【技术实现步骤摘要】
本专利技术涉及深度学习，尤其涉及一种基于深度学习的数据融合方法及系统。
技术介绍
1、随着科技的飞速发展，无人系统应用日益广泛，其高效运行依赖于对多源异构数据的精确处理和迅速决策。无人系统中如无人机、无人车和无人船等，在交通监控、灾害救援、环境监测等方面扮演着重要角色，这些应用环境往往不可预测，要求无人系统能够适应不同的天气和地理条件。在商业领域，无人系统应用于物流配送、农业监测、基础设施检查等，需要在广泛的地理区域内高效、准确地完成任务。
2、当前，无人系统在数据处理和决策制定方面面临一系列技术挑战。尤其是传感器数据的充分利用问题显得尤为突出。各种传感器的设计原理和物理特性的差异，对环境的描述和表现形式具有很大的差异，面对众多类型传感器及其异构数据结构，由于数据量大，数据及时性要求高，现有技术手段往往难以充分挖掘多源信息的潜力，导致在复杂环境中决策的准确性和有效性受到严重影响。如何高效提取并有效利用这些数据中的关键信息，成为无人系统领域亟待解决的技术难题。
技术实现思路
1、...
【技术保护点】
1.一种基于深度学习的数据融合方法，其特征在于，包括以下步骤：
2.如权利要求1所述的基于深度学习的数据融合方法，其特征在于，所述构建数据融合模型，包括以下步骤：
3.如权利要求2所述的基于深度学习的数据融合方法，其特征在于，所述通过模型剪枝对所述数据融合模型优化，获得优化后的数据融合模型，包括以下步骤：
4.如权利要求3所述的基于深度学习的数据融合方法，其特征在于，所述获取每个权重的梯度，包括以下步骤：
5.如权利要求4所述的基于深度学习的数据融合方法，其特征在于，所述将多个分类融合数据输入至所述优化后的数据融合模型中...
【技术特征摘要】
1.一种基于深度学习的数据融合方法，其特征在于，包括以下步骤：
2.如权利要求1所述的基于深度学习的数据融合方法，其特征在于，所述构建数据融合模型，包括以下步骤：
3.如权利要求2所述的基于深度学习的数据融合方法，其特征在于，所述通过模型剪枝对所述数据融合模型优化，获得优化后的数据融合模型，包括以下步骤：
4.如权利要求3所述的基于深度学习的数据融合方法，其特征在于，所述获取每个权重的梯度，包括以下步骤：
5.如权利要求4所述的基于深度学习的数据融合方法，其特征在于，所述将多个分类融合数据输入至所述优化后的数据融合模型中进行二次融合，包括以下步骤：
6.如权利...
【专利技术属性】
技术研发人员：周大明，赵罡，倪文玺，周景军，田雨，马宸宇浩，吕梅柏，王佩，王红梅，葛致磊，瞿一凡，
申请(专利权)人：西北工业大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。