买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉宜昌优智科技有限公司申请的专利一种多源异构数据源融合处理方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN120654175B 。

龙图腾网通过国家知识产权局官网在2026-02-24发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510678150.6，技术领域涉及：G06F18/25；该发明授权一种多源异构数据源融合处理方法是由王洋;屈健;杜欣俊;丁鑫;乔运飞设计研发完成，并于2025-05-26向国家知识产权局提交的专利申请。

本一种多源异构数据源融合处理方法在说明书摘要公布了：本发明提供一种多源异构数据源融合处理方法，属于数据融合领域；解决了多源异构数据融合效率低的问题；具体如下：获取并保存数值型数据和非数值型数据；将数值型数据分为混合型数据、一维数据和多维数据；整合混合型数据，统一维度，得到显性融合数据；归一化一维数据，得到初级融合数据，构建相关性函数；提取多维数据的特征值和特征向量，得到多维数据的显性融合数据；对存在相关性的多维数据进行二次融合；在非数值型数据中，筛选并融合与提取目标对应的非数值型数据，得到非数值融合数据；本发明通过对多种不同结构性数据或非结构性数据进行分析、提取和整合，提高数据的可解释性。

本发明授权一种多源异构数据源融合处理方法在权利要求书中公布了：1.一种多源异构数据源融合处理方法，其特征在于，所述方法包括： 获取数据源提供的原始数据，并根据数据源数量创建存储结构，保存原始数据；根据数据类型，将原始数据分为数值型数据和非数值型数据； 提取数据源全部数值型数据对应的数据维度，根据数据源中每个数值型数据的数据维度是否一致，将数值型数据分为混合型数据和非混合型数据；再根据数据维度将非混合型数据分为一维数据和多维数据；整合混合型数据中的每个数据，并进行特征分解，再统一混合型数据中每个数据的数据维度，得到显性融合数据； 处理混合型数据的具体步骤如下： 将混合型数据中数据作为A类数据；获取第1个A类数据的维度，得到di1～dimi，并提取最大值dimax； 基于零填充，将第1至第mi个A类数据的维度扩展到dimax维，得到数据Aa1～Aami； 将dimax作为dim，定义矩阵Ba1； 计算矩阵Ba1的去中心化矩阵，得到矩阵Ba2，计算协方差矩阵Ba3； 将矩阵Ba3中的数据记作va1,1～vadim,dim； 设A类数据的特征值为λ，构造矩阵Ba4： ； 展开矩阵Ba4，得到关于λ的dim次函数Fλ： ；其中，cki表示λ的dim－i次项系数； 根据函数Fλ，计算A类数据的1维至dim维的特征值，得到λ1～λdim 根据λ1～λdim构造矩阵Ia1～Iadim 使用高斯消元法，计算矩阵Ia1～Iadim在零空间的非零向量，再对非零向量进行归一化，得到dim维的特征向量va1～vadim 提取λ1～λdim中的最大值λmax和最小值λmin 设A类数据的a维的特征值为λa；a的取值范围为：1～dim；计算λ1～λdim的合均值aλ： 将大于或等于aλ的特征值作为显性特征值，将显性特征值记作dλ1～dλod；其中，od表示显性特征值的数量； 融合显性特征：构建dim×od的零矩阵，并填入dλ1～dλod对应的特征向量，得到矩阵XW； 计算A类数据对应的融合矩阵，作为矩阵ZA： 提取矩阵ZA中第1行至第mi行的元素，作为A类数据的显性融合数据； 对每个一维数据进行归一化，得到每个一维数据的初级融合数据；判断维度相同的多个一维数据之间是否存在相关性；若存在，则构建不同一维数据之间的相关性函数；若不存在，则提取每个多维数据对应的特征值和特征向量，得到每个多维数据对应的显性融合数据；基于非线性检验，判断维度相同的多个多维数据之间是否存在相关性；若存在，则对存在相关性的多维数据进行二次融合；若不存在，则不处理； 获取每个非数值型数据对应的提取目标；通过神经网络，在非数值型数据中，筛选并融合与提取目标对应的非数值型数据，得到非数值融合数据；汇总并加密混合型数据和多维数据的显性融合数据以及相关性函数，并同步到存储结构中。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人宜昌优智科技有限公司，其通讯地址为：443001 湖北省宜昌市伍家岗区城东大道新华广场A02号楼2单元18层021818-021822室；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。