智慧城市多模式数据融合模型

被引：29

作者：

张义 ^{[1
,2
]}

陈虞君 ^{[1
,2
]}

杜博文 ^{[1
,2
]}

蒲菊华 ^{[1
,2
]}

熊璋 ^{[1
,2
]}

机构：

[1] 北京航空航天大学软件开发环境国家重点实验室

[2] 深圳北航新兴产业技术研究院

来源：

北京航空航天大学学报 | 2016年 / 12期

关键词：

智慧城市; 多模式数据; 数据挖掘; 数据融合; 多模式互联生长(MICROS)模型;

D O I：

10.13700/j.bh.1001-5965.2015.0858

中图分类号：

TP399-C2 [];

学科分类号：

摘要：

随着云计算和大数据等技术的发展及城市发展的迫切需求,智慧城市已成为近年来国内外研究的热点之一。随着城市中摄像头、监测传感器等采集设备数量的增加,城市数据种类也越来越多。所获取的城市数据具有多源、异构、时变、高维等多模式特性。如何让这些多模式的城市数据关联起来,实现它们的互通互联,挖掘出更丰富多样的信息,从而能更好地指导智慧城市的构建,是本领域的难点。本文提出了一个城市多模式数据融合模型,即多模式互联生长(MICROS)模型,并从3个层面对该模型进行了描述。首先,针对多模式数据的特点,重点描述了多模式数据多源、异构、时变、高维等特点。其次,针对多模式数据的特点,自底向上构建实现针对多模式数据的融合过程的3层基础模型,分别是服务信息描述模型、元数据模型和数据互联模型。最后,在这3层模型的基础上,本文提出了一个适用于智慧城市建设的多模式数据融合模型。

引用

页码：2683 / 2690

页数：8

共 3 条

[1] Towards an intelligent framework for multimodal affective data analysis[J] . Soujanya Poria,Erik Cambria,Amir Hussain,Guang-Bin Huang.Neural Networks . 2014
[2] The Internet of data: a new idea to extend the IOT in the digital world[J] . Wei Fan,Zhengyong Chen,Zhang Xiong,Hui Chen.Frontiers of Computer Science . 2012 (6)
[3] Linked independent component analysis for multimodal data fusion[J] . Adrian R. Groves,Christian F. Beckmann,Steve M. Smith,Mark W. Woolrich.Neuroimage . 2010 (3)

← 1 →