摘要：本文旨在设计与实现一个基于大数据的多维数据融合系统。该系统可利用深度学习等相关算法,对各类数据进行融合分析,进而获得有效信息,可以提高有用信息收集的效率与效果。多维数据融合是针对多维数据的重要处理手段,其融合结果将为后续的数据分析和学习提供更加全面、准确的信息。本系统针对多维数据利用引入深度学习的多维融合方法机智地对其进行融合处理,各类数据被赋予了同一表达形式,以避免在大量不同类型的大数据分析时的巨大复杂性。系统实验表明,在多维情况下,本系统取得了不错的效果,对大数据开展更深步的分析与学习具有推动性。本项研究提供了一种新的多维融合模式以促进更有效的大数据分析。本研究不仅为多维数据融合提供了新的思路和方法,也为大数据领域的进一步发展做出了积极贡献。

摘要：为提升推荐系统对传统影视的准确率,结合传统推荐算法和电影海报数据的特点,提出通过CLR+Easy Ensemble+CNN对电影海报特征和用户特征等多维特征进行提取和融合,然后再进行电影推荐。结果表明,在MovieLens 1M数据集和Top_N准确率、Top_N召回率为指标下,提出的电影推荐算法取得较高的准确率,在Top_N=5时准确率可达64.7%,明显高于另外几种推荐算法。由此说明,构建的推荐方法可为用户提供更为准确的电影推荐。

摘要：为提高轻度认知障碍(MCI)患者向阿尔茨海默症(AD)阶段病情进展的预测性能,提出一种融合病人多项检查数据进行学习的半监督神经网络新型模型MVIDG。通过mRMR算法对高维特征进行降维,对病人单项检查数据使用Dual-GCN进行基础模型训练,利用改进后的MVCDN网络对各项检查数据训练出的模型进行融合,以对未来一年内病人从MCI阶段向AD阶段的病情进展进行预测。实验结果表明,所提模型可有效整合病人多项检查结果以提高预测性能,效果优于其它数据融合方法。