本发明属于情报数据融合，更具体地，涉及一种自适应多源信息目标整编方法及系统。
背景技术：
1、多源数据融合技术已经在各种领域取得了显著的进展。以下是一些关于多源数据融合技术现状的主要方面：
2、在物联网领域，多种传感器和设备产生大量数据。多源数据融合用于整合来自传感器、设备和其他数据源的信息，以实现对环境、设备状态和事件的更全面的监测和管理。
3、在军事和安全领域，多源数据融合被广泛用于整合来自卫星、雷达、情报、社交媒体等不同来源的信息，以提高决策者对局势的全面了解。
4、大数据分析平台通常整合多个数据源，包括结构化数据、非结构化数据、实时数据等。多源数据融合技术在这些平台中发挥关键作用，以提供更全面和深入的分析结果。
5、但是现有技术中多源数据融合的技术方案不够精确，导致融合后的数据存在较大误差。
技术实现思路
1、为解决以上技术问题，本发明提出一种自适应多源信息目标整编方法，用于多源情报数据的融合，包括：
2、获取每个数据源的数据信息，并对所述数据信息进行初始化操作，其中，所述数据信息包括：数据、数据质量和数据时间；
3、设置多源信息融合模型，将所有数据源的数据信息进行融合，计算融合后的数据集中每个数据的概率，其中，所述多源信息融合模型包括：设置动态权重函数，用于根据所述数据质量和所述数据时间，调整数据所占比重；
4、将融合后的数据集中每个数据的概率与预设的数据概率阈值进行对比，将大于等于所述数据概率阈值的数据作为融合后的数据，以完成目标数据整编。
5、进一步的，所述多源信息融合模型包括：
6、，
7、其中，为融合后的数据集中数据为的概率，为正则化项，为数据源的数量，为数据、数据的数据质量和数据时间的动态权重函数，当数据存在缺失值时数据的数据质量为0，否则为1，为来自第个数据源的数据的概率。
8、进一步的，所述来自第个数据源的数据的概率包括：
9、，
10、其中，为第个数据源的高斯分布标准差，为第个数据源的高斯分布均值，为beta分布的第个第一形状参数和beta分布的第个第二形状参数组成的beta分布函数，贝塔分布（beta distribution） 是一个作为伯努利分布和二项式分布的共轭先验分布的密度函数，在机器学习和数理统计学中有重要应用。在概率论中，贝塔分布，也称β分布，是指一组定义在(0,1) 区间的连续概率分布。
11、进一步的，数据、数据质量和数据时间的动态权重函数包括：
12、，
13、其中，为第一调整因子，为第二调整因子，为第三调整因子，为第个数据源中数据的数据质量，为第个数据源中数据的数据时间，为第个数据源中数据的数据质量，为第个数据源中数据的数据时间。
14、进一步的，通过梯度下降法对所述第一调整因子、所述第二调整因子，第三调整因子进行拟合。
15、本发明还提出一种自适应多源信息目标整编系统，用于多源情报数据的融合，包括：
16、获取数据信息模块，用于获取每个数据源的数据信息，并对所述数据信息进行初始化操作，其中，所述数据信息包括：数据、数据质量和数据时间；
17、设置模型模块，用于设置多源信息融合模型，将所有数据源的数据信息进行融合，计算融合后的数据集中每个数据的概率，其中，所述多源信息融合模型包括：设置动态权重函数，用于根据所述数据质量和所述数据时间，调整数据所占比重；
18、融合模块，用于将融合后的数据集中每个数据的概率与预设的数据概率阈值进行对比，将大于等于所述数据概率阈值的数据作为融合后的数据，以完成目标数据整编。
19、进一步的，所述多源信息融合模型包括：
20、，
21、其中，为融合后的数据集中数据为的概率，为正则化项，为数据源的数量，为数据、数据的数据质量和数据时间的动态权重函数，当数据存在缺失值时数据的数据质量为0，否则为1，为来自第个数据源的数据的概率。
22、进一步的，所述来自第个数据源的数据的概率包括：
23、，
24、其中，为第个数据源的高斯分布标准差，为第个数据源的高斯分布均值，为beta分布的第个第一形状参数和beta分布的第个第二形状参数组成的beta分布函数。
25、进一步的，数据、数据质量和数据时间的动态权重函数包括：
26、，
27、其中，为第一调整因子，为第二调整因子，为第三调整因子，为第个数据源中数据的数据质量，为第个数据源中数据的数据时间，为第个数据源中数据的数据质量，为第个数据源中数据的数据时间。
28、进一步的，通过梯度下降法对所述第一调整因子、所述第二调整因子，第三调整因子进行拟合。
29、通过本发明所构思的以上技术方案与现有技术相比，具有以下有益效果：
30、本发明获取每个数据源的数据信息，并对所述数据信息进行初始化操作，其中，所述数据信息包括：数据、数据质量和数据时间；设置多源信息融合模型，将所有数据源的数据信息进行融合，计算融合后的数据集中每个数据的概率，其中，所述多源信息融合模型包括：设置动态权重函数，用于根据所述数据质量和所述数据时间，调整数据所占比重；将融合后的数据集中每个数据的概率与预设的数据概率阈值进行对比，将大于等于所述数据概率阈值的数据作为融合后的数据，以完成目标数据整编。本发明通过设置融合模型，将多源情报数据进行数据融合，为在后数据分析及挖掘提供数据支撑。
1.一种自适应多源信息目标整编方法，用于多源情报数据的融合，其特征在于，包括：
2.如权利要求1所述的一种自适应多源信息目标整编方法，其特征在于，所述多源信息融合模型包括：
3.如权利要求2所述的一种自适应多源信息目标整编方法，其特征在于，所述来自第个数据源的数据的概率包括：
4.如权利要求2所述的一种自适应多源信息目标整编方法，其特征在于，数据、数据质量和数据时间的动态权重函数包括：
5.如权利要求4所述的一种自适应多源信息目标整编方法，其特征在于，通过梯度下降法对所述第一调整因子、所述第二调整因子，第三调整因子进行拟合。
6.一种自适应多源信息目标整编系统，用于多源情报数据的融合，其特征在于，包括：
7.如权利要求6所述的一种自适应多源信息目标整编系统，其特征在于，所述多源信息融合模型包括：
8.如权利要求7所述的一种自适应多源信息目标整编系统，其特征在于，所述来自第个数据源的数据的概率包括：
9.如权利要求7所述的一种自适应多源信息目标整编系统，其特征在于，数据、数据质量和数据时间的动态权重函数包括：
10.如权利要求9所述的一种自适应多源信息目标整编系统，其特征在于，通过梯度下降法对所述第一调整因子、所述第二调整因子，第三调整因子进行拟合。
