一种基于强化学习的多源异构数据融合方法

本发明公开了一种基于强化学习的多源异构数据融合方法，包括如下步骤：获取待融合对象对应的多源异构数据，生成数据源特征和数据源状态；构建候选融合动作，将候选融合动作划分为融合动作族；获取反馈事件状态，并基于Kaplan‑Meier式删失反馈思想对反馈事件状态进行收益校正，得到删失校正收益；对候选融合动作的个体动作倾向值采用Roth‑Erev式倾向更新，对所属融合动作族的族倾向容量进行Pólya罐式更新，得到更新后的个体动作倾向值和更新后的族倾向容量；确定当前融合动作；对各数据源特征进行融合，得到融合输出结果。本发明提升多源异构数据融合结果的准确性、鲁棒性和稳定性。