[发明专利]一种多源异构大数据融合与集成系统及方法

权利要求书

1.一种多源异构大数据融合与集成系统，其特征在于：所述多源异构大数据融合与集成系统包括多源异构数据采集单元、多源异构数据预处理传输单元、多源异构数据融合集成单元以及数据存储输出单元；

所述多源异构数据预处理传输单元执行包括如下步骤：

步骤s1，对多源异构数据进行归一化处理，并按时序进行排列存储；

步骤s2，对同一数据按照时序进行交错采集，交错采集的交错阶数为偶数g；

步骤s3，更新交错采集阶数g'＝g/2，计更新次数g^g＝1；

步骤s4，将步骤s2中交错采集的样本数据矩阵定义为数据，按时序以步骤s3中的交错采集阶数进行采集，得到g个更新样本数据矩阵；判断更新后的g与2的大小，若g大于2则返回执行步骤s3，更新g^g＝g^g+1；若g＝2则执行步骤s5；

步骤s5，将2个更新样本数据矩阵定义为第一更新样本数据矩阵和第二更新样本数据矩阵；

步骤s6，计算第一更新样本数据矩阵和第二更新样本数据矩阵的高斯卷积函数，计算2位二进制数的高斯函数指数δ＝{00,01,10,11}；计算3位二进制数的高斯卷积特征

步骤s7，对步骤s6中高斯函数指数进行指数归一化，处理得到指数一致性区间函数

其中，y是m个第一更新向量或第二更新向量组成的更新矩阵，μ为更新矩阵的均值，δ为更新矩阵的方差；

步骤s8，计算出dis 1＝{dis 11,dis 21,...dis c1}为第一更新样本数据矩阵内两个特征样本的最短距离集合，将dis i1按照降序进行排列，计算出距离均值其中i1＝1,2,3,...c，dis ic为最短距离；

步骤s9，计算出dis 2＝[dis 12,dis 22,...dis c2]为第二更新样本数据矩阵内两个特征样本的最短距离集合，将dis i2按照降序进行排列，计算出距离均值其中i2＝1,2,3,...c，dis ic为最短距离；

步骤s10，计算出距离权值定义权值矩阵为ρ＝[ρ₁，ρ₂，...,ρ_m]，权值均值为

步骤s11，计算出归一化数据的预融合估计函数更新g^g＝g^g-1，判断g^g与1的大小，若g^g值大于1，则返回执行步骤s5，否则将y_rh输出。

2.根据权利要求1所述的多源异构大数据融合与集成系统，其特征在于：所述步骤s1包括多源异构数据降维处理，包括：

步骤ss1，定义多源异构数据为{X⁽¹⁾，X⁽²⁾,...,X^(H)}，多源异构数据降维至{K⁽¹⁾，K⁽²⁾,...,K^(H)}，预定义参数λ₁、λ₂和λ₃，正整数H为特征种类数，定义高维数据X的投影矩阵P∈K×V，V为数据的维数；

步骤ss2，定义相似度矩阵其中X^(h)为第h个种类特征的数据集，X^(h)T为X^(h)转置运算后的数据集；

步骤ss3，初始化定义h值为1；

步骤ss4，根据(X^(h)X^(h)T+λ₁X^(h)LX^(h)T)P^(h)＝P^(h)Λ计算投影矩阵P^(h)，其中,Λ为预定义参数，D为S的对角矩阵；

步骤ss5，迭代更新h＝h+1，根据计算更新S后，返回执行步骤4；

其中P^(h)p^(h)T＝I，β为预定义参数，i为正整数，N为样本个数；

步骤ss6，判断h大小，如h＝H，则执行步骤ss7，否则返回执行步骤ss5；

步骤ss7，输出各多源异构数据的降维矩阵{P⁽¹⁾，P⁽²⁾,...,P^(H)}。