[0080] 將所有條件屬性值向量q按照其重要度的值從大到小排序，得到排序后的屬性；設(shè)置一個重要度閾值YU，對排序后的屬性進行遍歷，若對應(yīng)的重要度大于YU，則將q保留在B中；若重要度小于或等于YU，則將q從B中移除，視為冗余屬性，剩余在B中的就是核心屬性集，其他被移除的屬性視為冗余；用核心屬性集構(gòu)建新的決策表；記作約簡決策表； [0081] 利用MODLEM規(guī)則提取算法從簡約決策表中提取決策規(guī)則，決策規(guī)則的前件是條件屬性值向量的組合，后件是對應(yīng)的決策屬性值； [0082] 計算決策規(guī)則的確信度 ；其中，r1表示完全支持決策規(guī) 則r的目標對象構(gòu)成的集合，r2表示部分支持決策規(guī)則的目標對象構(gòu)成的集合；μ1和μ2為確信度調(diào)節(jié)參數(shù)，用于控制部分支持目標對象和規(guī)則覆蓋目標對象對確信度的影響；Gr為決策規(guī)則的條件屬性值的個數(shù)； [0083] 計算決策規(guī)則的覆蓋率： ；其中，F(xiàn)Hr為覆蓋函 數(shù)， ；其中，η為覆蓋調(diào)節(jié)參數(shù)，取值范圍[0， 1]；φ為指數(shù)衰減率參數(shù)，是一個正實數(shù)； [0084] 基于決策規(guī)則的覆蓋率和確信度計算得到?jīng)Q策規(guī)則的綜合權(quán)重ZQ(r)，；其中，ε為綜合權(quán)重參數(shù)，用于控制確信度 和覆蓋率在綜合權(quán)重中的相對重要性； [0085] 得到融合數(shù)據(jù)特征 ；其中，JC(r)為決策規(guī)則的向 量，是一個0?1向量，維數(shù)等于所有不同條件屬性值的個數(shù)； [0086] 將融合數(shù)據(jù)特征映射為數(shù)值型的特征向量，利用決策規(guī)則的綜合權(quán)重作為特征向量的分量值。 [0087] 本實施例中，需要具體說明的是，所述獲取最終融合數(shù)據(jù)的具體方式為： [0088] 將融合后的連續(xù)型數(shù)據(jù)與離散型數(shù)據(jù)分別看作一個數(shù)據(jù)簇，對于每個數(shù)據(jù)簇，將其對應(yīng)的連續(xù)融合數(shù)據(jù)特征與離散融合數(shù)據(jù)特征映射到低維空間，即進行降維，減少數(shù)據(jù)的維度； [0089] 對于同一數(shù)據(jù)簇中的每兩個數(shù)據(jù)對應(yīng)的特征向量v和z，計算v與z之間的綜合相似性K(vz)；將綜合相似性K(vz)作為元素，構(gòu)建特征向量相似性矩陣K； [0090] ；其中，N (v)為特征向量v的k近鄰集合；N(z)為特征向量z的k近鄰集合；α為指數(shù)參數(shù)，可以調(diào)節(jié)共享最近鄰居數(shù)量對相似性的影響程度，τ為簇內(nèi)距離調(diào)節(jié)參數(shù)，靈活控制簇內(nèi)位置對相似性的影響程度；Mv為特征向量v到其所屬的數(shù)據(jù)簇的簇中心的距離；Mz為特征向量z到其所屬的數(shù)據(jù)簇的簇中心的距離； [0091] 在預(yù)設(shè)的低維空間中隨機初始化H個低維數(shù)據(jù)點，對于低維空間中每兩個低維數(shù)據(jù)點，計算它們之間的綜合相似性，將綜合相似性作為元素構(gòu)建低維空間相似性矩陣Z；計算低維空間相似性矩陣Z和特征向量相似性矩陣K之間的KL散度，使用梯度下降法迭代優(yōu)化低維數(shù)據(jù)點的位置，以最小化KL散度，使得低維空間中的相似性矩陣Z盡可能接近高維空間中的相似性矩陣K；迭代優(yōu)化收斂后，得到最終的低維數(shù)據(jù)點，對應(yīng)于數(shù)據(jù)簇中的數(shù)據(jù)，即完成降維； [0092] 通過優(yōu)化低維空間中數(shù)據(jù)的位置，使得低維空間中的相似性盡可能保留高維空間中的局部和全局結(jié)構(gòu)； [0093] 將降維后的連續(xù)數(shù)據(jù)特征與離散數(shù)據(jù)特征進行拼接融合，獲取最終融合數(shù)據(jù)。 [0094] 本實施例中，需要具體說明的是，本實施與現(xiàn)有技術(shù)的區(qū)別主要在于本實施例具備步驟S03、步驟S04與步驟S05，有利于通過對連續(xù)型數(shù)據(jù)的數(shù)據(jù)特征進行連續(xù)類融合處理，構(gòu)建連續(xù)融合模型獲取連續(xù)融合數(shù)據(jù)特征，對離散型數(shù)據(jù)的數(shù)據(jù)特征進行離散類融合處理，獲取離散融合數(shù)據(jù)特征，再對連續(xù)融合數(shù)據(jù)特征與離散融合數(shù)據(jù)特征進行降維處理，而后進行最終融合，獲取最終融合數(shù)據(jù)；將交通數(shù)據(jù)分為連續(xù)型數(shù)據(jù)與離散型數(shù)據(jù)，進行分類處理再進行融合，在應(yīng)對多源傳感環(huán)境下的交通數(shù)據(jù)時，對不同類型數(shù)據(jù)采取不同的融合方式進行對應(yīng)的初步融合后，再進行降維將連續(xù)型數(shù)據(jù)與離散型數(shù)據(jù)進行融合，提高了數(shù)據(jù)融合的精度與適應(yīng)度，為后續(xù)使用數(shù)據(jù)提供了便利，奠定了基礎(chǔ)。 [0095] 最后：以上所述僅為本發(fā)明的優(yōu)選實施例而已，并不用于限制本發(fā)明，凡在本發(fā)明的精神和原則之內(nèi)，所做的任何修改、等同替換、改進等，均應(yīng)包含在本發(fā)明的保護范圍之內(nèi)。 [0096] 以上所述，僅為本申請的具體實施方式，但本申請的保護范圍并不局限于此，任何熟悉本技術(shù)領(lǐng)域的技術(shù)人員在本申請揭露的技術(shù)范圍內(nèi)，可輕易想到變化或替換，都應(yīng)涵蓋在本申請的保護范圍之內(nèi)。因此，本申請的保護范圍應(yīng)以所述權(quán)利要求的保護范圍為準。