데이터 융합

두 소스(치수 #1 &#2)의 데이터를 융합하면 치수 #1 또는 치수 #2에만 근거한 어떤 분류자보다 우수한 분류자를 산출할 수 있다.

데이터 융합이란 어떤 개별 데이터 소스가 제공하는 정보보다 더 일관되고 정확하며 유용한 정보를 생산하기 위해 여러 데이터 소스를 통합하는 과정이다.

데이터 융합 프로세스는 흔히 융합이 이루어지는 처리 단계에 따라 저, 중, 고로 분류된다.^[1] 낮은 수준의 데이터 융합은 여러 원시 데이터 소스를 결합하여 새로운 원시 데이터를 생성한다. 퓨전된 데이터는 원본 입력보다 더 유익하고 합성적인 것으로 예상된다.

예를 들어 센서 융합은 (다중 센서) 데이터 융합이라고도 하며 정보 융합의 하위 집합이다.

데이터 융합의 개념은 인간과 동물이 생존 능력을 향상시키기 위해 여러 감각으로부터 정보를 통합하는 진화된 역량에 기원을 두고 있다. 예를 들어 시각, 촉각, 후각 및 미각의 조합은 물질이 식용 가능한지 여부를 나타낼 수 있다.^[2]

JDL/DFIG 모델

공동 연구소장(JDL)/DFIG(Data Fusion Information Group) 모델

1980년대 중반, 연구소의 공동 이사회는 데이터 퓨전 하위 패널(이후 데이터 퓨전 그룹으로 알려짐)을 구성했다. 월드 와이드 웹의 등장으로 데이터 융합에는 데이터, 센서, 정보 융합이 포함되었다. JDL/DFIG는 다양한 프로세스를 나누는 데이터 융합 모델을 도입했다. 현재 DFIG(Data Fusion Information Group) 모델의 6가지 수준은 다음과 같다.

레벨 0: 소스 사전 처리(또는 데이터 평가)

레벨 1: 객체 평가

레벨 2: 상황 평가

레벨 3: 영향 평가(또는 위협 요소 개선)

레벨 4: 프로세스 개선(또는 리소스 관리)

레벨 5: 사용자 정교화(또는 인지적 정교화)

레벨 6: 임무 개선(또는 임무 관리)

JDL 모델(레벨 1–4)은 오늘날에도 여전히 사용되고 있지만, 레벨이 반드시 순서대로 발생한다는 것을 함축하고 있으며, 또한 인간 루프에 대한 잠재력을 적절히 표현하지 못했기 때문에 종종 비판을 받는다. DFIG 모델(레벨 0–5)은 상황 인식, 사용자 개선 및 임무 관리의 영향을 탐구했다.^[3] 이러한 단점에도 불구하고, JDL/DFIG 모델은 데이터 융합 과정을 시각화하는데 유용하며, 토론과 공통의 이해를 용이하게 하며,^[4] 시스템 수준의 정보 융합 설계에 중요하다.^[3] ^[5]

지리공간 응용

지리공간(GIS) 영역에서 데이터 융합은 데이터 통합과 동의어가 되는 경우가 많다. 이러한 애플리케이션에서는 다양한 데이터 세트를 입력 데이터 세트의 모든 데이터 포인트와 시간 단계를 포함하는 통합(fused) 데이터 세트로 결합할 필요가 종종 있다. 퓨전된 데이터 세트는 퓨전된 데이터 세트의 포인트에 원래 데이터 세트의 이러한 포인트에 포함되지 않았을 수 있는 속성과 메타데이터가 포함되어 있다는 점에서 단순한 조합된 수퍼셋과 다르다.

데이터 세트 "α"가 데이터 세트 β와 융합되어 퓨전된 데이터 세트 Δ를 형성하는 이 프로세스의 단순화된 예가 아래에 제시되어 있다. 집합 "α"의 데이터 점에는 공간 좌표 X와 Y가 있고 계수 A1과 A2가 있다. 세트 β의 데이터 포인트에는 공간 좌표 X와 Y가 있고 속성 B1과 B2가 있다. 퓨전된 데이터 세트에는 모든 포인트와 속성이 포함되어 있다.

입력 데이터 세트 α

입력 데이터 세트 β

퓨전 데이터 세트 Δ

포인트	X	Y	A1	A2
α1	10	10	M	N
α2	10	30	M	N
α3	30	10	M	N
α4	30	30	M	N

포인트	X	Y	B1	B2
β1	20	20	Q	R
β2	20	40	Q	R
β3	40	20	Q	R
β4	40	40	Q	R

포인트	X	Y	A1	A2	B1	B2
δ1	10	10	M	N	Q?	R?
δ2	10	30	M	N	Q?	R?
δ3	30	10	M	N	Q?	R?
δ4	30	30	M	N	Q?	R?
δ5	20	20	M?	N?	Q	R
δ6	20	40	M?	N?	Q	R
δ7	40	20	M?	N?	Q	R
δ8	40	40	M?	N?	Q	R

모든 속성이 전체 분석 영역에 걸쳐 균일한 단순한 경우, 속성은 M?, N?, Q?, R?에 간단히 할당될 수 있다. 실제 애플리케이션에서 속성은 균일하지 않으며 일반적으로 퓨전 집합의 데이터 지점에 속성을 적절히 할당하기 위해 어떤 유형의 보간이 필요하다.

Tasman Sea의 랍스터 트랙에 대한 퓨전 데이터 세트 시각화. Miriax Pty가 Eonfusion 소프트웨어를 사용하여 생성한 이미지. Ltd.

훨씬 더 복잡한 적용에서 해양동물 연구자들은 데이터 융합을 사용하여 동물 추적 데이터와 배쓰미트리, 기상학, 해수면 온도(SST) 및 동물 서식지 데이터를 결합하여 날씨나 수온과 같은 외부 힘에 대한 서식지 이용과 동물의 행동을 조사하고 이해한다. 각 데이터 집합은 서로 다른 공간 격자와 샘플링 속도를 나타내므로 단순한 조합이 잘못된 가정을 만들고 분석 결과를 도색할 수 있다. 그러나 데이터 융합을 통해 모든 데이터와 속성은 환경에 대한 보다 완전한 그림이 만들어지는 단일 뷰로 통합된다. 이것은 과학자들이 주요 장소와 시간을 확인하고 환경과 동물 행동 사이의 상호 작용에 대한 새로운 통찰력을 형성할 수 있게 해준다.

오른쪽 그림에서, 바위 바닷가재는 태즈메이니아 해안에서 연구된다. Tasmania 대학의 Hugh Pederson은 데이터 퓨전 소프트웨어를 사용하여 남쪽의 랍스터 추적 데이터(각각 노란색과 검은색은 주야간)와 바스티메트리 및 서식지 데이터를 융합하여 독특한 4D 랍스터 행동의 4D 그림을 만들었다.

데이터 통합

지리공간 영역 밖의 애플리케이션에서는 데이터 통합과 데이터 융합이라는 용어의 사용 차이점이 적용된다. 예를 들어, 비즈니스 인텔리전스와 같은 분야에서는 데이터 통합이 데이터 결합을 기술하는 데 사용되는 반면, 데이터 융합은 감소 또는 대체에 따른 통합이다. 데이터 통합은 더 큰 집합이 유지되는 세트 조합으로 간주될 수 있는 반면, 융접은 향상된 신뢰도를 가진 세트 축소 기법이다.

응용 영역

다중 트래픽 감지 촬영장비

서로 다른 감지 기술의 데이터를 지능적인 방법으로 결합하여 트래픽 상태를 정확하게 결정할 수 있다. 도로 측면에서 수집된 음향, 이미지 및 센서 데이터를 활용하는 데이터 융합 기반 접근방식은 다양한 개별 방법의 장점을 결합한 것으로 나타났다.^[6]

의사결정 융합

지리적으로 분산된 센서는 에너지와 대역폭이 심각하게 제한되는 경우가 많다. 따라서 특정 현상에 관한 원시 데이터는 각 센서에서 몇 비트로 요약되는 경우가 많다. 바이너리 ${\mathcal {H}}_{0}$ ( ${\mathcal {H}}_{0}$ :^[7]^[8]^[9] H 0 ${\$ 또는 ${\mathcal {H}}_{0}$ H ${\mathcal {H}}_{1}$ ${\$ 에 대해 추론할 ${\mathcal {H}}_{1}$ 때 극단적인 경우 2진수 결정만 센서에서 DFC(Decision Fusion Center)로 전송되고 분류 성능이 개선된다.

컨텍스트 인식

모션 센서, 환경 센서, 위치 센서를 포함한 다수의 내장형 센서로, 현대의 모바일 장치는 일반적으로 모바일 애플리케이션에게 상황 인식 개선을 위해 활용할 수 있는 다수의 감각 데이터에 대한 접근을 제공한다. 형상 생성, 타당성 조사 및 주성분 분석(PCA)과 같은 신호 처리 및 데이터 융합 기법을 사용하면 장치의 움직임과 상황별 관련 상태를 분류하는 양의 비율이 크게 개선될 것이다.^[10] 많은 문맥 강화 정보 기법이 Snidaro 등으로부터 제공된다. ^[11]^[12]

참고 항목

참조

^ Klein, Lawrence A. (2004). Sensor and data fusion: A tool for information assessment and decision making. SPIE Press. p. 51. ISBN 978-0-8194-5435-5.
^ Hall, David L.; Llinas, James (1997). "An introduction to multisensor data fusion". Proceedings of the IEEE. 85 (1): 6–23. doi:10.1109/5.554205. ISSN 0018-9219.
^ ^a ^b Blasch, Erik P.; Bossé, Éloi; Lambert, Dale A. (2012). High-Level Information Fusion Management and System Design. Norwood, MA: Artech House Publishers. ISBN 978-1-6080-7151-7.
^ Liggins, Martin E.; Hall, David L.; Llinas, James (2008). Multisensor Data Fusion, Second Edition: Theory and Practice (Multisensor Data Fusion). 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). Revisiting the JDL model for information Exploitation. International Conference on Information Fusion.CS1 maint: 여러 이름: 작성자 목록(링크)
^ Joshi, V., Rajamani, N., Takayuki, K., Prathapaneni, Subramaniam, L. V. (2013). Information Fusion Based Learning for Frugal Traffic State Sensing. Proceedings of the Twenty-Third International Joint Conference on Artificial Intelligence.CS1 maint: 여러 이름: 작성자 목록(링크)
^ Ciuonzo, D.; Papa, G.; Romano, G.; Salvo Rossi, P.; Willett, P. (2013-09-01). "One-Bit Decentralized Detection With a Rao Test for Multisensor Fusion". IEEE Signal Processing Letters. 20 (9): 861–864. arXiv:1306.6141. Bibcode:2013ISPL...20..861C. doi:10.1109/LSP.2013.2271847. ISSN 1070-9908. S2CID 6315906.
^ Ciuonzo, D.; Salvo Rossi, P. (2014-02-01). "Decision Fusion With Unknown Sensor Detection Probability". IEEE Signal Processing Letters. 21 (2): 208–212. arXiv:1312.2227. Bibcode:2014ISPL...21..208C. doi:10.1109/LSP.2013.2295054. ISSN 1070-9908. S2CID 8761982.
^ Ciuonzo, D.; De Maio, A.; Salvo Rossi, P. (2015-09-01). "A Systematic Framework for Composite Hypothesis Testing of Independent Bernoulli Trials". IEEE Signal Processing Letters. 22 (9): 1249–1253. Bibcode:2015ISPL...22.1249C. doi:10.1109/LSP.2015.2395811. ISSN 1070-9908. S2CID 15503268.
^ Guiry, John J.; van de Ven, Pepijn; Nelson, John (2014-03-21). "Multi-Sensor Fusion for Enhanced Contextual Awareness of Everyday Activities with Ubiquitous Devices". Sensors. 14 (3): 5687–5701. doi:10.3390/s140305687. PMC 4004015. PMID 24662406.
^ Snidaro, Laurao; et, al. (2016). Context-Enhanced Information Fusion:Boosting Real-World Performance with Domain Knowledge. Switzerland, AG: Springer. ISBN 978-3-319-28971-7.
^ Haghighat, Mohammad; Abdel-Mottaleb, Mohamed; Alhalabi, Wadee (2016). "Discriminant Correlation Analysis: Real-Time Feature Level Fusion for Multimodal Biometric Recognition". IEEE Transactions on Information Forensics and Security. 11 (9): 1984–1996. doi:10.1109/TIFS.2016.2569061. S2CID 15624506.

원천

일반참조

Hall, Dave L.; Llinas, James (1997). "Introduction to Multisensor Data Fusion". Proceedings of the 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). "Issues and Challenges in Situation Assessment (Level 2 Fusion)" (PDF). Journal of Advances in Information Fusion. 1 (2). Archived from the original (PDF) on 2015-05-27.

참고 문헌 목록

Hall, David L.; McMullen, Sonya A. H. (2004). Mathematical Techniques in Multisensor Data Fusion, Second Edition. Norwood, MA: Artech House, Inc. ISBN 978-1-5805-3335-5.
Mitchell, H. B. (2007). Multi-sensor Data Fusion – An Introduction. Berlin: Springer-Verlag. ISBN 978-3-540-71463-7.
Das, S. (2008). High-Level Data Fusion. Norwood, MA: Artech House Publishers. ISBN 978-1-59693-281-4.

외부 링크

[Klein-1] Klein, Lawrence A. (2004). Sensor and data fusion: A tool for information assessment and decision making. SPIE Press. p. 51. ISBN 978-0-8194-5435-5.

[2] Hall, David L.; Llinas, James (1997). "An introduction to multisensor data fusion". Proceedings of the IEEE. 85 (1): 6–23. doi:10.1109/5.554205. ISSN 0018-9219.

[Blasch2012-3] Blasch, Erik P.; Bossé, Éloi; Lambert, Dale A. (2012). High-Level Information Fusion Management and System Design. Norwood, MA: Artech House Publishers. ISBN 978-1-6080-7151-7.

[Hall2008-4] Liggins, Martin E.; Hall, David L.; Llinas, James (2008). Multisensor Data Fusion, Second Edition: Theory and Practice (Multisensor Data Fusion). CRC. ISBN 978-1-4200-5308-1.

[5] Blasch, E., Steinberg, A., Das, S., Llinas, J., Chong, C.-Y., Kessler, O., Waltz, E., White, F." (2013). Revisiting the JDL model for information Exploitation. International Conference on Information Fusion.CS1 maint: 여러 이름: 작성자 목록(링크)

[6] Joshi, V., Rajamani, N., Takayuki, K., Prathapaneni, Subramaniam, L. V. (2013). Information Fusion Based Learning for Frugal Traffic State Sensing. Proceedings of the Twenty-Third International Joint Conference on Artificial Intelligence.CS1 maint: 여러 이름: 작성자 목록(링크)

[7] Ciuonzo, D.; Papa, G.; Romano, G.; Salvo Rossi, P.; Willett, P. (2013-09-01). "One-Bit Decentralized Detection With a Rao Test for Multisensor Fusion". IEEE Signal Processing Letters. 20 (9): 861–864. arXiv:1306.6141. Bibcode:2013ISPL...20..861C. doi:10.1109/LSP.2013.2271847. ISSN 1070-9908. S2CID 6315906.

[8] Ciuonzo, D.; Salvo Rossi, P. (2014-02-01). "Decision Fusion With Unknown Sensor Detection Probability". IEEE Signal Processing Letters. 21 (2): 208–212. arXiv:1312.2227. Bibcode:2014ISPL...21..208C. doi:10.1109/LSP.2013.2295054. ISSN 1070-9908. S2CID 8761982.

[9] Ciuonzo, D.; De Maio, A.; Salvo Rossi, P. (2015-09-01). "A Systematic Framework for Composite Hypothesis Testing of Independent Bernoulli Trials". IEEE Signal Processing Letters. 22 (9): 1249–1253. Bibcode:2015ISPL...22.1249C. doi:10.1109/LSP.2015.2395811. ISSN 1070-9908. S2CID 15503268.

[10] Guiry, John J.; van de Ven, Pepijn; Nelson, John (2014-03-21). "Multi-Sensor Fusion for Enhanced Contextual Awareness of Everyday Activities with Ubiquitous Devices". Sensors. 14 (3): 5687–5701. doi:10.3390/s140305687. PMC 4004015. PMID 24662406.

[11] Snidaro, Laurao; et, al. (2016). Context-Enhanced Information Fusion:Boosting Real-World Performance with Domain Knowledge. Switzerland, AG: Springer. ISBN 978-3-319-28971-7.

[dca-12] Haghighat, Mohammad; Abdel-Mottaleb, Mohamed; Alhalabi, Wadee (2016). "Discriminant Correlation Analysis: Real-Time Feature Level Fusion for Multimodal Biometric Recognition". IEEE Transactions on Information Forensics and Security. 11 (9): 1984–1996. doi:10.1109/TIFS.2016.2569061. S2CID 15624506.

[1]

[2]

[3]

[4]

[5]

[6]

[7]

[8]

[9]

[10]

[11]

[12]

Search