一种多源异构大数据的腐蚀源联合去噪方法

摘要

本发明涉及一种多源异构大数据的腐蚀源联合去噪方法。该方法包括两个模型，一个为异构线性度量学(HLML)模型，另一个为多源半监督联合去噪(MSCD)模型。其中，通过学多个异构线性度量，HLML模型将多源异构数据线性投影到一个高维特征同构空间，并在这个空间中充分嵌入异源间的互补信息，从而可以有效地捕捉到不同来源间的语义互补性和分布相似性。为了消除源内和源间噪声，MSCD模型利用初等变换约束和梯度能量竞争策略，在HLML模型学到的特征同构空间中修复异构有噪描述间的互补关系，进而净化多源异构数据的腐蚀源，有助于获得准确且鲁棒的多源数据评估分析结果。

主权项

一种多源异构大数据的腐蚀源联合去噪方法，其步骤包括：1)通过学习多个异构线性度量，将多源异构数据线性投影到一个高维特征同构空间，并在这个空间中充分嵌入异源间的互补信息，以有效地捕捉到不同来源间的语义互补性和分布相似性；2)利用异源间的分布相似性，将腐蚀数据线性投影到所述高维特征同构空间中，以消除多源腐蚀数据中的源内噪声，并通过基于梯度能量竞争策略的初等变换约束，修复多源腐蚀数据的异构描述间的互补关系；所述初等变换约束根据异源间的语义互补性，交换腐蚀矩阵中相应描述的位置，以消除多源腐蚀数据中的源间噪声。