简述数据融合的分类及特点

问题描述

精选答案

数据融合是将多传感 器信息源的数据和信息加以联合、相关及组合，获得更为精确的位置估计及身份估计，从而实现对战场态势和威胁以及其重要程度实时、完整评价的处理过程。 数据融合一词始于 20 世纪 70 年代，在 90 年代以来得到较快发展。美国国防部实验室 专家组在其 1991 年出版的数据融合字典中，对数据融合的定义如下: 从物联网的感知层到应用层，各种信息的种类和数量都成倍增加，需要分析的数据量也成级数增加，同时还涉及各种异构网络或多个系统之间数据的融合问题，如何从海量的数据中及时挖掘出隐藏信息和有效数据的问题，给数据处理带来了巨大的挑战，因 此怎样合理、有效地整合、挖掘和智能处理海量的数据是物联网的难题。

结合 P2P、云 计算等分布式计算技术，成为解决以上难题的一个途径。

云计算为物联网提供了一种新的高效率计算模式，可通过网络按需提供动态伸缩的廉价计算，其具有相对可靠并且安全的数据中心，同时兼有互联网服务的便利、廉价和大型机的能力，可以轻松实现不同设备间的数据与应用共享，用户无需担心信息泄露、黑客入侵等棘手问题。云计算是信息化发展进程中的一个里程碑，它强调信息资源的聚集、优化和动态分配，节约信息化 成本并大大提高了数据中心的效率。

其他回答

轻松心理社区

根据不同的具体情况，数据融合也有不同的分类方法。按照信息范围的差异来划分，可按时间域，空间域和频率域等一系列来划分；按照融合手段的差异进行划分，可按基于统计学，基于概率论等一系列来划分；面向数据融合中不同的级别和次序来划分，可按高级，中级以及低级来划分。目前应用较为广泛的是将数据融合分为像素级融合，特征级融合和决策级融合。

其他回答

轻松心理社区

数据层融合：直接在采集到的原始数据层上进行融合，在各种传感器的原始测报未经与处理之前就进行数据的综合与分析。数据层融合一般是采用集中式融合体系进行融合处理，这是最底层的融合

特征层融合：属于中间层融合，先对来自传感器的原始信息进行特征提取（特征可以使目标的边缘、方向、速度等），然后对特征信息进行综合分析和处理。

决策层融合

决策层融合通过不同类型的传感器观测同一目标，每个传感器在本地完成基本的处理，其中包括预处理、特征抽取、识别或判决，以建立对所观察目标的初步结论。