于佳會(huì) 劉佳靜 鄭建明

(南京大學(xué)信息管理學(xué)院 南京 210023)

大數(shù)據(jù)時(shí)代，信息爆炸式增長(zhǎng)，數(shù)據(jù)的來(lái)源也越來(lái)越廣泛，總的來(lái)說(shuō)，可以把數(shù)據(jù)來(lái)源歸納為兩大類，一類是“以物為中心”的各種傳統(tǒng)傳感器獲取的“硬數(shù)據(jù)”，另一類是“以人為中心”產(chǎn)生的“軟數(shù)據(jù)”，如社交網(wǎng)絡(luò)數(shù)據(jù)、web數(shù)據(jù)、多媒體數(shù)據(jù)等。此外，數(shù)據(jù)除來(lái)源廣外，還具有多維性特征，多維主要體現(xiàn)在數(shù)據(jù)屬性的多樣性上，即對(duì)同一對(duì)象從不同視角提取的數(shù)據(jù)，如內(nèi)容主題維度、類型維度、結(jié)構(gòu)維度、時(shí)間維度、空間維度等。

面對(duì)海量、復(fù)雜的數(shù)據(jù)，一方面難以充分挖掘出有價(jià)值的信息，另一方面單來(lái)源單維度數(shù)據(jù)難以滿足輔助科學(xué)決策的需要，多源多維數(shù)據(jù)融合發(fā)展的需求越來(lái)越迫切。與此同時(shí)，物聯(lián)網(wǎng)、云計(jì)算、人工智能等新興技術(shù)的發(fā)展，不僅提高了數(shù)據(jù)獲取與數(shù)據(jù)分析處理的能力、促進(jìn)了數(shù)據(jù)融合的發(fā)展，也增加了數(shù)據(jù)融合的研究熱度。因此，本文對(duì)多源多維數(shù)據(jù)融合的研究現(xiàn)狀進(jìn)行梳理與分析，以期為數(shù)據(jù)融合領(lǐng)域后續(xù)的理論與實(shí)踐研究提供參考。

1 概念界定

一般來(lái)說(shuō)，數(shù)據(jù)融合和信息融合通常被視為相同的概念，只是在某些情況下，數(shù)據(jù)融合用來(lái)表示處理直接從傳感器獲得的原始數(shù)據(jù)，信息融合則用來(lái)定義處理在原始數(shù)據(jù)基礎(chǔ)上形成的信息[1]。在研究文獻(xiàn)中，與數(shù)據(jù)融合相關(guān)的術(shù)語(yǔ)通常還包括傳感器融合、多傳感器融合、知識(shí)融合、數(shù)據(jù)聚合、數(shù)據(jù)集成、數(shù)據(jù)組合等。本文在處理過(guò)程中，將數(shù)據(jù)融合和信息融合視為了相同的概念。數(shù)據(jù)融合這一概念最早是在20世紀(jì)70年代美國(guó)軍事領(lǐng)域內(nèi)提出的，之后被廣泛應(yīng)用于工業(yè)、農(nóng)業(yè)、交通、醫(yī)療等領(lǐng)域。不同領(lǐng)域?qū)?shù)據(jù)融合的理解和運(yùn)用不同，因此數(shù)據(jù)融合至今依然沒(méi)有統(tǒng)一的定義。目前，被普遍采納的定義是由美國(guó)三軍組織實(shí)驗(yàn)室理事聯(lián)合會(huì)(JDL)提出的，他們認(rèn)為數(shù)據(jù)融合是一種對(duì)多源數(shù)據(jù)進(jìn)行檢測(cè)、相關(guān)、組合和估計(jì)的多層次、多方面處理過(guò)程[2]。Hall等認(rèn)為數(shù)據(jù)融合是將多種來(lái)源的數(shù)據(jù)結(jié)合起來(lái)，利用計(jì)算機(jī)進(jìn)行數(shù)據(jù)處理，得到單個(gè)或單類信息源無(wú)法獲得的有價(jià)值的綜合信息[3]。結(jié)合前人觀點(diǎn)，筆者認(rèn)為，多源多維數(shù)據(jù)融合是根據(jù)數(shù)據(jù)融合的目的和所處層次，選擇恰當(dāng)?shù)臄?shù)據(jù)融合結(jié)構(gòu)和算法，通過(guò)對(duì)描述對(duì)象不同來(lái)源不同維度的數(shù)據(jù)進(jìn)行抽取、清洗、分選等預(yù)處理，提取出數(shù)據(jù)特征并進(jìn)行關(guān)聯(lián)組合，從而得到更加準(zhǔn)確完整信息的過(guò)程。數(shù)據(jù)融合的具體流程如圖1所示。

圖1 多源多維數(shù)據(jù)融合流程

2 數(shù)據(jù)來(lái)源

依據(jù)論題解讀，筆者以中國(guó)知網(wǎng)數(shù)據(jù)庫(kù)為數(shù)據(jù)統(tǒng)計(jì)源，以“數(shù)據(jù)融合”“信息融合”“多源數(shù)據(jù)”“多維數(shù)據(jù)”“多源信息”“多維信息”為檢索詞，進(jìn)行“篇名”檢索，限定期刊來(lái)源為北大核心、CSSCI以及CSCD，檢索時(shí)間為2021年6月10日，檢索結(jié)果為5 511篇相關(guān)文獻(xiàn)。筆者對(duì)其年發(fā)文量進(jìn)行統(tǒng)計(jì)，得到年發(fā)文量曲線圖，如圖2所示(注：2021年數(shù)據(jù)不完整，截至檢索日期共計(jì)162篇)。通過(guò)圖2可以看出，1992年以前，我國(guó)并不十分重視數(shù)據(jù)融合的研究；1992-1998年，數(shù)據(jù)融合相關(guān)文獻(xiàn)開(kāi)始出現(xiàn)且年發(fā)文量逐漸增加，表明數(shù)據(jù)融合在我國(guó)開(kāi)始受到關(guān)注，相關(guān)研究開(kāi)始起步；1999-2009年，年發(fā)文量快速增長(zhǎng)，并且在2009年達(dá)到階段性峰值，表明數(shù)據(jù)融合相關(guān)研究進(jìn)入高速發(fā)展階段；2009年至今，數(shù)據(jù)融合相關(guān)文獻(xiàn)年發(fā)文量有所回落，但總體呈平穩(wěn)上升趨勢(shì)，并且年發(fā)文量數(shù)值較高，表明國(guó)內(nèi)學(xué)者對(duì)數(shù)據(jù)融合研究一直保持著較高的關(guān)注度，數(shù)據(jù)融合相關(guān)研究進(jìn)入平穩(wěn)發(fā)展階段。

圖2 我國(guó)數(shù)據(jù)融合相關(guān)論文年發(fā)文量曲線

為了解國(guó)內(nèi)多源多維數(shù)據(jù)融合的最新研究進(jìn)展，筆者對(duì)近5年的期刊文獻(xiàn)進(jìn)行了分析，把檢索時(shí)間限定為2016年1月1日至2021年6月10日，共得到1 611篇文獻(xiàn)，對(duì)檢索結(jié)果進(jìn)行預(yù)處理(去重及去除不相關(guān)等)后得到緊密相關(guān)的文獻(xiàn)1 565篇。本次研究運(yùn)用了文獻(xiàn)計(jì)量學(xué)方法，借助可視化應(yīng)用軟件VOSviewer，對(duì)研究樣本進(jìn)行分析。

3 多源多維數(shù)據(jù)融合相關(guān)研究

多源數(shù)據(jù)和多維數(shù)據(jù)都是數(shù)據(jù)融合的處理對(duì)象，根據(jù)不同的分類標(biāo)準(zhǔn)可以把數(shù)據(jù)劃分為多源數(shù)據(jù)和多維數(shù)據(jù)，多源數(shù)據(jù)是按照數(shù)據(jù)的來(lái)源進(jìn)行劃分，多維數(shù)據(jù)的劃分標(biāo)準(zhǔn)是數(shù)據(jù)的屬性，多來(lái)源也可以看作是多維度的一種維度，從這個(gè)意義上說(shuō)，多維數(shù)據(jù)的含義高于多源數(shù)據(jù)。一般來(lái)說(shuō)，多源數(shù)據(jù)和多維數(shù)據(jù)之間沒(méi)有絕對(duì)的關(guān)系，單來(lái)源的數(shù)據(jù)按照不同的性質(zhì)可以劃分出多個(gè)維度，同一性質(zhì)的數(shù)據(jù)按照不同的來(lái)源也可以劃分為多個(gè)來(lái)源，且各種來(lái)源的數(shù)據(jù)大多涉及多維度處理問(wèn)題，所以在處理數(shù)據(jù)時(shí)，對(duì)數(shù)據(jù)是多源還是多維的判斷通常不是絕對(duì)的。同時(shí)分析整理文獻(xiàn)發(fā)現(xiàn)，大多數(shù)多源多維數(shù)據(jù)融合研究主要針對(duì)多來(lái)源數(shù)據(jù)進(jìn)行分析，集中于理論研究、方法研究以及應(yīng)用研究，且不少文獻(xiàn)把多源數(shù)據(jù)融合簡(jiǎn)稱為數(shù)據(jù)融合，所以筆者主要從數(shù)據(jù)融合的理論、方法與應(yīng)用三個(gè)層面展開(kāi)分析。

3.1數(shù)據(jù)融合理論研究大數(shù)據(jù)時(shí)代，大規(guī)模的多源多維數(shù)據(jù)關(guān)聯(lián)交叉，融合處理難度大，不少學(xué)者提出數(shù)據(jù)融合面臨著諸多困境。整體來(lái)看，融合過(guò)程在融合方式變革、融合規(guī)模控制與數(shù)據(jù)存儲(chǔ)維護(hù)方面，融合結(jié)果在用戶隱私保護(hù)與實(shí)際應(yīng)用對(duì)接方面，融合技術(shù)在跨領(lǐng)域、跨學(xué)科、跨語(yǔ)言以及跨媒體融合方面存在著挑戰(zhàn)與問(wèn)題[4]。從具體領(lǐng)域來(lái)看，圖書館大數(shù)據(jù)融合面臨著多源異構(gòu)數(shù)據(jù)關(guān)聯(lián)難度大、實(shí)時(shí)大數(shù)據(jù)和歷史大數(shù)據(jù)融合復(fù)雜性大、對(duì)傳感器系統(tǒng)功能性需求大、大數(shù)據(jù)安全與開(kāi)放的矛盾大等挑戰(zhàn)；高等教育發(fā)展也存在大數(shù)據(jù)融合利用效率低、利用力度不足、浪費(fèi)嚴(yán)重、數(shù)據(jù)化水平低等困境。部分學(xué)者針對(duì)各領(lǐng)域不同的發(fā)展目的提出了數(shù)據(jù)融合的途徑，同時(shí)還有學(xué)者進(jìn)一步對(duì)數(shù)據(jù)融合的體系建設(shè)提出了構(gòu)想，如張文萍等探討了包括數(shù)據(jù)描述模型、數(shù)據(jù)服務(wù)模型、數(shù)據(jù)管理計(jì)劃等科學(xué)數(shù)據(jù)融合體系架構(gòu)[5]；翟運(yùn)開(kāi)等從層次維、時(shí)間維和種類維三個(gè)角度構(gòu)建了包括精準(zhǔn)醫(yī)療多源異構(gòu)數(shù)據(jù)融合標(biāo)準(zhǔn)體系框架[6]。

總體來(lái)說(shuō)，近幾年數(shù)據(jù)融合理論相關(guān)文獻(xiàn)數(shù)量不多，研究主要集中在面臨問(wèn)題、融合途徑以及體系建設(shè)等方面。關(guān)于數(shù)據(jù)融合困境的研究比較片面和泛化，未來(lái)還需根據(jù)發(fā)展需求與實(shí)際情況不斷剖析數(shù)據(jù)融合面臨的問(wèn)題與挑戰(zhàn)；對(duì)于數(shù)據(jù)融合途徑的研究比較薄弱，無(wú)論是從整體視角還是具體應(yīng)用領(lǐng)域來(lái)看都有很大的研究空間；許多領(lǐng)域?qū)?shù)據(jù)融合體系建設(shè)的重視度不夠，且沒(méi)有形成廣義的數(shù)據(jù)融合體系。總之，多源多維數(shù)據(jù)融合理論不夠完善，還需在理論層面進(jìn)一步展開(kāi)探討，構(gòu)建完整的系統(tǒng)理論體系。

3.2數(shù)據(jù)融合方法研究受外界環(huán)境或傳感器性能等的影響，各系統(tǒng)獲得的數(shù)據(jù)存在冗余或不準(zhǔn)確的問(wèn)題，數(shù)據(jù)融合方法通過(guò)對(duì)不同形式的數(shù)據(jù)進(jìn)行處理，可有效獲得準(zhǔn)確信息。為更直觀全面地反映數(shù)據(jù)融合方法的發(fā)展現(xiàn)狀，筆者抽取與數(shù)據(jù)融合方法研究相關(guān)的文獻(xiàn)，運(yùn)用可視化應(yīng)用軟件VOSviewer構(gòu)建關(guān)鍵詞可視化圖譜(圖3)。分析圖3可知，運(yùn)用較多的方法是神經(jīng)網(wǎng)絡(luò)(BP神經(jīng)網(wǎng)絡(luò)、卷積神經(jīng)網(wǎng)絡(luò)、深度學(xué)習(xí))、D-S證據(jù)理論、卡爾曼(Kalman)濾波、支持向量機(jī)(SVM)、遺傳算法、信息熵、自適應(yīng)加權(quán)、層次分析法、小波變換、粒子群算法、聚類、蟻群算法等。

3.2.1 基于神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)融合 心理學(xué)家Mcculloch和數(shù)學(xué)家Pitts于1943年提出神經(jīng)網(wǎng)絡(luò)概念和M-P模型，自此拉開(kāi)神經(jīng)網(wǎng)絡(luò)研究的序幕[7]。神經(jīng)網(wǎng)絡(luò)是模仿人腦進(jìn)行信息處理的算法，具有強(qiáng)大的自學(xué)習(xí)、自適應(yīng)、非線性匹配和信息處理能力，并且隨著算法的改進(jìn)，在淺層神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)上，深度神經(jīng)網(wǎng)絡(luò)被提出并不斷發(fā)展。

圖3 數(shù)據(jù)融合方法相關(guān)文獻(xiàn)的關(guān)鍵詞知識(shí)圖譜

a.BP神經(jīng)網(wǎng)絡(luò)。BP神經(jīng)網(wǎng)絡(luò)即反向傳播神經(jīng)網(wǎng)絡(luò)，屬于淺層神經(jīng)網(wǎng)絡(luò)的一種，通常由一個(gè)輸入層、一個(gè)隱藏層和一個(gè)輸出層組成，多層的網(wǎng)絡(luò)體系結(jié)構(gòu)使得信息的輸出更加準(zhǔn)確。如有學(xué)者設(shè)計(jì)了一款?；穫}(cāng)庫(kù)巡邏機(jī)器人,在對(duì)收集的泄露?；窛舛?、倉(cāng)庫(kù)內(nèi)環(huán)境溫度和濕度數(shù)據(jù)進(jìn)行拉依達(dá)去噪、歸一化后利用BP神經(jīng)網(wǎng)絡(luò)進(jìn)行融合輸出，大幅度提高了機(jī)器人報(bào)警的準(zhǔn)確性和可靠性[8]。由于外界環(huán)境的復(fù)雜性以及BP神經(jīng)網(wǎng)絡(luò)自身的缺陷，越來(lái)越多的學(xué)者借助優(yōu)化算法，如改進(jìn)蟻群算法、改進(jìn)粒子群算法、啟發(fā)螢火蟲算法、改進(jìn)煙花算法等設(shè)計(jì)BP神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)融合算法，優(yōu)化了BP神經(jīng)網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)、權(quán)值和閾值，有效地減少了冗余數(shù)據(jù)傳輸，提高了融合的精度和收斂速度，改善了數(shù)據(jù)融合算法的性能。

b.深度學(xué)習(xí)。深度學(xué)習(xí)由淺層神經(jīng)網(wǎng)絡(luò)發(fā)展而來(lái)，是深度神經(jīng)網(wǎng)絡(luò)的統(tǒng)稱，卷積神經(jīng)網(wǎng)絡(luò)、循環(huán)神經(jīng)網(wǎng)絡(luò)是深度學(xué)習(xí)中重要的算法結(jié)構(gòu)。不同于淺層神經(jīng)網(wǎng)絡(luò)，深度神經(jīng)網(wǎng)絡(luò)擁有多個(gè)隱藏層，且較低層的隱藏層輸出可以作為較高層隱藏層的輸入[9]。深度學(xué)習(xí)具有更強(qiáng)的特征表示能力，不少學(xué)者將其運(yùn)用到了數(shù)據(jù)融合算法中。如馬永軍等提出了以卷積神經(jīng)網(wǎng)絡(luò)模型為核心的無(wú)線傳感器網(wǎng)絡(luò)數(shù)據(jù)融合算法，有效地提高了數(shù)據(jù)采集精度[10]；張輝等提出了一種基于深度神經(jīng)決策森林(DNDF)的數(shù)據(jù)融合方法，有效提取了多維數(shù)據(jù)的關(guān)鍵特征，解決了體域網(wǎng)中多傳感器數(shù)據(jù)采集過(guò)程中數(shù)據(jù)冗余大、特征信息模糊的問(wèn)題[11]?？偟膩?lái)說(shuō)，與傳統(tǒng)數(shù)據(jù)融合算法相比，深度學(xué)習(xí)可以有效地改善高噪聲、多維度、大規(guī)模、結(jié)構(gòu)復(fù)雜數(shù)據(jù)的融合效果。

3.2.2 基于統(tǒng)計(jì)推理的數(shù)據(jù)融合

a.D-S證據(jù)理論。D-S證據(jù)理論于1967年被Dempster提出[12]，后又經(jīng)Shafer完善推廣[13]，是一種不確定性推理的方法，能夠高效的處理復(fù)雜和不確定信息，在數(shù)據(jù)融合領(lǐng)域發(fā)揮著重要的作用。有學(xué)者從維修性數(shù)據(jù)源中挖掘樣本量和分布特征等信息構(gòu)建證據(jù)，采用D-S理論合成證據(jù)作為權(quán)重，建立了維修性多源數(shù)據(jù)融合模型[14]；還有學(xué)者針對(duì)海量數(shù)據(jù)節(jié)點(diǎn)產(chǎn)生和傳輸中的不確定性，提出在物聯(lián)網(wǎng)節(jié)點(diǎn)加權(quán)的基礎(chǔ)上用D-S證據(jù)理論對(duì)數(shù)據(jù)進(jìn)行融合[15]。D-S證據(jù)理論可以很好地表達(dá)和處理不確定信息，然而在挖掘多源數(shù)據(jù)特征合成證據(jù)構(gòu)建數(shù)據(jù)融合模型時(shí)，需要特別注意沖突數(shù)據(jù)的融合問(wèn)題，注重考慮合成規(guī)則的適用性、運(yùn)算量的適中性以及融合結(jié)果的正確性等。

b.支持向量機(jī)理論。支持向量機(jī)是Vapnik于20世紀(jì)90年代提出的一種算法[16]，以統(tǒng)計(jì)學(xué)習(xí)理論為基礎(chǔ)，從線性可分的情況下尋找最優(yōu)分類面發(fā)展而來(lái)，主要用來(lái)進(jìn)行分類和回歸分析，在數(shù)據(jù)融合中有著一定的運(yùn)用。如蔡世清等以支持向量機(jī)為學(xué)習(xí)機(jī)來(lái)預(yù)測(cè)多傳感器信任度，使得提出的多傳感器數(shù)據(jù)融合算法具有更高的預(yù)測(cè)精度和收斂速度[17]；鄭毅等提出基于多任務(wù)支持向量機(jī)的多源健康數(shù)據(jù)融合方法，有效地融合了具有不同數(shù)據(jù)源個(gè)數(shù)的多源數(shù)據(jù)，且該方法具有較好的分類性能與結(jié)構(gòu)稀疏性[18]?？傊?，支持向量機(jī)分類和回歸分析的精確度較高，提高了數(shù)據(jù)融合算法的性能。

3.2.3 基于估計(jì)理論的數(shù)據(jù)融合 估計(jì)理論方法可以分為線性估計(jì)技術(shù)與非線性估計(jì)技術(shù)，為復(fù)雜的數(shù)據(jù)融合過(guò)程提供了強(qiáng)大的方法支撐。其中，線性估計(jì)技術(shù)包括卡爾曼濾波、小波變換、最小二乘等，經(jīng)典的非線性估計(jì)技術(shù)有擴(kuò)展卡爾曼濾波(EKF)和無(wú)跡卡爾曼濾波(UKF)等。

a.線性估計(jì)技術(shù)?？柭鼮V波方法是Kalman在1960 年提出的[19]，是一種對(duì)信息系統(tǒng)當(dāng)前的狀態(tài)進(jìn)行最優(yōu)估計(jì)的算法，一些學(xué)者用其幫助解決數(shù)據(jù)融合系統(tǒng)中信息誤差的估計(jì)問(wèn)題。如段杰等利用卡爾曼濾波算法對(duì)農(nóng)業(yè)大棚環(huán)境參數(shù)進(jìn)行數(shù)據(jù)級(jí)的融合處理，去除了數(shù)據(jù)采集中噪聲的影響，使得測(cè)量的結(jié)果更加穩(wěn)定、融合精度更高[20]；楊丹等采用卡爾曼濾波算法，設(shè)計(jì)了融合陀螺儀、加速度計(jì)和磁強(qiáng)計(jì)多種傳感器信息的機(jī)器人姿態(tài)測(cè)量系統(tǒng)，實(shí)現(xiàn)了對(duì)機(jī)器人實(shí)時(shí)姿態(tài)的精確測(cè)量[21]?？柭鼮V波算法具有較強(qiáng)的容錯(cuò)能力，但也存在著系統(tǒng)參數(shù)數(shù)量影響計(jì)算效率、不能處理非線性問(wèn)題、對(duì)狀態(tài)空間模型的精準(zhǔn)度依賴較高的不足，要想進(jìn)一步提高融合精度，需不斷優(yōu)化和改進(jìn)卡爾曼濾波算法。

b.非線性估計(jì)技術(shù)?？柭鼮V波算法無(wú)法對(duì)非線性系統(tǒng)的狀態(tài)進(jìn)行估計(jì)，為解決這一問(wèn)題，有學(xué)者提出了擴(kuò)展卡爾曼濾波算法[22]，該算法一經(jīng)提出便得到了廣泛應(yīng)用。如為獲取準(zhǔn)確、可靠的航向和姿態(tài)信息實(shí)現(xiàn)非線性系統(tǒng)的自主導(dǎo)航，盧艷軍等采用擴(kuò)展卡爾曼濾波算法進(jìn)行姿態(tài)角和航偏角估計(jì)[23]。然而，對(duì)非線性強(qiáng)度高的系統(tǒng)狀態(tài)估計(jì)時(shí)，擴(kuò)展卡爾曼濾波算法存在較大的誤差，于是精度更高、收斂性更好的無(wú)跡卡爾曼濾波算法被提出，并被一些學(xué)者應(yīng)用于數(shù)據(jù)融合中，如孟陽(yáng)等設(shè)計(jì)了基于無(wú)跡卡爾曼濾波的多傳感器最優(yōu)數(shù)據(jù)融合方法，用于處理非線性特征明顯的組合導(dǎo)航系統(tǒng)的數(shù)據(jù)融合問(wèn)題[24]?？偟膩?lái)說(shuō)，擴(kuò)展卡爾曼濾波和無(wú)跡卡爾曼濾波是適用于非線性系統(tǒng)狀態(tài)估計(jì)的近似估計(jì)方法，近年來(lái)在數(shù)據(jù)融合領(lǐng)域得到了學(xué)者的大量關(guān)注與研究。

3.2.4 基于綜合方法的數(shù)據(jù)融合 為了提高數(shù)據(jù)融合方法的性能，增強(qiáng)其適用性，數(shù)據(jù)融合方法呈現(xiàn)出不斷改進(jìn)且朝著綜合方向發(fā)展的特點(diǎn)，具體表現(xiàn)為將幾種常見(jiàn)的融合方法結(jié)合起來(lái)。如為提高數(shù)據(jù)融合結(jié)果的速度和精確度，有學(xué)者將長(zhǎng)短時(shí)記憶網(wǎng)絡(luò)、BP神經(jīng)網(wǎng)絡(luò)和模糊推理與卡爾曼濾波相結(jié)合[25]；或?qū)⒋植诩碚撆c支持向量機(jī)相結(jié)合[26]。此外，為提高數(shù)據(jù)融合可信度，還有學(xué)者將卡爾曼濾波原理和基于多層感知機(jī)的神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)法應(yīng)用到誤差協(xié)方差估計(jì)中[27]。可見(jiàn)，各種數(shù)據(jù)融合方法取長(zhǎng)補(bǔ)短，發(fā)揮各自的特點(diǎn)與優(yōu)勢(shì)，得到了優(yōu)于單一方法的融合結(jié)果。

3.3數(shù)據(jù)融合應(yīng)用研究分析文獻(xiàn)發(fā)現(xiàn)，數(shù)據(jù)融合應(yīng)用研究是當(dāng)前的重點(diǎn)與熱點(diǎn)，筆者通過(guò)整理數(shù)據(jù)融合應(yīng)用相關(guān)研究，運(yùn)用VOSviewer軟件構(gòu)建了關(guān)鍵詞知識(shí)圖譜(見(jiàn)圖4)。根據(jù)圖4可知，數(shù)據(jù)融合應(yīng)用范圍十分廣泛，主要用于故障診斷、遙感、目標(biāo)跟蹤、導(dǎo)航、目標(biāo)檢測(cè)、交通工程、目標(biāo)識(shí)別、智慧城市、狀態(tài)評(píng)估、圖像處理、機(jī)器人、產(chǎn)地鑒別、定位、三維建模等。總的來(lái)說(shuō)，針對(duì)傳統(tǒng)物理傳感器的數(shù)據(jù)融合應(yīng)用研究偏多，“以人為中心”的數(shù)據(jù)融合應(yīng)用研究較為缺乏。不同領(lǐng)域的數(shù)據(jù)融合應(yīng)用不近相同、各有側(cè)重，筆者對(duì)數(shù)據(jù)融合在圖情領(lǐng)域的具體應(yīng)用進(jìn)行了分析。

3.3.1 驅(qū)動(dòng)智慧服務(wù)深入發(fā)展 大數(shù)據(jù)時(shí)代，智慧服務(wù)的發(fā)展離不開(kāi)多來(lái)源多維度數(shù)據(jù)的支撐，數(shù)據(jù)融合技術(shù)為分析處理這些數(shù)據(jù)提供了有效途徑，受到了不少專家學(xué)者的關(guān)注，如蒲泓宇等通過(guò)對(duì)政務(wù)多源信息篩選整合，構(gòu)建了政務(wù)協(xié)同網(wǎng)絡(luò)，助力政務(wù)服務(wù)智慧化發(fā)展[28]。還有學(xué)者構(gòu)建了產(chǎn)業(yè)競(jìng)爭(zhēng)情報(bào)多源數(shù)據(jù)融合框架，推動(dòng)了競(jìng)爭(zhēng)情報(bào)智慧檢索、個(gè)性化推薦、專項(xiàng)定制以及智慧預(yù)測(cè)四種產(chǎn)業(yè)競(jìng)爭(zhēng)情報(bào)智慧服務(wù)方式的發(fā)展[29]。智慧化發(fā)展是當(dāng)今時(shí)代發(fā)展的趨勢(shì)，多源多維數(shù)據(jù)融合在智慧服務(wù)方面的應(yīng)用依然有很大的潛力，未來(lái)可以從各領(lǐng)域智慧服務(wù)的具體問(wèn)題切入，不斷增強(qiáng)數(shù)據(jù)融合應(yīng)用的廣度與深度。

圖4 數(shù)據(jù)融合應(yīng)用研究關(guān)鍵詞知識(shí)圖譜

3.3.2 促進(jìn)用戶行為綜合分析 數(shù)據(jù)融合在用戶行為方面的應(yīng)用主要是通過(guò)構(gòu)建用戶行為特征提取模型，預(yù)測(cè)用戶潛在需求，為用戶提供個(gè)性化、精準(zhǔn)化服務(wù)。如孟凡會(huì)等利用深度學(xué)習(xí)算法將多源用戶痛點(diǎn)信息進(jìn)行融合，建立了用戶痛點(diǎn)信息核心詞庫(kù)和指標(biāo)詞庫(kù)，以達(dá)到預(yù)測(cè)用戶需求發(fā)展動(dòng)向的目的[30]；張繼東等在移動(dòng)社交網(wǎng)絡(luò)用戶行為感知中加入了多源融合數(shù)據(jù)，使得對(duì)用戶行為習(xí)慣的分析更加準(zhǔn)確[31]。融合多源多維數(shù)據(jù)可以提高用戶行為感知的精準(zhǔn)性，但是用戶類型不應(yīng)該局限于移動(dòng)社交網(wǎng)絡(luò)人員。

3.3.3 助力信息資源創(chuàng)新建設(shè) 大數(shù)據(jù)時(shí)代各個(gè)機(jī)構(gòu)或者系統(tǒng)中存在著許多豐富且高質(zhì)量的數(shù)據(jù)，如何對(duì)這些多來(lái)源多維度數(shù)據(jù)進(jìn)行挖掘與使用成為資源建設(shè)的重點(diǎn)與難點(diǎn)，基于此，不少學(xué)者關(guān)注到了數(shù)據(jù)融合方法。如有學(xué)者通過(guò)判定和總結(jié)公共文化服務(wù)機(jī)構(gòu)年報(bào)文檔的格式、文本結(jié)構(gòu)和特定數(shù)據(jù)項(xiàng)的上下文特征，對(duì)各類年報(bào)數(shù)據(jù)建立了模板進(jìn)行匹配并抽取[32]；還有學(xué)者在人物專題數(shù)據(jù)庫(kù)的建設(shè)與實(shí)現(xiàn)過(guò)程中注重?cái)?shù)據(jù)關(guān)聯(lián)，融入了多源數(shù)據(jù)和自建數(shù)據(jù)，推動(dòng)了數(shù)據(jù)庫(kù)建設(shè)由數(shù)字化向數(shù)據(jù)化方向發(fā)展[33]?？偟膩?lái)說(shuō)，數(shù)據(jù)融合方法擁有著強(qiáng)大的數(shù)據(jù)分析與治理能力，為文化等信息資源的建設(shè)開(kāi)辟了良好的路徑。

3.3.4 推動(dòng)科學(xué)前沿精準(zhǔn)識(shí)別 及時(shí)探測(cè)、識(shí)別科學(xué)研究主題的最新前沿有利于科研管理者進(jìn)行科學(xué)決策，但目前相關(guān)研究主要是依據(jù)期刊論文展開(kāi)分析，單一的數(shù)據(jù)分析結(jié)果不能全面科學(xué)的反映研究領(lǐng)域的整體狀況。因此，有學(xué)者結(jié)合傳統(tǒng)LDA算法和Word2vec詞聚類算法的優(yōu)點(diǎn)，提出了LDA2vec模型，注重多源文本，將論文與專利結(jié)合起來(lái)進(jìn)行主題熱點(diǎn)分析[34]；還有學(xué)者在專利、論文信息的基礎(chǔ)上，又融入輿情信息，借助情感分析法、熵值法、CRITIC法、LDA模型法綜合識(shí)別新興技術(shù)主題[35]。此外，張維沖等還增加了圖書、基金項(xiàng)目、行業(yè)報(bào)告、政策等多種數(shù)據(jù)源，分析多源數(shù)據(jù)的時(shí)序性、主題內(nèi)容和主題關(guān)聯(lián)，以區(qū)塊鏈技術(shù)為例進(jìn)行發(fā)展趨勢(shì)識(shí)別[36]。從現(xiàn)有研究來(lái)看，運(yùn)用數(shù)據(jù)融合技術(shù)從多源文本中識(shí)別科學(xué)前沿，結(jié)果更加高速、全面和準(zhǔn)確。

3.3.5 提高突發(fā)事件響應(yīng)效率 為提高突發(fā)事件快速響應(yīng)效率，降低突發(fā)事件導(dǎo)致的損失，不少學(xué)者運(yùn)用數(shù)據(jù)融合方法從不同角度對(duì)突發(fā)事件進(jìn)行了研究。如朱鵬等從信息瀑布溯源角度出發(fā)，設(shè)計(jì)了基于時(shí)間序列與信息融合的信息瀑布溯源模型，探究突發(fā)事件信息瀑布發(fā)生發(fā)展的演進(jìn)過(guò)程[37]；徐緒堪等對(duì)大量異構(gòu)復(fù)雜的突發(fā)事件多源數(shù)據(jù)構(gòu)建信任函數(shù)，量化多源數(shù)據(jù)的可信度和關(guān)聯(lián)度，幫助獲取明晰和精準(zhǔn)的突發(fā)事件決策需求[38]?？傊?，突發(fā)事件多源數(shù)據(jù)具有動(dòng)態(tài)性、異構(gòu)性以及不確定性等特點(diǎn)，借助數(shù)據(jù)融合方法可以更好地抓取和分析數(shù)據(jù)，探究多源數(shù)據(jù)的可信度，為突發(fā)事件信息瀑布源頭尋找以及科學(xué)決策等提供有價(jià)值的信息。

3.3.6 助推科學(xué)評(píng)價(jià)全面優(yōu)化 隨著大數(shù)據(jù)、人工智能等新技術(shù)的發(fā)展，科學(xué)評(píng)價(jià)越來(lái)越朝著全面化、智能化方向發(fā)展，數(shù)據(jù)融合技術(shù)也不斷地被應(yīng)用到多源、多維綜合指標(biāo)的建設(shè)過(guò)程中。如宋新平等綜合財(cái)務(wù)數(shù)據(jù)和消費(fèi)者評(píng)論數(shù)據(jù)，建立了基于財(cái)務(wù)特征和綜合特征的競(jìng)爭(zhēng)對(duì)手評(píng)價(jià)模型，用于解決傳統(tǒng)企業(yè)競(jìng)爭(zhēng)對(duì)手評(píng)價(jià)研究中數(shù)據(jù)源單一和評(píng)價(jià)指標(biāo)片面的問(wèn)題[39]。單一的數(shù)據(jù)源已經(jīng)不能準(zhǔn)確反映作者影響力、企業(yè)競(jìng)爭(zhēng)對(duì)手等的全貌，也不利于評(píng)價(jià)指標(biāo)的合理建立。科學(xué)評(píng)價(jià)越來(lái)越需要多來(lái)源的綜合信息，基于數(shù)據(jù)融合方法建立評(píng)價(jià)模型具有現(xiàn)實(shí)意義與應(yīng)用價(jià)值。

4 總結(jié)與討論

通過(guò)文獻(xiàn)梳理可知，目前我國(guó)多源多維數(shù)據(jù)融合已經(jīng)具有一定的研究規(guī)模，研究?jī)?nèi)容包括理論、方法與應(yīng)用三個(gè)方面。就理論研究來(lái)說(shuō)，部分學(xué)者對(duì)數(shù)據(jù)融合的問(wèn)題、思路與體系等給出了自己的見(jiàn)解；就方法研究來(lái)說(shuō)，不同專業(yè)的學(xué)者對(duì)各自領(lǐng)域的數(shù)據(jù)融合方法進(jìn)行了優(yōu)化與完善；就應(yīng)用研究來(lái)說(shuō)，各領(lǐng)域根據(jù)具體問(wèn)題通過(guò)建設(shè)平臺(tái)、設(shè)計(jì)系統(tǒng)和構(gòu)建模型等方式對(duì)數(shù)據(jù)融合技術(shù)有了不同程度的運(yùn)用。其中，圖情領(lǐng)域?qū)?shù)據(jù)融合方法的使用更多體現(xiàn)在智慧服務(wù)發(fā)展、用戶行為分析、信息資源建設(shè)、科學(xué)前沿識(shí)別、突發(fā)事件響應(yīng)、科學(xué)評(píng)價(jià)優(yōu)化等方面。

當(dāng)前研究依然存在以下幾點(diǎn)不足：a.理論基礎(chǔ)研究相對(duì)薄弱，對(duì)相關(guān)概念缺少統(tǒng)一的定義與認(rèn)識(shí)，缺乏系統(tǒng)的理論基礎(chǔ)，沒(méi)有形成完整的理論體系。b.數(shù)據(jù)融合技術(shù)的發(fā)展面臨著數(shù)據(jù)異構(gòu)、數(shù)據(jù)不確定、數(shù)據(jù)異常和虛假、數(shù)據(jù)關(guān)聯(lián)等多個(gè)方面的問(wèn)題，但是大多數(shù)技術(shù)研究只是集中在解決這些問(wèn)題中的部分，缺少對(duì)解決所有問(wèn)題數(shù)據(jù)融合算法的整體研究。c.應(yīng)用研究主要集中在“以物為中心”的數(shù)據(jù)融合上，缺少對(duì)“以人為中心”的數(shù)據(jù)融合的研究，即對(duì)物理傳感器等設(shè)備獲得的“硬數(shù)據(jù)”的融合研究較多，對(duì)來(lái)自社會(huì)網(wǎng)絡(luò)、數(shù)據(jù)庫(kù)等信息系統(tǒng)的“軟數(shù)據(jù)”或“軟硬數(shù)據(jù)”融合的研究相對(duì)較少。同時(shí)，數(shù)據(jù)融合方法在圖情領(lǐng)域的應(yīng)用研究還處于起步階段，發(fā)展不成熟，未來(lái)還有很大的研究空間。

針對(duì)上述不足，未來(lái)研究可以考慮從以下幾個(gè)方面取得進(jìn)展：a.發(fā)展和完善數(shù)據(jù)融合的基礎(chǔ)理論研究，既要有針對(duì)特定應(yīng)用領(lǐng)域數(shù)據(jù)融合的特征、準(zhǔn)則和方案等的理論架構(gòu)，也要注重發(fā)展數(shù)據(jù)融合作為獨(dú)立學(xué)科廣義的融合模型與算法等系統(tǒng)理論體系。b.技術(shù)發(fā)展上注重改進(jìn)和完善現(xiàn)有數(shù)據(jù)融合算法，發(fā)展多種數(shù)據(jù)融合方法結(jié)合的綜合數(shù)據(jù)融合算法，增強(qiáng)異構(gòu)數(shù)據(jù)融合算法的魯棒性和準(zhǔn)確度，提高數(shù)據(jù)融合的性能。c.人可以提供物理傳感器無(wú)法獲得的有價(jià)值的信源，要加強(qiáng)對(duì)“以人為中心”的“軟數(shù)據(jù)”或“軟硬數(shù)據(jù)”融合的應(yīng)用研究，進(jìn)一步擴(kuò)展數(shù)據(jù)融合技術(shù)在圖情領(lǐng)域的應(yīng)用。d.構(gòu)建數(shù)據(jù)融合評(píng)估方法，對(duì)數(shù)據(jù)融合系統(tǒng)進(jìn)行多維度分析與評(píng)價(jià)。