CN118503915B 一种多源异构数据融合方法及系统 （浙江极象科技有限公司）

2根据实时数据映射与转换策略，对对应的实时异构数据进行若实时融合数据分析结果满足要求，则将实时融合数据存储至采集不同数据源的若干历史异构数据，并对若干历史异构数据进行根据历史数据映射与转换策略，对对应的预处理后历史异构数据进行数据映射与转根据若干预处理后历史异构数据及对应的历史数据映射与转换根据若干历史同构数据和统一数据模型的数据格式，使用深度根据若干历史融合数据和预设的融合数据预测类型，使用深度对不同数据源的预处理后历史异构数据进行解析，得到每一数据源根据不同数据源的核心数据元素、统一数据模型的数据结构以3根据不同数据源的核心数据元素、统一数据模型的数据结构、根据统一数据模型，为每一预处理后历史异构数据设定合模型基于RF_BiLSTM_Attention采集不同数据源的若干实时异构数据，并根据实时异构数据，更新策将实时异构数据输入策略生成模型，并基于更新的动作空间和更将若干实时同构数据输入同构数据融合模型，提取每一实时同构提取同一实时同构数据对应的若干实时同构数据关键特征对应的实时同构数据深度根据若干实时同构数据深度特征、预设的注意力权值以及预设的融合函9.一种多源异构数据融合系统，用于实现如权利要求1_8任一所述的多源异构数据融融合单元设置有同构数据融合模型，所述的融合数据分析单元设置有融合数据分析模型，45[0031]将实时异构数据输入策略生成模型，并基于更新的动作[0035]提取同一实时同构数据对应的若干实时同构数据关键特征对应的实时同构数据6[0038]将实时融合数据输入融合数据分析模型，提取实时融合数据的实时融合数据特[0043]本发明公开了一种多源异构数据融合方法及系统，消除7为第i状态值，i为i8器(ImprovedCrestedPorcupineOptimizer，ICPO)_深度信念网络（DeepBelief[0079]S1_6_2_1：将DBN网络的备选的初始网络参数编码为IPCO优化算法的IPCO个体的[0083]式中，为Circle混沌映射的初始的IPCO个体；为随机生成的初始的IPCO个9[0093]式中，为第一防御范围内更新的IPCO个体；lf,为第一防御范围内初始的内的最优解；为在第一防御范围内真实最优解和从IPCO种群中随机选择的最优解之间[0096]式中，为第二防御范围内更新的IPCO个体；2;为第二防御范围内初始的,22,分别为第rl、r2个初始的IPCO个体；rl、r2防御范围内真实最优解和从IPCO种群中随机选[0099]式中，为第三防御范围内更新的IPCO个体；科;为第三防御范围内初始的个体；r3为[1,s]之间的随机整数；为适应度函数定义的气味扩散因子；为防御因[0102]式中，为第四防御范围内更新的IPCO个体；为第四防御范围内初始的[0108]IPCO优化算法可以精确地优化DBN网络的初始网络结构，这对于网络参数的初始到整数规划问题的全局最优解，这意味着可以为DBN网络找到在所有可能参数配置中的最模型的动作空间和状态空间，得到更新的动作空间A'=la'…a',…a',l和更新的状态空间A'⃞la'…,a',…a',l和更新的状态空间s"=IS'…s'"r……s'l，使用深度Q网络的Q函数，得到可能动作的预测的Q值；[0119]式中，(s"',.a',)为更新的状态值s',和更新的动作值a',对应的更新的Q值；k'为类别指示量；I,为第实时备选M个实时备选关键特征作为历史同构数据的实时同构数据