[发明专利]基于移动复相关系数的多模态数据融合方法

说明书

发明了一种基于移动复相关系数的多模态数据融合方法：属于空间数据融合分析方法。在一定空间范围内的数据，一个事物往往由其他多种数据因素影响，并与特定范围内的空间位置相联系。传统的方法只是针对两两因素之间相关性的度量，忽略了一种因素同多种因素之间的相关关系，并且全局范围的分析容易使局部。因此，本方法提出了基于移动复相关系数的多模态数据局部相关性分析方法。定义计算窗口，计算窗口区域内一种因素同其它所有因素的复相关系数，遍历采样区域，形成复相关系数矩阵，以此分析一种因素和其他多种因素的相关性。该方法引入了数据的局部空间特征，通过局部复相关系数的计算显示多模态数据之间“一对多”的相关关系。

技术领域：

本发明属于带有位置信息的空间数据融合分析方法，多种因素在同一空间区域内的相关性分析。

背景技术：

对于一个事物，存在多种来源的观测数据，即数据存在多模态，同一个事物也由多项指标共同影响。同时对于特定空间内的数据，分析局部区域内的数据相关性比全局分析更有意义。因此，分析一定空间范围内的多模态数据融合方法对于综合分析事物之间的相关性至关重要。

在一定空间范围内的事物之间的组合关系往往由不同因素之间的相关关系来反映，且该关系往往存在于同一空间范围内。在现有的相关性分析方法中，研究者只考虑了整个采样区域的不同因素相关系数，且往往是两两因素之间的相关性，缺乏空间局部特征背景下的一种因素同多种因素之间的相关性分析，即缺乏多模态数据分析。因素之间“一对多”的强相关性容易在两两分析中变弱甚至丢失，综上，多种因素之间的局部相关性分析对于充分挖掘多模态数据之间的相关性具有重要意义。

目前针对空间中多种来源因素的相关性计算，方法存在以下缺点：

1)采用整体计算的方法，忽略了局部数据和特征。

2)只是针对因素两两之间全体展开的相关性计算，忽略了“一对多”的局部空间计算，可能导致某几种因素共同作用下的相关性变弱。

3)数据融合只考虑了数据在维度上的压缩，该过程使待分析因素变得模糊和不确定。

由于多种因素之间存在复杂的相关关系，基于以上问题，采用复相关系数(参考对比文件1)，针对数据区域内的局部空间计算相关性，有针对性地解决了空间中多种因素下的相关性计算问题。

对比文件1：傅培华,詹正刚.全国道路效率评价:基于复相关系数的DEA模型[J].物流技术,2013, 32(1):129-133.

发明内容：

发明了一种基于移动复相关系数的多模态数据融合方法，通过对采样区域进行网格划分，设定窗口大小，计算窗口内所有因素的复相关系数，以此表示该局部区域的某种因素同其它多种因素的相关性。同样的方法遍历整个采样区域，得到全区多种因素的相关系数矩阵。

附图说明：

图1 基于移动复相关系数的多模态数据融合方法

图2 A因素同其它因素的移动复相关系数图

具体实施方式：

本发明具体实施方式如下：

1)通过坐标映射将每一种源数据值映射都到平面上，对平面数据进行网格化，将网格化后的数据转化为矩阵。

2)在网格基础上定义代表局部范围的窗口，读取网格内所有采样因素的值，每种因素分别记为X₁， X₂…X_n，其中待分析因素为y，其余因素为X₁，X₂…X_n

3)对于n种因素，y为因变量，其余为自变量，利用下列公式进行回归。