基于信息融合的电力大数据可视化预处理方法

在研究电力大数据基本特征的基础上,分析了电力大数据可视化预处理中的效率与性能问题。通过引入信息融合方法,针对电力大数据"数量大"、"类型多"等特征,采用基于Map-Reduce与神经网络相结合的大数据集样例分类融合模型,解决大数据在结构化、半结构化、非结构化并存的异构数据融合问题。其中,利用神经网络的聚类和非线性映射能力,选用改进的Hermite正交多项式激励前向神经网络模型,结合Map-Reduce模型实现大规模数据集的并行处理,将属于同一对象的异源、异构数据融合在统一的描述视图中,完成多源异构数据的分类融合。最后,通过Hadoop平台进行了算例仿真。