[发明专利]基于电阻率法的地质灾害多模态监测数据融合成像方法

权利要求书

1.基于电阻率法的地质灾害多模态监测数据融合成像方法，其特征在于，以电阻率监测数据为一个完整的模态子空间，以包括水位、深部位移和土壤湿度的空间和时间不连续的数据方式为不完整模态数据集，通过图规则化因子来编码数据的几何结构保证每个模态数据的局部相似性；

融合深度学习和不完整多模态分析，构建融合模态深度神经网络和不完整多模态矩阵分解的深度语义匹配模型，通过联合深度矩阵分解、优化，以及逐层模态语义匹配、更新，得到多模态数据的深度语义匹配特征，其中，完成共享空间内不完整多模态数据至少包括分类、聚类的分析。

2.根据权利要求1所述的基于电阻率法的地质灾害多模态监测数据融合成像方法，其特征在于，包括如下步骤：

S1.模态私有深度神经网络，将电阻率、深部位移和土壤湿度数据实例转换成深度特征表示利用融合局部不变图规则化的非负矩阵分解模型将每个模态表示H⁽ⁿ⁾分解成基矩阵U⁽ⁿ⁾和一致编码矩阵P⁽ⁿ⁾＝[P_C；P_I⁽ⁿ⁾],通过联合训练、优化模态私有深度网络和基矩阵，以及模态一致编码矩阵，得到子空间中多模态深度语义共享特征；

S2.通过不变图模型对学习到的共享编码矩阵P_C进行规则化表示，保证每个模态数据与其在潜在子空间中几何结构的一致；

假设模态n中两个数据实例和在原始数据空间中距离较近，在学习到的子空间中它们的低维表示和也相近；

通过构建每个模态的最近邻图G⁽ⁿ⁾描述数据点间的局部几何结构，模态n中的每一个数据实例表示成G⁽ⁿ⁾中的一个点，通过查找离最近的p个邻接点，构建G⁽ⁿ⁾的权重邻接矩阵W⁽ⁿ⁾。

3.根据权利要求1所述的基于电阻率法的地质灾害多模态监测数据融合成像方法，其特征在于，步骤S2中，在共享子空间中利用欧氏距离度量两个数据实例和的相似性，通过融合模态原始空间的相似性矩阵W⁽ⁿ⁾和共享空间中的相似性度量，得到每个模态的局部不变图嵌入函数，如下：

式中，Tr(·)为矩阵的迹，D⁽ⁿ⁾为对角矩阵，对角线上的每一个数据为W⁽ⁿ⁾每一行或者每一列的和，L⁽ⁿ⁾＝D⁽ⁿ⁾-W⁽ⁿ⁾为G⁽ⁿ⁾图的拉普拉斯矩阵。

4.根据权利要求3所述的基于电阻率法的地质灾害多模态监测数据融合成像方法，其特征在于，通过最小化模态原始空间中两个相近数据实例和在共享子空间中也相近，整合每个模态局部不变图嵌入函数与不完整多模态非负矩阵分解，不完整多模态数据融合学习模型表示如下：

5.根据权利要求4所述的基于电阻率法的地质灾害多模态监测数据融合成像方法，其特征在于，不完整多模态矩阵分解的深度语义匹配模型表示为：

其中α⁽ⁿ⁾＞0表示规则化参数，通过监测结果选取最优取值；为模态私有深度网络的特征输出，通过联合优化模态私有深度学习网络、基矩阵和一致编码矩阵，得到多模态深度语义共享子空间，在得到的子空间中对多模态数据特征进行融合分析。

6.根据权利要求5所述的基于电阻率法的地质灾害多模态监测数据融合成像方法，其特征在于，给定每个监测数据模态的基矩阵U⁽ⁿ⁾时，共享特征[P_C；P_I⁽¹⁾]、[P_C；P_I⁽²⁾]和[P_C；P_I⁽ⁿ⁾]只包含P的一部分，在具体的优化过程中，对共享特征P_C和P_I⁽ⁿ⁾分别进行更新，并将不变图限制松弛为：