Войти
Слияние данных из двух источников (измерения №1 и №2) может дать классификатор, превосходящий любые классификаторы, основанные только на измерении №1 или измерении №2. Объединение данных - это процесс интеграции нескольких источников данных для получения более согласованной, точной и полезной информации, чем та, которая предоставляется любым отдельным источником данных.
Процессы объединения данных часто подразделяются на низкие, промежуточные или высокие, в зависимости от стадии обработки, на которой происходит объединение. Слияние низкоуровневых данных объединяет несколько источников необработанных данных для создания новых необработанных данных. Ожидается, что объединенные данные будут более информативными и синтетическими, чем исходные входные данные.
Например, объединение сенсоров также известно как (мультисенсорное) объединение данных и является подмножеством объединения данных.
Концепция объединения данных возникла в развитая способность людей и животных воспринимать информацию от различных органов чувств для улучшения их способности к выживанию. Например, сочетание зрения, осязания, запаха и вкуса может указывать на то, является ли вещество съедобным.
Модель совместного директора лабораторий (JDL) / Data Fusion Information Group (DFIG) В середине 1980-х годов совместные директора лабораторий сформировали подпанель Data Fusion. (которая позже стала известна как Data Fusion Group). С появлением всемирной паутины слияние данных, таким образом, включало слияние данных, датчиков и информации. JDL / DFIG представил модель слияния данных, которая разделяет различные процессы. В настоящее время шесть уровней модели информационной группы слияния данных (DFIG):
Уровень 0: предварительная обработка источника (или оценка данных)
Уровень 1: оценка объекта
Уровень 2: Оценка ситуации
Уровень 3: Оценка воздействия (или уточнение угрозы)
Уровень 4: Уточнение процесса (или управление ресурсами)
Уровень 5: Уточнение пользователя (или Cognitive Refinement)
Уровень 6: Уточнение миссии (или Управление миссией)
Хотя модель JDL (уровни 1–4) все еще используется сегодня, ее часто критикуют за то, что подразумевается, что уровни обязательно происходят по порядку, а также из-за отсутствия адекватного представления о потенциале человека в цикле. Модель DFIG (уровень 0–5) исследовала последствия осведомленности о ситуации, уточнения пользователя и управления миссией. Несмотря на эти недостатки, модели JDL / DFIG полезны для визуализации процесса слияния данных, облегчения обсуждения и общего понимания и важны для проектирования слияния информации на системном уровне.
В геопространственной (ГИС ) области слияние данных часто является синонимом интеграции данных. В этих приложениях часто возникает необходимость объединить различные наборы данных в единый (объединенный) набор данных, который включает все точки данных и временные шаги из входных наборов данных. Объединенный набор данных отличается от простого комбинированного расширенного набора тем, что точки в объединенном наборе данных содержат атрибуты и метаданные, которые, возможно, не были включены для этих точек в исходный набор данных.
Упрощенный пример этого процесса показан ниже, где набор данных «α» объединен с набором данных β для формирования объединенного набора данных δ. Точки данных в наборе «α» имеют пространственные координаты X и Y и атрибуты A1 и A2. Точки данных в наборе β имеют пространственные координаты X и Y и атрибуты B1 и B2. Объединенный набор данных содержит все точки и атрибуты.
| Набор входных данных α | Набор входных данных β | Набор объединенных данных δ | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
|
|
|
В простом случае, когда все атрибуты единообразны во всем домене анализа, атрибуты могут быть просто назначены: M ?, N ?, Q ?, R? на M, N, Q, R. В реальном приложении атрибуты не являются единообразными, и обычно требуется некоторый тип интерполяции для правильного назначения атрибутов точкам данных в объединенном наборе.
Визуализация слитных наборов данных по следам каменных омаров в Тасмановом море. Изображение, созданное с помощью программного обеспечения Myriax Pty. Ltd. В гораздо более сложном приложении исследователи морских животных используют объединение данных для объединения данных отслеживания животных с данными батиметрических, метеорологических, данные о температуре поверхности моря (SST) и среде обитания животных для изучения и понимания использования среды обитания и поведения животных в ответ на внешние факторы, такие как погода или температура воды. Каждый из этих наборов данных имеет разную пространственную сетку и частоту дискретизации, поэтому простая комбинация, вероятно, создаст ошибочные предположения и испортит результаты анализа. Но благодаря использованию объединения данных все данные и атрибуты объединяются в единое представление, в котором создается более полная картина среды. Это позволяет ученым определять ключевые места и время и формировать новые представления о взаимодействиях между окружающей средой и поведением животных.
На рисунке справа скальные омары изучаются у побережья Тасмании. Хью Педерсон из Университета Тасмании использовал программное обеспечение для объединения данных, чтобы объединить данные отслеживания южного каменного лобстера (окрашенные желтым и черным цветом для дня и ночи соответственно) с батиметрией и средой обитания данные для создания уникального 4D-изображения поведения рок-омара.
В приложениях за пределами геопространственной области применяются различия в использовании терминов Интеграция данных и Объединение данных. В таких областях, как бизнес-аналитика, например, интеграция данных используется для описания объединения данных, тогда как объединение данных - это интеграция с последующим сокращением или заменой. Интеграцию данных можно рассматривать как комбинацию наборов, в которой сохраняется более крупный набор, тогда как слияние - это метод сокращения набора с повышенной достоверностью.
сенсорные технологии могут быть объединены интеллектуальными способами для точного определения состояния трафика. Подход, основанный на слиянии данных, который использует собранные на обочине дороги акустические данные, изображения и данные датчиков, как было показано, объединяет преимущества различных индивидуальных методов.
Во многих случаях географически- рассредоточенные датчики сильно ограничены по энергии и полосе пропускания. Поэтому необработанные данные, относящиеся к определенному явлению, часто суммируются в нескольких битах от каждого датчика. При выводе двоичного события (т. Е. 
Благодаря множеству встроенных датчиков, включая датчик движения, датчик окружающей среды, датчик положения, современное мобильное устройство обычно предоставляет мобильным приложениям доступ к ряду сенсорных данных, которые можно использовать для улучшения контекстного осведомленность. Использование методов обработки сигналов и объединения данных, таких как создание признаков, технико-экономическое обоснование и анализ главных компонентов (PCA), такие сенсорные данные значительно улучшат положительную скорость классификации движения и контекстуально релевантного состояния устройства. Многие методы контекстной информации предоставлены Snidaro, et al..
 | Найдите объединение данных в Wiktionary, бесплатном словаре. |
