本发明涉及信息处理，具体涉及多源异构数据的融合方法、装置、设备及存储介质。
背景技术：
1、目前，电力终端感知设备(如高清视频、巡视机器人、无人机、声纹监测、红外监测)实时产生不同模态的数据(如时序状态量、可见光、红外及声纹)，其中，最核心的问题在于对采集到的多源异构数据进行融合以及语义关联分析，以更好地服务于电力业务。然而，多源异构数据往往存在“同一模态内特征判别性不强”和“不同模态间语义关联较弱”的现象，使之存在难以进行高效关联分析的缺陷。
技术实现思路
1、有鉴于此，本发明提供了一种多源异构数据的融合方法、装置、设备及存储介质，以解决多源异构数据之间关联性低的问题。
2、第一方面，本发明提供了一种多源异构数据的融合方法，所述方法包括：
3、获取电力多源异构数据，所述电力多源异构数据包括时序状态量和可见光；
4、利用多目标联合优化模型对电力多源异构数据进行处理，当满足预设条件时，完成电力多源异构数据的融合。
5、本发明提供了一种多源异构数据的融合方法，通过本发明提供的方法提高了提高了多源异构数据之间的关联性。
6、在一种可选的实施方式中，利用多目标联合优化模型对电力多源异构数据进行处理，当满足预设条件时，完成电力多源异构数据的融合，包括：
7、利用bert特征提取器和transformer特征提取器分别提取时序状态量和可见光的特征，生成时序状态量特征和可见光特征；
8、利用第一目标函数对时序状态量特征和可见光特征进行处理，生成第一目标损失值；
9、利用第二目标函数对时序状态量特征和可见光特征进行处理，生成第二目标损失值；
10、当第一目标损失值及第二目标损失值满足预设条件时，完成电力多源异构数据的融合。
11、本发明提供的方法利用多目标联合优化模型，提高了不同类别的区分能力，提高判别性。
12、在一种可选的实施方式中，所述第一目标函数为：
13、
14、其中，l1表示第一目标损失值，dkl(yk||p(xk))表示kl散度，表示第k个时序状态量的真实类别标签，表示第k个时序状态量的特征，p()表示概率，nt表示训练集中时序状态量的数量，ni表示训练集中可见光的数量,表示第k个可见光的真实类别标签，表示第k个可见光的特征。
15、本发明提供的方法通过第一目标函数对多源异构数据进行分类，首先对多源异构数据在类别区分进行判别，拉开多源异构数据不同子类间的差距，保证不同类别间具有较强判别性。
16、在一种可选的实施方式中，所述第二目标函数为：
17、
18、其中，l2表示第二目标损失值，xi,xj,xk,xl组成一个四元组，分别代表锚点、正样本、第一负样本和第二负样本，上标m代表模态，m＝1为时序状态量，m＝2为可见光，d()表示距离，ɑ、β表示边界值。
19、本发明提供的方法通过第二目标函数实现最小化类内差异以及最大化类间差异，进一步提升了对不同类别的区分能力，提高判别性。
20、第二方面，本发明提供了一种多源异构数据的融合装置，所述装置包括：
21、数据获取模块，用于获取电力多源异构数据，所述电力多源异构数据包括时序状态量和可见光；
22、数据融合模块，用于利用多目标联合优化模型对电力多源异构数据进行处理，当满足预设条件时，完成电力多源异构数据的融合。
23、第三方面，本发明提供了一种计算机设备，包括：存储器和处理器，存储器和处理器之间互相通信连接，存储器中存储有计算机指令，处理器通过执行计算机指令，从而执行上述第一方面或其对应的任一实施方式的多源异构数据的融合方法。
24、第四方面，本发明提供了一种计算机可读存储介质，该计算机可读存储介质上存储有计算机指令，计算机指令用于使计算机执行上述第一方面或其对应的任一实施方式的多源异构数据的融合方法。
1.一种多源异构数据的融合方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，利用多目标联合优化模型对电力多源异构数据进行处理，当满足预设条件时，完成电力多源异构数据的融合，包括：
3.根据权利要求1所述的方法，其特征在于，所述第一目标函数为：
4.根据权利要求1所述的方法，其特征在于，所述第二目标函数为：
5.一种多源异构数据的融合装置，其特征在于，所述装置包括：
6.一种计算机设备，其特征在于，包括：
7.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机指令，所述计算机指令用于使计算机执行权利要求1至4中任一项所述的多源异构数据的融合方法。
