态势信息可视分析方法、装置、电子设备及存储介质与流程

本发明涉及综合态势感知，特别是涉及一种态势信息可视分析方法、装置、电子设备及存储介质。

背景技术：

1、综合态势感知领域针对多源态势信息，从不同角度和层级进行全维展示，为全面及时掌握空间环境域的能力现状提供支撑，是开展任务筹划、方案实施等典型任务的决策基础，是任务精准实现的重要保证。随着信息化的快速发展，综合态势感知被提升到了战略高度，已经成为综合信息展示领域聚焦的热点。另外，综合态势是多种态势信息的有机组合，在将多源态势数据资源进行规范处理，并有序挖掘形成态势信息的基础上，以一定的组织管理方式，才能确保态势信息在处理、分析、展现等过程中的完整性和准确性。

2、目前，在大数据时代喷薄而出的数据洪流之下，态势数据类型越来越丰富, 数据量也越来越大，数据已经具有了明显的大数据特征，如大容量、多类型、难辨识以及高价值等。随着业务与信息技术融合的日益加深，综合态势感知技术面临的不再是数据匮乏的问题，而是如何从海量的数据中淘取价值，让数据具有利用价值，但是传统的综合态势感知技术往往受到态势数据海量类型的影响，而对态势数据的分析较为不全面，分析准确度也较低，且可视效果不够直观。

技术实现思路

1、基于此，有必要针对上述技术问题，提供一种能够提高多种来源的多种类型的态势数据的分析全面性、分析准确度以及可视直观效果的态势信息可视分析方法、装置、电子设备及存储介质。

2、本发明提供了一种态势信息可视分析方法，所述方法包括：

3、通过计算引擎通过监听消息消费队列中的数据获取数据源，并对所述数据源进行清洗预处理，以将清洗预处理后的所述数据源存储于数据库中；

4、调用算法平台对所述数据库中的数据源进行计算和深度分析，得到态势信息画像，并将所述态势信息画像存储于数据画像信息数据库中，以实时调取所述态势信息画像映射至信息可视层；

5、其中，所述数据源包括多种来源的多类型综合态势数据，所述综合态势数据包括结构化数据和非结构化数据，所述算法平台为基于多种基础算法和机器学习框架构建得到的，所述基础算法至少包括文本挖掘算法、分类算法、回归算法、聚类算法以及推荐算法。

6、在其中一个实施例中，所述通过计算引擎通过监听消息消费队列中的数据获取数据源，并对所述数据源进行清洗预处理，以将清洗预处理后的所述数据源存储于数据库中，包括：

7、从所述数据源中提取出所述非结构化数据，并通过定义的过滤模型或过滤规则对所述非结构化数据进行数据质量过滤，以滤除所述非结构化数据中数据质量不满足设定要求的低质量数据；

8、调用布隆过滤器技术对过滤处理后的所述非结构化数据进行数据去重，得到预处理后的所述非结构化数据，并将所述结构化数据以及预处理后的所述非结构化数据存储于所述数据库中。

9、在其中一个实施例中，所述调用算法平台对所述数据库中的数据源进行计算和深度分析，得到态势信息画像，并将所述态势信息画像存储于数据画像信息数据库中，以实时调取所述态势信息画像映射至信息可视层，之前包括：

10、基于所述文本挖掘算法、分类算法、回归算法、聚类算法以及推荐算法结合机器学习框架flink构建所述算法平台；

11、通过所述算法平台抽象出对应所述多种来源的多类型综合态势数据的计算和深度分析算法，以对所述算法平台进行优化，得到每种类型的所述综合态势数据的计算框架。

12、在其中一个实施例中，所述调用算法平台对所述数据库中的数据源进行计算和深度分析，得到态势信息画像，并将所述态势信息画像存储于数据画像信息数据库中，以实时调取所述态势信息画像映射至信息可视层，包括：

13、调用所述算法平台根据不同类型的所述综合态势数据建立每种类型的所述综合态势数据对应的分析处理模型；

14、通过所述分析处理模型对同一类型的所述综合态势数据对应的多个处理分析任务进行拟合，得到处理分析结果；

15、其中，相同类型的所述综合态势数据之间数据共享，且同一类型的所述综合态势数据对应的每个处理分析任务之间具有共享参数，所述处理分析结果由每个处理分析任务的多个子任务的分析结果输出进行融合得到的。

16、在其中一个实施例中，所述调用算法平台对所述数据库中的数据源进行计算和深度分析，得到态势信息画像，并将所述态势信息画像存储于数据画像信息数据库中，以实时调取所述态势信息画像映射至信息可视层，还包括：

17、根据对应类型的所述综合态势数据的数据离散程度和数据规模确定所述处理分析任务中每个子任务的融合权重，并调用融合公式根据所述每个子任务的融合权重对多个子任务的分析结果输出进行融合；

18、其中，所述融合权重的计算公式为：

19、;

20、式中，为所述综合态势数据的数据离散程度，为所述综合态势数据的数据规模，为融合权重；

21、所述融合公式为：

22、；

23、式中， result为融合后的总分值， n为子任务个数， resulti为第i个子任务的分析结果输出，为第i个子任务的融合权重。

24、在其中一个实施例中，所述调用算法平台对所述数据库中的数据源进行计算和深度分析，得到态势信息画像，并将所述态势信息画像存储于数据画像信息数据库中，以实时调取所述态势信息画像映射至信息可视层，还包括：

25、获取多种来源的所述综合态势数据，并将所述综合态势数据划分为离线数据和实时数据；

26、调用所述算法平台中的离线处理层和近线分析层对所述离线数据和实时数据进行加工分析，并调用在线计算层对加工分析后的所述离线数据和实时数据进行计算和深度分析，以生成所述态势信息画像；

27、其中，所述算法平台包括所述离线处理层、近线分析层以及在线计算层。

28、在其中一个实施例中，所述算法平台还包括所述信息可视层；

29、所述调用算法平台对所述数据库中的数据源进行计算和深度分析，得到态势信息画像，并将所述态势信息画像存储于数据画像信息数据库中，以实时调取所述态势信息画像映射至信息可视层，还包括：

30、从所述数据画像信息数据库中实时调取所述在线计算层生成的所述态势信息画像，并发送至所述算法平台的信息可视层，以将所述态势信息画像映射至所述信息可视层。

31、本发明还提供了一种态势信息可视分析装置，所述装置包括：

32、数据预处理模块，用于通过计算引擎通过监听消息消费队列中的数据获取数据源，并对所述数据源进行清洗预处理，以将清洗预处理后的所述数据源存储于数据库中；

33、信息可视分析模块，用于调用算法平台对所述数据库中的数据源进行计算和深度分析，得到态势信息画像，并将所述态势信息画像存储于数据画像信息数据库中，以实时调取所述态势信息画像映射至信息可视层；

34、其中，所述数据源包括多种来源的多类型综合态势数据，所述综合态势数据包括结构化数据和非结构化数据，所述算法平台为基于多种基础算法和机器学习框架构建得到的，所述基础算法至少包括文本挖掘算法、分类算法、回归算法、聚类算法以及推荐算法。

35、本发明还提供了一种电子设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现如上述任一种所述的态势信息可视分析方法。

36、本发明还提供了一种计算机存储介质，存储有计算机程序，所述计算机程序被处理器执行时实现如上述任一种所述的态势信息可视分析方法。

37、上述态势信息可视分析方法、装置、电子设备及存储介质，通过建立对各类型态势数据资源的集成化管理，使用大数据处理和可视化分析技术进行态势感知，能够较为全面地分析不同类型的多源态势信息，进而充分发挥智能检测以及大数据深度分析等技术的优势，形成要素齐全且内容丰富的综合态势信息，将多类型态势数据的分析结果进行有机组合，最终形成综合态势信息可视化视图，能够实现对空间环境态势的全面把握和精准掌控，提高了多种来源的多种类型的态势数据的分析全面性、分析准确度以及可视效果的直观性。