La fusión de datos es el proceso de integrar múltiples fuentes de datos para producir información más consistente, precisa y útil que la proporcionada por cualquier fuente de datos individual.
Los procesos de fusión de datos a menudo se clasifican en bajos, intermedios o altos, según la etapa de procesamiento en la que se produce la fusión. [1] La fusión de datos de bajo nivel combina varias fuentes de datos sin procesar para producir nuevos datos sin procesar. La expectativa es que los datos fusionados sean más informativos y sintéticos que las entradas originales.
Por ejemplo, la fusión de sensores también se conoce como fusión de datos (multisensor) y es un subconjunto de la fusión de información .
El concepto de fusión de datos tiene su origen en la capacidad evolucionada de humanos y animales para incorporar información de múltiples sentidos para mejorar su capacidad de supervivencia. Por ejemplo, una combinación de vista, tacto, olfato y gusto puede indicar si una sustancia es comestible. [2]
El modelo JDL / DFIG
A mediados de la década de 1980, los directores conjuntos de laboratorios formaron el subpanel de fusión de datos (que más tarde se conocería como el grupo de fusión de datos). Con la llegada de la World Wide Web, la fusión de datos incluyó la fusión de datos, sensores e información. El JDL / DFIG introdujo un modelo de fusión de datos que dividió los diversos procesos. Actualmente, los seis niveles con el modelo Data Fusion Information Group (DFIG) son:
Nivel 0: procesamiento previo de la fuente (o evaluación de datos )
Nivel 1: Evaluación de objetos
Nivel 2: Evaluación de la situación
Nivel 3: Evaluación de impacto (o refinamiento de amenazas )
Nivel 4: Refinamiento de procesos (o gestión de recursos )
Nivel 5: Refinamiento del usuario (o Refinamiento cognitivo )
Nivel 6: Refinamiento de la misión (o Gestión de la misión )
Aunque el modelo JDL (niveles 1 a 4) todavía se usa hoy en día, a menudo se lo critica por su implicación de que los niveles ocurren necesariamente en orden y también por su falta de representación adecuada del potencial de un humano en el bucle. . El modelo DFIG (Nivel 0-5) exploró las implicaciones de la conciencia de la situación, el refinamiento del usuario y la gestión de la misión. [3] A pesar de estas deficiencias, los modelos JDL / DFIG son útiles para visualizar el proceso de fusión de datos, facilitando la discusión y el entendimiento común, [4] e importantes para el diseño de fusión de información a nivel de sistemas. [3] [5]
Aplicaciones geoespaciales
En el dominio geoespacial ( GIS ), la fusión de datos es a menudo sinónimo de integración de datos . En estas aplicaciones, a menudo existe la necesidad de combinar diversos conjuntos de datos en un conjunto de datos unificado (fusionado) que incluye todos los puntos de datos y los pasos de tiempo de los conjuntos de datos de entrada. El conjunto de datos fusionado es diferente de un superconjunto combinado simple en que los puntos en el conjunto de datos fusionado contienen atributos y metadatos que podrían no haber sido incluidos para estos puntos en el conjunto de datos original.
A continuación se muestra un ejemplo simplificado de este proceso, donde el conjunto de datos "α" se fusiona con el conjunto de datos β para formar el conjunto de datos fusionados δ. Los puntos de datos del conjunto "α" tienen coordenadas espaciales X e Y y atributos A1 y A2. Los puntos de datos del conjunto β tienen coordenadas espaciales X e Y y atributos B1 y B2. El conjunto de datos fusionados contiene todos los puntos y atributos.
Conjunto de datos de entrada α | Conjunto de datos de entrada β | Conjunto de datos fusionados δ | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
|
|
|
En un caso simple en el que todos los atributos son uniformes en todo el dominio de análisis, los atributos pueden asignarse simplemente: M ?, N ?, Q ?, R? a M, N, Q, R. En una aplicación real, los atributos no son uniformes y generalmente se requiere algún tipo de interpolación para asignar correctamente los atributos a los puntos de datos en el conjunto fusionado.
En una aplicación mucho más complicada, los investigadores de animales marinos utilizan la fusión de datos para combinar datos de seguimiento de animales con datos batimétricos , meteorológicos , de temperatura de la superficie del mar (SST) y del hábitat de los animales para examinar y comprender la utilización del hábitat y el comportamiento de los animales en reacción a fuerzas externas como el clima. o temperatura del agua. Cada uno de estos conjuntos de datos exhibe una cuadrícula espacial y una tasa de muestreo diferentes, por lo que una combinación simple probablemente crearía suposiciones erróneas y dañaría los resultados del análisis. Pero mediante el uso de la fusión de datos, todos los datos y atributos se reúnen en una sola vista en la que se crea una imagen más completa del entorno. Esto permite a los científicos identificar lugares y momentos clave y formar nuevos conocimientos sobre las interacciones entre el medio ambiente y el comportamiento de los animales.
En la figura de la derecha, se estudian las langostas de roca frente a la costa de Tasmania. Hugh Pederson, de la Universidad de Tasmania, utilizó un software de fusión de datos para fusionar los datos de rastreo de la langosta de roca del sur (codificados por colores en amarillo y negro para el día y la noche, respectivamente) con datos de batimetría y hábitat para crear una imagen 4D única del comportamiento de la langosta de roca.
Integración de datos
En aplicaciones fuera del dominio geoespacial, se aplican diferencias en el uso de los términos Integración de datos y Fusión de datos. En áreas como la inteligencia empresarial, por ejemplo, la integración de datos se usa para describir la combinación de datos, mientras que la fusión de datos es integración seguida de reducción o reemplazo. La integración de datos puede verse como una combinación de conjuntos en la que se retiene el conjunto más grande, mientras que la fusión es una técnica de reducción de conjuntos con mayor confianza.
Áreas de aplicación
De múltiples modalidades de detección de tráfico
Los datos de las diferentes tecnologías de detección se pueden combinar de manera inteligente para determinar el estado del tráfico con precisión. Se ha demostrado que un enfoque basado en la fusión de datos que utiliza los datos acústicos, de imágenes y de sensores recopilados al costado de la carretera combina las ventajas de los diferentes métodos individuales. [6]
Fusión de decisiones
En muchos casos, los sensores dispersos geográficamente tienen una gran limitación de energía y ancho de banda. Por lo tanto, los datos brutos relacionados con un determinado fenómeno a menudo se resumen en unos pocos bits de cada sensor. Al inferir sobre un evento binario (es decir, o ), en el caso extremo, solo las decisiones binarias se envían desde los sensores a un Centro de Fusión de Decisiones (DFC) y se combinan para obtener un rendimiento de clasificación mejorado. [7] [8] [9]
Para una mayor conciencia contextual
Con una multitud de sensores incorporados que incluyen sensor de movimiento, sensor ambiental, sensor de posición, un dispositivo móvil moderno generalmente brinda a las aplicaciones móviles acceso a una serie de datos sensoriales que podrían aprovecharse para mejorar la conciencia contextual. El uso de técnicas de procesamiento de señales y fusión de datos, como la generación de características, el estudio de viabilidad y el análisis de componentes principales (PCA), estos datos sensoriales mejorarán en gran medida la tasa positiva de clasificación del movimiento y el estado contextual relevante del dispositivo. [10] Snidaro, et al. Proporcionan muchas técnicas de información mejoradas por contexto. [11] [12]
Ver también
Referencias
- ^ Klein, Lawrence A. (2004). Fusión de sensores y datos: una herramienta para la evaluación de la información y la toma de decisiones . SPIE Press. pag. 51. ISBN 978-0-8194-5435-5.
- ^ Hall, David L .; Llinas, James (1997). "Una introducción a la fusión de datos multisensor" . Actas del IEEE . 85 (1): 6–23. doi : 10.1109 / 5.554205 . ISSN 0018-9219 .
- ^ a b Blasch, Erik P .; Bossé, Éloi; Lambert, Dale A. (2012). Gestión de fusión de información de alto nivel y diseño de sistemas . Norwood, MA: Artech House Publishers. ISBN 978-1-6080-7151-7.
- ^ Liggins, Martin E .; Hall, David L .; Llinas, James (2008). Fusión de datos multisensor, segunda edición: teoría y práctica (fusión de datos multisensor) . CRC. ISBN 978-1-4200-5308-1.
- ^ Blasch, E., Steinberg, A., Das, S., Llinas, J., Chong, C.-Y., Kessler, O., Waltz, E., White, F. "(2013). Revisitando el JDL modelo de explotación de la información Congreso Internacional de Fusión de la Información.CS1 maint: varios nombres: lista de autores ( enlace )
- ^ Joshi, V., Rajamani, N., Takayuki, K., Prathapaneni, Subramaniam, LV (2013). Aprendizaje basado en la fusión de información para la detección del estado del tráfico frugal . Actas de la Vigésima Tercera Conferencia Conjunta Internacional sobre Inteligencia Artificial.CS1 maint: varios nombres: lista de autores ( enlace )
- ^ Ciuonzo, D .; Papa, G .; Romano, G .; Salvo Rossi, P .; Willett, P. (1 de septiembre de 2013). "Detección descentralizada de un bit con una prueba Rao para fusión multisensor". Cartas de procesamiento de señales IEEE . 20 (9): 861–864. arXiv : 1306.6141 . Código bibliográfico : 2013ISPL ... 20..861C . doi : 10.1109 / LSP.2013.2271847 . ISSN 1070-9908 . S2CID 6315906 .
- ^ Ciuonzo, D .; Salvo Rossi, P. (1 de febrero de 2014). "Fusión de decisiones con probabilidad de detección de sensor desconocido". Cartas de procesamiento de señales IEEE . 21 (2): 208–212. arXiv : 1312.2227 . Código Bibliográfico : 2014ISPL ... 21..208C . doi : 10.1109 / LSP.2013.2295054 . ISSN 1070-9908 . S2CID 8761982 .
- ^ Ciuonzo, D .; De Maio, A .; Salvo Rossi, P. (1 de septiembre de 2015). "Un marco sistemático para pruebas de hipótesis compuestas de ensayos independientes de Bernoulli". Cartas de procesamiento de señales IEEE . 22 (9): 1249-1253. Código Bibliográfico : 2015ISPL ... 22.1249C . doi : 10.1109 / LSP.2015.2395811 . ISSN 1070-9908 . S2CID 15503268 .
- ^ Guiry, John J .; van de Ven, Pepijn; Nelson, John (21 de marzo de 2014). "Fusión de sensores múltiples para una conciencia contextual mejorada de las actividades cotidianas con dispositivos ubicuos" . Sensores . 14 (3): 5687–5701. doi : 10.3390 / s140305687 . PMC 4004015 . PMID 24662406 .
- ^ Snidaro, Laurao; et al. (2016). Fusión de información mejorada por contexto: impulsar el rendimiento en el mundo real con conocimiento del dominio . Suiza, AG: Springer. ISBN 978-3-319-28971-7.
- ^ Haghighat, Mohammad; Abdel-Mottaleb, Mohamed; Alhalabi, Wadee (2016). "Análisis de correlación discriminante: fusión de nivel de característica en tiempo real para el reconocimiento biométrico multimodal" . Transacciones IEEE sobre seguridad y análisis forense de la información . 11 (9): 1984–1996. doi : 10.1109 / TIFS.2016.2569061 . S2CID 15624506 .
Fuentes
- Referencias generales
- Hall, Dave L .; Llinas, James (1997). "Introducción a la fusión de datos multisensor". Actas del IEEE . 85 (1): 6–23. doi : 10.1109 / 5.554205 .
- Blasch, Erik; Kadar, Ivan; Salerno, John; Kokar, Mieczyslaw M .; Das, Subrata; Powell, Gerald M .; Corkill, Daniel D .; Ruspini, Enrique H. (2006). "Problemas y desafíos en la evaluación de situaciones (fusión de nivel 2)" (PDF) . Revista de avances en la fusión de información . 1 (2). Archivado desde el original (PDF) el 27 de mayo de 2015.
Bibliografía
- Hall, David L .; McMullen, Sonya AH (2004). Técnicas matemáticas en fusión de datos multisensor, segunda edición . Norwood, MA: Artech House, Inc. ISBN 978-1-5805-3335-5.
- Mitchell, HB (2007). Fusión de datos multisensor: una introducción . Berlín: Springer-Verlag. ISBN 978-3-540-71463-7.
- Das, S. (2008). Fusión de datos de alto nivel . Norwood, MA: Artech House Publishers. ISBN 978-1-59693-281-4.
enlaces externos
- Análisis de correlación discriminante (DCA)
- Sensordata Fusion, una introducción
- Sociedad Internacional de Fusión de la Información
- Fusión de sensores para nanoposicionamiento