[发明专利]基于模糊C均值聚类算法的多源异构数据融合方法及系统

说明书

本发明提出了一种基于模糊C均值聚类算法的多源异构数据融合方法及系统，其方法包括：获取特定环境下的多源异构数据以及对应的任务信息；将获取到的多源异构数据均转化为可描述的文本数据，并从中提取特征分词，对特征分词进行归一化得到标准特征信息；根据获取到的多源异构数据以及对应的任务信息建立事件树，基于复相关系数算法计算标准特征信息与事件树的相关概率；基于相关概率采用模糊C均值聚类算法对标准特征信息进行特征融合，得到满足条件的融合结果。本发明先提取标准特征信息再采用模糊C均值聚类算法进行融合，实现了数据类型复杂且数据维数大情况下的多源异构数据的有效融合，提高了多源异构数据融合方法在实际应用中的利用率。

技术领域

本发明涉及数据处理技术领域，尤其涉及一种基于模糊C均值聚类算法的多源异构数据融合方法及系统。

背景技术

随着计算机及数码电子产品的普及以及互联网的迅速发展，人们每天都可以接触到海量的多源异构数据，对多源异构数据进行融合，并基于融合后的数据进行应用，有利于实现科学决策以及更广大范围的应用。但由于多源异构数据的来源不同、结构不同、属性不同、模态不同以及用途不同，数据融合较为复杂。为了实现有价值应用的目标，需要一种超越语音、图像、视频以及影响等多模态的、能够支持多源异构数据融合的方法及系统。

目前，现有的多源异构数据融合常用的方法为基于数据特征的类型使用不同的核函数进行映射，融合过程主要通过构造并合并矩阵的方式完成。多核学习属于后期融合的一种，相比于前期特征融合在性能上会有大大的提升，但是多核学习算法由于需要计算各个核矩阵对应的核组合系数，需要多个核矩阵共同参加运算，如果样本的个数过多，那么核矩阵的维数也会非常大，无疑会占用很大的内存空间，其次多核学习非常耗费时间，尽管后续的一些改进算法能在耗费的时间上有所减少，但依然不能有效的降低时间复杂度，高耗的时间和空间复杂度是导致多核学习算法不能广泛应用的一个重要原因。因此，研究一种高效且适用于广泛应用的多源异构数据融合方法具有重要意义。

发明内容

有鉴于此，本申请提出了一种基于模糊C均值聚类算法的多源异构数据融合方法及系统，解决了现有的多源异构数据融合方法因耗费时间长、空间复杂度高导致不能广泛应用的问题。

本发明的技术方案是这样实现的：

一方面，本发明提供了一种基于模糊C均值聚类算法的多源异构数据融合方法，所述方法包括：

S1，获取特定环境下的多源异构数据以及对应的任务信息；

S2，将获取到的多源异构数据均转化为可描述的文本数据，并从中提取特征分词，对特征分词进行归一化得到标准特征信息；

S3，根据获取到的多源异构数据以及对应的任务信息建立事件树，基于复相关系数算法计算标准特征信息与事件树的相关概率；

S4，基于相关概率采用模糊C均值聚类算法对标准特征信息进行特征融合，得到满足条件的融合结果。

在以上技术方案的基础上，优选的，步骤S1具体包括：

所述多源异构数据包括多个来源的数据集和多个模态的数据集，还包括文本数据集、语音数据集、图像数据集以及视频数据集。

在以上技术方案的基础上，优选的，步骤S2中，将获取到的多源异构数据均转化为可描述的文本数据，并从中提取特征分词具体包括：

获取语音数据集的音频帧，记录每一帧中发出的声音的实体对象生成声音特征，结合对应帧的音频内容生成语音的文本数据；

采用卷积神经网络提取图像数据集中的图像特征，并用文本的形式描述出来，得到图像的文本数据；