和可靠性造成影响，影响气象数据多模态数据融合结果的准确性，因此，提出一种人机交互的多模态数据融合方法
。

技术实现思路

[0005]本专利技术的目的在于提供一种人机交互的多模态数据融合方法，解决在气象数据的多模态融合过程中气象数据极易会出现误差和不可靠性，并没有就待融合数据中的时间戳是否一致，数据是否存在缺失或异常的情况进行检查，且没有将待融合数据按照时间顺序对数据进行排序和整理，确保数据的时间顺序正确，从而极易对数据融合的准确性和可靠性造成影响，影响气象数据多模态数据融合结果的准确性的技术问题
。
[0006]本专利技术的目的可以通过以下技术方案实现：
[0007]一种人机交互的多模态数据融合方法，包括：
[0008]步骤一：当需要对各个气象站点不同模态的气象数据进行融合处理时，首先需要对各个气象站点不同模态的气象数据进行收集，此处获取的不同模态的气象数据均包含有时间序列数据，且气象数据包括温度
、
湿度和气压数据；
[0009]步骤二：将获取到的各个气象站点的不同模态气象数据的时间戳统一为同一格式；
[0010]步骤三：对时间戳统一为同一格式后的温度
、
湿度和气压三组数据进行数据清洗
处理，以保证数据的完整性和一致性，数据清洗的具体步骤为：
[0011]S31
：选取一个气象站点为目标气象站点，获取目标气象站点在不同时间节点采集的温度
、
湿度和气压三组气象数据，并分别对同一时间节点内多个温度
、
湿度和气压数据进行提取；
[0012]S32
：对存在于相同时间节点内的多个温度
、
湿度和气压数据分别进行数据去重处理，只一个保留温度
、
湿度和气压数据，数据去重处理的具体方式为：
[0013]S321
：分别提取去重后的温度
、
湿度和气压三组数据内的最大值和最小值，并分将
[W
max
，
W
min
]、[S
max
，
S
min
]和
[Q
max
，
Q
min
]作为温度
、
湿度和气压数据对应的数据判断区间；
[0014]S322
：将多个温度
、
湿度和气压数据分别代入到对应的数据判断区间内进行判定，判断温度
、
湿度和气压对应的多个数据是否存在于所对应的数据判断区间内；
[0015]若温度
、
湿度和气压对应的多个数据部分存在于所对应的数据判断区间内，则保留在所对应的数据判断区间内的数据，同时将不在数据判断区间内的数据进行剔除，若保留的数据仅为一个则将此数据对应的数据作为该时间节点的计算值，若保留的数据为多个，则将其对应数据与该组数据标准值之间差值的绝对值进行对比，将绝对值最小的数据作为该时间节点的计算值；
[0016]若绝对值最小的数据仍存在多个，则将多个数据所中对应数值最大的进行保留并作为其的计算值，其他的均进行删除，此处温度
、
湿度和气压每组气象数据的标准值分别为
W
’
、S
’
和
Q
’
，
W
’
、S
’
和
Q
’
的计算方式分别为
(1+
θ
)*Wp、(1+
θ
)*Sp
和
(1+
θ
)*Qp
，
Wp、Sp
和
Qp
分别为温度
、
湿度和气压每组气象数据的均值，
θ
为预设的修正系数；
[0017]S322
：选取温度
、
湿度和气压中任一组数据作为目标数据，若目标数据中的多个数据均不在所对应的数据判断区间内或该时间节点存在数值缺失的情况，则对目标数据的所有数据进行删除，并同时将此时间节点标记为数据缺失时间节点，对此时间节点目标数据进行数据填充，数据填充的具体方式为：
[0018]S01
：对目标数据缺失时间节点所在的时间节点
t
进行获取；
[0019]S02
：获取距离时间节点
t
两侧相等时间间隔
T
所对应的时间节点
t1
和
t2
，并对时间节点
t1
和
t2
所对应的目标数据进行提取，同时分别标记为
y1
和
y2
；
[0020]S03
：使用公式
y
＝
y1+(t
‑
t1)*(y2
‑
y1)/(t2
‑
t1)
计算出的
y
值，并将
y
值填补至该时间节点目标数据的缺失数据
。
[0021]作为本专利技术进一步的方案：步骤四：将进行数据清洗处理后的不同模态数据在时间轴上进行对齐，并对需要进行数据融合的不同模态的数据进行加权算法的处理后再本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种人机交互的多模态数据融合方法，其特征在于，包括：步骤一：当需要对各个气象站点不同模态的气象数据进行融合处理时，首先需要对各个气象站点不同模态的气象数据进行收集，此处获取的不同模态的气象数据均包含有时间序列数据，且气象数据包括温度
、
湿度和气压数据；步骤二：将获取到的各个气象站点的不同模态气象数据的时间戳统一为同一格式；步骤三：对时间戳统一为同一格式后的温度
、
湿度和气压三组数据进行数据清洗处理，以保证数据的完整性和一致性，数据清洗的具体步骤为：
S31
：选取一个气象站点为目标气象站点，获取目标气象站点在不同时间节点采集的温度
、
湿度和气压三组气象数据，并分别对同一时间节点内多个温度
、
湿度和气压数据进行提取；
S32
：对存在于相同时间节点内的多个温度
、
湿度和气压数据分别进行数据去重处理，只一个保留温度
、
湿度和气压数据，数据去重处理的具体方式为：
S321
：分别提取去重后的温度
、
湿度和气压三组数据内的最大值和最小值，并分将
[W
max
，
W
min
]、[S
max
，
S
min
]
和
[Q
max
，
Q
min
]
作为温度
、
湿度和气压数据对应的数据判断区间；
S322
：将多个温度
、
湿度和气压数据分别代入到对应的数据判断区间内进行判定，判断温度
、
湿度和气压对应的多个数据是否存在于所对应的数据判断区间内；若温度
、
湿度和气压对应的多个数据部分存在于所对应的数据判断区间内，则保留在所对应的数据判断区间内的数据，同时将不在数据判断区间内的数据进行剔除，若保留的数据仅为一个则将此数据对应的数据作为该时间节点的计算值，若保留的数据为多个，则将其对应数据与该组数据标准值之间差值的绝对值进行对比，将绝对值最小的数据作为该时间节点的计算值；若绝对值最小的数据仍存在多个，则将多个数据所中对应数值最大的进行保留并作为其的计算值，其他的均进行删除，此处温度
、
湿度和气压每组气象数据的标准值分别为
W
’
、S
’
和
Q
’
，
W
’
、S
’
和
Q
’
的计算方式分别为
(1+
θ
)*Wp、(1+
θ
)*Sp
和
(1+
θ
)*Qp
，
Wp、Sp
和
Qp
分别为温度
、
湿度和气压每组气象数据的均值，
θ
为预设的修正系数；
S322
：选取温度
、
湿度和气压中任一组数据作为目标数据，若目标数据中的多个数据均不在所对应的数据...

【专利技术属性】
技术研发人员：徐子康，
申请(专利权)人：广州联器电子科技有限公司，
类型：发明
国别省市：