一种基于深度学习在多数据混合探索方法

本申请提供一种基于深度学习在多数据混合探索方法，包括：根据不同数据源的采样覆盖面和样本容量,评估数据规模,判断数据源是否能支持模型构建；若数据规模无法满足要求,则通过生成对抗网络扩充样本分布；基于统计测试或先验知识评定数据源质量,确定质量权重；构建能反映数据源质量的子网络,获取质量得分,更新质量权重；通过关联分析评估数据源匹配程度,确定样本和特征选择；提取异质数据源的多样特征,表达数据关系；利用部分标记数据特征表示学习网络,评价特征的判别性能；学习不同数据源对应的任务子空间,实现联合推理,得到最终决策。