【技術(shù)實現(xiàn)步驟摘要】
本申請涉及數(shù)據(jù)處理領(lǐng)域，尤其涉及一種用于多源異構(gòu)數(shù)據(jù)的多粒度提取與增強方法、裝置及設(shè)備。
技術(shù)介紹
1、隨著信息技術(shù)的快速發(fā)展，多源異構(gòu)數(shù)據(jù)在各個領(lǐng)域得到廣泛應(yīng)用。這些數(shù)據(jù)來源多樣，包括文本、圖像、視頻和音頻等不同模態(tài)，數(shù)據(jù)格式和結(jié)構(gòu)也各不相同?，F(xiàn)有的數(shù)據(jù)處理技術(shù)主要集中在單一模態(tài)數(shù)據(jù)的處理上，如文本處理技術(shù)注重語義分析，圖像處理技術(shù)側(cè)重視覺特征提取，視頻處理技術(shù)關(guān)注動態(tài)信息捕獲，音頻處理技術(shù)專注聲學(xué)特征分析。同時，一些跨模態(tài)數(shù)據(jù)處理方法開始出現(xiàn)，試圖在不同模態(tài)數(shù)據(jù)間建立關(guān)聯(lián)和映射關(guān)系。
2、然而，現(xiàn)有技術(shù)仍存在以下不足：首先，針對多源異構(gòu)數(shù)據(jù)的特征提取多是獨立進(jìn)行，缺乏對特征間關(guān)聯(lián)關(guān)系的深入挖掘；其次，不同模態(tài)數(shù)據(jù)之間的知識遷移機制不完善，難以充分利用模態(tài)間的互補信息；再次，特征融合過程往往采用簡單的拼接或加權(quán)方式，未能充分考慮特征的層次性和動態(tài)性；最后，多任務(wù)處理過程中的特征共享和任務(wù)關(guān)聯(lián)機制不夠健全，難以實現(xiàn)資源的高效利用。
技術(shù)實現(xiàn)思路
1、本申請?zhí)峁┝艘环N用于多源異構(gòu)數(shù)據(jù)的多粒度提取與增強方法、裝置及設(shè)備，用于提升用于多源異構(gòu)數(shù)據(jù)的多粒度提取與增強的效率及準(zhǔn)確率。
2、第一方面，本申請?zhí)峁┝艘环N用于多源異構(gòu)數(shù)據(jù)的多粒度提取與增強方法，所述用于多源異構(gòu)數(shù)據(jù)的多粒度提取與增強方法包括：對多源異構(gòu)數(shù)據(jù)進(jìn)行預(yù)處理，得到多模態(tài)數(shù)據(jù)集和原始特征參數(shù)，所述原始特征參數(shù)包括：內(nèi)容特征值、分布特征值以及質(zhì)量特征值；對所述多模態(tài)數(shù)據(jù)集和所述原始特征參數(shù)進(jìn)行多層次特征提
3、第二方面，本申請?zhí)峁┝艘环N用于多源異構(gòu)數(shù)據(jù)的多粒度提取與增強裝置，所述用于多源異構(gòu)數(shù)據(jù)的多粒度提取與增強裝置包括：
4、處理模塊，用于對多源異構(gòu)數(shù)據(jù)進(jìn)行預(yù)處理，得到多模態(tài)數(shù)據(jù)集和原始特征參數(shù)，所述原始特征參數(shù)包括：內(nèi)容特征值、分布特征值以及質(zhì)量特征值；
5、提取模塊，用于對所述多模態(tài)數(shù)據(jù)集和所述原始特征參數(shù)進(jìn)行多層次特征提取，得到多模態(tài)特征集合；
6、分析模塊，用于對所述多模態(tài)特征集合進(jìn)行關(guān)聯(lián)性分析，得到特征關(guān)聯(lián)矩陣和優(yōu)化特征表示；
7、遷移模塊，用于對所述特征關(guān)聯(lián)矩陣和所述優(yōu)化特征表示進(jìn)行跨模態(tài)知識遷移處理，得到遷移特征參數(shù)；
8、融合模塊，用于對所述遷移特征參數(shù)進(jìn)行動態(tài)融合處理，得到目標(biāo)融合特征，所述目標(biāo)融合特征包括：底層融合特征、中層融合特征以及高層融合特征；
9、分割模塊，用于根據(jù)所述目標(biāo)融合特征進(jìn)行多任務(wù)分割處理，得到多個子任務(wù)序列，并分別對每個子任務(wù)序列進(jìn)行時序增強及多任務(wù)融合分析，得到目標(biāo)提取數(shù)據(jù)，并對所述目標(biāo)提取數(shù)據(jù)進(jìn)行可視化展示。
10、本申請的第三方面提供了一種計算機設(shè)備，所述存儲器存儲有所述處理器可執(zhí)行的機器可讀指令，當(dāng)計算機設(shè)備運行時，所述處理器與所述存儲器之間通過總線通信，所述機器可讀指令被所述處理器執(zhí)行時執(zhí)行上述的用于多源異構(gòu)數(shù)據(jù)的多粒度提取與增強方法的步驟。
11、本申請?zhí)峁┑募夹g(shù)方案中，通過對多源異構(gòu)數(shù)據(jù)進(jìn)行預(yù)處理，得到多模態(tài)數(shù)據(jù)集和原始特征參數(shù)，有效解決了數(shù)據(jù)格式不統(tǒng)一和特征表達(dá)不規(guī)范的問題，為后續(xù)的特征提取奠定了基礎(chǔ)。對多模態(tài)數(shù)據(jù)集和原始特征參數(shù)進(jìn)行多層次特征提取，實現(xiàn)了從不同粒度和層次對數(shù)據(jù)特征的挖掘，提高了特征表達(dá)的完整性和準(zhǔn)確性。在關(guān)聯(lián)性分析階段，通過生成特征關(guān)聯(lián)矩陣和優(yōu)化特征表示，充分挖掘了不同特征之間的內(nèi)在聯(lián)系，增強了特征的表達(dá)能力?？缒B(tài)知識遷移處理環(huán)節(jié)通過獲取遷移特征參數(shù)，實現(xiàn)了不同模態(tài)之間的知識共享和遷移，提升了模態(tài)間信息的利用效率。動態(tài)融合處理階段生成的目標(biāo)融合特征包含了底層融合特征、中層融合特征以及高層融合特征，構(gòu)建了完整的特征層次結(jié)構(gòu)，增強了特征表達(dá)的豐富性。最后，通過多任務(wù)分割處理得到多個子任務(wù)序列，并進(jìn)行時序增強及多任務(wù)融合分析，實現(xiàn)了任務(wù)的高效分解和協(xié)同處理，同時對目標(biāo)提取數(shù)據(jù)進(jìn)行可視化展示，提升了數(shù)據(jù)分析的直觀性和可解釋性。整個方案通過多個環(huán)節(jié)的有機結(jié)合，形成了一個完整的多源異構(gòu)數(shù)據(jù)處理框架，不僅提高了特征提取的精度和效率，而且增強了模態(tài)間的知識共享能力，實現(xiàn)了多任務(wù)的協(xié)同處理，最終達(dá)到了數(shù)據(jù)分析和處理的高效性、準(zhǔn)確性和可靠性的統(tǒng)一。
本文檔來自技高網(wǎng)...【技術(shù)保護(hù)點】
1.一種用于多源異構(gòu)數(shù)據(jù)的多粒度提取與增強方法，其特征在于，所述用于多源異構(gòu)數(shù)據(jù)的多粒度提取與增強方法包括：
2.根據(jù)權(quán)利要求1所述的用于多源異構(gòu)數(shù)據(jù)的多粒度提取與增強方法，其特征在于，所述對多源異構(gòu)數(shù)據(jù)進(jìn)行預(yù)處理，得到多模態(tài)數(shù)據(jù)集和原始特征參數(shù)，所述原始特征參數(shù)包括：內(nèi)容特征值、分布特征值以及質(zhì)量特征值，包括：
3.根據(jù)權(quán)利要求1所述的用于多源異構(gòu)數(shù)據(jù)的多粒度提取與增強方法，其特征在于，所述對所述多模態(tài)數(shù)據(jù)集和所述原始特征參數(shù)進(jìn)行多層次特征提取，得到多模態(tài)特征集合，包括：
4.根據(jù)權(quán)利要求3所述的用于多源異構(gòu)數(shù)據(jù)的多粒度提取與增強方法，其特征在于，所述對所述多模態(tài)特征集合進(jìn)行關(guān)聯(lián)性分析，得到特征關(guān)聯(lián)矩陣和優(yōu)化特征表示，包括：
5.根據(jù)權(quán)利要求1所述的用于多源異構(gòu)數(shù)據(jù)的多粒度提取與增強方法，其特征在于，所述對所述特征關(guān)聯(lián)矩陣和所述優(yōu)化特征表示進(jìn)行跨模態(tài)知識遷移處理，得到遷移特征參數(shù)，包括：
6.根據(jù)權(quán)利要求5所述的用于多源異構(gòu)數(shù)據(jù)的多粒度提取與增強方法，其特征在于，所述對所述遷移特征參數(shù)進(jìn)行動態(tài)融合處理，得到目標(biāo)融合特征
7.根據(jù)權(quán)利要求1所述的用于多源異構(gòu)數(shù)據(jù)的多粒度提取與增強方法，其特征在于，所述根據(jù)所述目標(biāo)融合特征進(jìn)行多任務(wù)分割處理，得到多個子任務(wù)序列，并分別對每個子任務(wù)序列進(jìn)行時序增強及多任務(wù)融合分析，得到目標(biāo)提取數(shù)據(jù)，并對所述目標(biāo)提取數(shù)據(jù)進(jìn)行可視化展示，包括：
8.一種用于多源異構(gòu)數(shù)據(jù)的多粒度提取與增強裝置，用于實現(xiàn)如權(quán)利要求1-7中任一項所述的用于多源異構(gòu)數(shù)據(jù)的多粒度提取與增強方法，其特征在于，所述用于多源異構(gòu)數(shù)據(jù)的多粒度提取與增強裝置包括：
9.一種計算機設(shè)備，其特征在于，包括：處理器、存儲器和總線，所述存儲器存儲有所述處理器可執(zhí)行的機器可讀指令，當(dāng)計算機設(shè)備運行時，所述處理器與所述存儲器之間通過總線通信，所述機器可讀指令被所述處理器執(zhí)行時執(zhí)行如權(quán)利要求1至7任一所述的用于多源異構(gòu)數(shù)據(jù)的多粒度提取與增強方法的步驟。
...【技術(shù)特征摘要】
1.一種用于多源異構(gòu)數(shù)據(jù)的多粒度提取與增強方法，其特征在于，所述用于多源異構(gòu)數(shù)據(jù)的多粒度提取與增強方法包括：
2.根據(jù)權(quán)利要求1所述的用于多源異構(gòu)數(shù)據(jù)的多粒度提取與增強方法，其特征在于，所述對多源異構(gòu)數(shù)據(jù)進(jìn)行預(yù)處理，得到多模態(tài)數(shù)據(jù)集和原始特征參數(shù)，所述原始特征參數(shù)包括：內(nèi)容特征值、分布特征值以及質(zhì)量特征值，包括：
3.根據(jù)權(quán)利要求1所述的用于多源異構(gòu)數(shù)據(jù)的多粒度提取與增強方法，其特征在于，所述對所述多模態(tài)數(shù)據(jù)集和所述原始特征參數(shù)進(jìn)行多層次特征提取，得到多模態(tài)特征集合，包括：
4.根據(jù)權(quán)利要求3所述的用于多源異構(gòu)數(shù)據(jù)的多粒度提取與增強方法，其特征在于，所述對所述多模態(tài)特征集合進(jìn)行關(guān)聯(lián)性分析，得到特征關(guān)聯(lián)矩陣和優(yōu)化特征表示，包括：
5.根據(jù)權(quán)利要求1所述的用于多源異構(gòu)數(shù)據(jù)的多粒度提取與增強方法，其特征在于，所述對所述特征關(guān)聯(lián)矩陣和所述優(yōu)化特征表示進(jìn)行跨模態(tài)知識遷移處理，得到遷移特征參數(shù)，包括：
6.根據(jù)權(quán)利要求5所述的用于多源異構(gòu)數(shù)據(jù)的多粒度提取...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：李鑫均，程楊，王聰，崔斌，高澤民，張曉龍，尹圣豪，關(guān)珊珊，
申請(專利權(quán))人：鄭州數(shù)智技術(shù)研究院有限公司，
類型：發(fā)明
國別省市：
還沒有人留言評論。發(fā)表了對其他瀏覽者有用的留言會獲得科技券。