针对大数据挖掘及融合分析的基础理论问题,提出具体可操作的大数据尺度空间挖掘及融合分析方法.根据无限小的质点型热源在物理空间中的热量扩散规律,推导出大数据非线性尺度空间扩散方程.以各向异性的方向可调小波为热源函数,构建了各向异性的大数据非线性尺度空间;以各向同性高斯核函数为热源构建了各向同性大数据非线性尺度空间,以该空间为核心设计了各向异性特征挖掘算法.实验结果显示以各向异性小波热源空间为核心的挖掘算法可以进行分级差异化检测、特征强化、特征整合并最终锁定稳定特征,以各向同性高斯大数据空间为核心的检测算法可以对数据进行大量泛化特征检测.以光强色调饱和度、主成分分析、加权函数为热源构建了单热源和组合式热源大数据非线性空间,进而设计了融合算法并进行了多种类型的挖掘和融合实验;实验结果显示在清晰度、相关系数、信息熵、标准差、特征点数、稳定特征点数等指标方面,组合式大数据非线性尺度空间优于单热源融合空间及传统方法.综合上述可以得出:大数据非线性尺度空间具有强扩展性、开放性和适应性.
针对大数据挖掘及融合分析的基础理论问题,提出具体可操作的大数据尺度空间挖掘及融合分析方法.根据无限小的质点型热源在物理空间中的热量扩散规律,推导出大数据非线性尺度空间扩散方程.以各向异性的方向可调小波为热源函数,构建了各向异性的大数据非线性尺度空间;以各向同性高斯核函数为热源构建了各向同性大数据非线性尺度空间,以该空间为核心设计了各向异性特征挖掘算法.实验结果显示以各向异性小波热源空间为核心的挖掘算法可以进行分级差异化检测、特征强化、特征整合并最终锁定稳定特征,以各向同性高斯大数据空间为核心的检测算法可以对数据进行大量泛化特征检测.以光强色调饱和度、主成分分析、加权函数为热源构建了单热源和组合式热源大数据非线性空间,进而设计了融合算法并进行了多种类型的挖掘和融合实验;实验结果显示在清晰度、相关系数、信息熵、标准差、特征点数、稳定特征点数等指标方面,组合式大数据非线性尺度空间优于单热源融合空间及传统方法.综合上述可以得出:大数据非线性尺度空间具有强扩展性、开放性和适应性.
