[发明专利]一种隐蔽工程跟踪审计的数据融合方法

权利要求书

1.一种隐蔽工程跟踪审计的数据融合方法，其特征在于，包括如下步骤：

步骤1：利用多种无损检测传感器实时探测隐蔽工程内部状态，并将探测到的数据传递至中央服务器；

步骤2：将无损检测传感器的检测任务分为局部检测融合和全局检测融合，进行并行融合预处理；

步骤3：中央服务器接收无损检测传感器检测到的隐蔽工程内部数据，即复合检测信号数据，对复合检测信号数据进行融合处理；融合处理过程包括：建立复合检测信号缺陷特征数据库、利用分类概率保持判别分析算法提取复合检测信号缺陷特征、对提取的复合检测信号缺陷特征进行自适应实时流数据融合处理；

步骤4：中央服务器提交步骤3中生成的融合结果，供施工人员查看；

所述步骤2中，并行融合预处理的具体过程为：定义初始弹性分布式数据集RDD：复合检测信号数据在集群计算引擎Spark程序运行时从外部数据空间读取进入系统，转换为集群计算引擎Spark数据块，形成初始的弹性分布式数据集RDD；

所述步骤3中，建立复合检测信号缺陷特征数据库的具体过程为：利用中央服务器软件中的缺陷建模和录入模块来刻画、表征复合检测信号缺陷特征，建立复合检测信号缺陷特征多维度分类模型；根据多维度分类模型构造复合检测信号缺陷特征矢量矩阵，对缺陷特征进行简单分类；利用模拟器模拟大规模复合检测信号缺陷特征数据，建立典型复合检测信号缺陷特征体系及数据库；

所述步骤3中，提取复合检测信号缺陷特征的具体过程为：以复合检测信号缺陷特征数据库中的数据为原始样本，计算每个样本的分类概率，得到相应的类中心点及分类信息，通过类中心点及分类信息来表示相应样本的物理分布，获取代表原始样本的更有效的复合检测信号缺陷特征，并对复合检测信号缺陷特征进行提取；

所述步骤3中，对提取的复合检测信号缺陷特征进行自适应实时流数据融合处理的具体过程为：

对m种特征进行融合时，需要m组分类器，分类器的概率输出记为p_ij(class＝i|input)，其中，i表示第i类判决标签，j表示判决结果为第j组分类器产生的第j种特征；

对于测试样本，第j组分类器判决结果所对应的概率输出，即为该组分类器所有判决标签对应的概率输出的最大值，记为p_j：

则融合权值w_j为：

将提取的复合检测信号缺陷特征作为测试样本，并将其输入k分类PSVM的分类器中，设定待训练、待分类的缺陷特征信号共有k类，提取的复合检测信号缺陷特征共m种；

将m种待训练的不同的缺陷特征分别输入m组分类器，并按照树状结构进行训练，其中每组分类器包含1个PSVM；当PSVM的输入大于两类时，将这些类别标签均匀地分成两大类进行判决，直到最底层的PSVM输入为两类标签，结束树状结构训练；

将m种待测试的不同的缺陷特征分别输入m组分类器，得到所有分类器的概率输出p_ij(class＝i|input)，m组分类器共有m个概率输出，进而计算出每组分类器对应的融合权值w_j；

将每组分类器中每种判决标签对应的概率输出均进行加权处理，加权结果记为f(x)，f(x)表示类别权值，计算公式为：

将最大加权结果对应的判决标签作为融合结果输出。

2.根据权利要求1所述的一种隐蔽工程跟踪审计的数据融合方法，其特征在于，所述步骤1中，所述无损检测传感器包括红外热成像设备、超声探测器、涡流传感器，分别用于探测隐蔽工程内部近表面图像、内部大深度缺陷、特定钢板的缺陷、钢筋直径和数量。

3.根据权利要求1所述的一种隐蔽工程跟踪审计的数据融合方法，其特征在于，所述步骤4的具体过程为：中央服务器利用集群计算引擎Spark应用程序对初始的弹性分布式数据集RDD进行转换操作，形成新的弹性分布式数据集RDD，触发集群计算引擎Spark驱动器，提交分类器生成的融合结果。