一种风险扰动下的多尺度跨模态数据增强方法及系统

本发明涉及一种在风险扰动下的多尺度跨模态数据增强方法及系统，从而为数智驱动的城市群应用提供更全面、更准确的数据基础；多时空尺度的城市群多域跨模态感知数据存在局部缺失、稀疏采样、噪声扰动、规律不明等问题，通过探索风险扰动下的数据增强方法，可对原本离散的人类移动行为数据进行序列化处理，并将样本中的缺失值补全，以保证样本在时间、空间和多尺度上的连续性，提高样本整体的数量和质量。借助数据增强技术，可以引入各种噪声和扰动来模拟现实世界的真实情况，从而提高模型的鲁棒性和泛化性。实现样本从稀疏到连续、质量从缺失到补全、模型从局部到全局、规律从模糊到清晰的过程，以便更好地理解数据内在的属性和关联。