[发明专利]一种基于分组正交局部敏感哈希的数据融合方法

说明书

一种基于分组正交局部敏感哈希的数据融合方法，首先将各个模态的数据特征向量串接形成初始融合特征向量，然后利用分组正交的局部哈希索引方法，将初始融合特征向量在满足分组正交的条件下映射到哈希索引空间，最后控制哈希投影向量的数量实现降维，完成数据融合。

技术领域

本发明涉及数据融合领域利用哈希方法来对不同模态的数据特征进行特征融合形成新的数据特征领域，特别是一种基于分组正交局部敏感哈希的数据融合方法。

背景技术

在大数据时代，数据源是多样的、自然形成的、海量的，数据常常是半结构或无结构的。这就要求数据科学家和分析师能够驾驭多样、多源的数据，将它们梳理后进行挖掘和分析。在这个过程中，数据融合就成为不可或缺的一步。与此同时，随着计算机技术、通信技术和微电子技术的发展，各种面向复杂应用背景的多源信息系统大量出现，迫使人们要对多种传感器和不同信息源进行更有效的集成，以提高信息处理的自动化程度。因此，从20世纪70年代起，多传感器(或多源)数据融合便作为一门新兴学科迅速发展起来。

多源数据融合是人类和其他生物系统中普遍存在的一种基本功能。人类本能地具有将身体上的各种功能器官(眼、耳、鼻、四肢)所探测的信息(景物、声音、气味和触觉)与先验知识进行综合的能力，以便对他周围的环境和正在发生的事件做出估计。由于人类的感官具有不同度量特征，因而可测出不同空间范围内发生的各种物理现象，并通过对不同特征的融合处理转化成对环境的有价值的解释。

多源数据融合实际上是对人脑综合处理复杂问题的一种功能模拟。在多传感器(或多源)系统中，各信号源提供的信息可能具有不同的特征：时变的或者非时变的，实时的或者非实时的，快变的或者缓变的，模糊的或者确定的，精确的或者不完整的，可靠的或者非可靠的，相互支持的或者互补的，也可能是相互矛盾或者冲突的。多源数据融合的基本原理就像人脑综合处理信息的过程一样，它充分地利用多个数据资源，通过对各种信号源及其观测信息的合理支配与使用，将各种信号源在空间和时间上的互补与冗余信息依据某种优化准则组合起来，产生对观测环境的一致性解释和描述。数据融合的目标是基于各信号源分离观测的信息，通过对信息的优化组合导出更多的有效信息。这是最佳协同作用的结果，它的最终目的是利用多个信号源协同工作的优势，来提高整个系统的有效性。

单传感器(或单源)信号处理或低层次的多源数据处理都是对人脑信息处理过程的一种低水平模仿，而多源数据融合系统则是通过有效地利用多源数据获取资源，来最大限度地获取被探测目标和环境的信息量。多源数据融合与经典信号处理方法之间也存在着本质差别，其关键在于数据融合所处理的多源数据具有更复杂的形式，而且通常在不同的数据层次上出现，亦即数据融合具有层次化的特征。

多源数据融合是针对使用多个或多类传感器(信息源)的系统而开展的一种信息处理方法，它又被称作多源关联、多源合成、传感器集成或多传感器融合，但更广泛的说法是多源数据融合或者多传感器数据融合，即数据融合。它的定义有以下几种：

1)对来自多源的信息和数据进行检测、关联、估计和综合等多级多方面的处理，以得到精确的状态和身份估计，以及完整、及时的态势评估和威胁估计。

2)数据融合是对单源和多源的数据和信息进行关联、相关和组合，以得到更精细的位置和身份估计、完整和及时的态势评估的过程。

3)利用计算机技术对按时序获得的若干传感器观测信息在一定准则下加以自动分析、优化综合以完成所需决策和估计任务而进行的信息处理过程。

4)数据融合是在多级别、多方面对单源和多源的数据和信息进行自动检测、关联、相关、估计和组合的过程。

5)数据融合是组合数据或信息以估计和预测实体状态的过程。