基于最优传输驱动的多模态数据整合、匹配和插补方法

本发明提出了一种基于最优传输驱动的多模态数据整合、匹配与插补方法，该方法构建了一个由最优传输理论驱动的Wasserstein自编码器模型。该模型能够捕捉不同模态数据的复杂分布，并通过正则化潜在空间有效应对特征稀疏性问题。同时，通过基于样本类别的对比学习，模型增强了同类模态间的相似性，从而训练出一个具备强大特征提取和匹配能力的编码器，不仅优化了数据整合与匹配的过程，还显著提高了数据插补的准确性。这一创新方法成功应对了数据科学领域中多模态数据整合与分析的核心挑战，尤其在医学影像、自动驾驶和情感分析等领域，展现出广泛的应用前景和显著的实际价值。