Mathematics of Data Fusion

آمیختگی داده ها یا ترکیب اطلاعات نام هایی هستند که عمدتاً به مسائل نظامی اختصاص داده شده اند. در کاربردهای نظامی، مشکلات معمولی ترکیب داده ها عبارتند از: چند حسگر، تشخیص چند هدف، شناسایی شی، ردیابی، ارزیابی تهدید، ارزیابی ماموریت و برنامه ریزی ماموریت، در میان بسیاری دیگر. با این حال، واضح است که مفاهیم اساسی زیربنای چنین رویه‌های همجوشی اغلب می‌توانند در کاربردهای غیرنظامی نیز استفاده شوند. هدف این کتاب دو مورد است: اول، اشاره به شکاف‌های موجود در نحوه برخورد مفهومی با مشکلات ترکیب داده‌ها. دوم، پرداختن به این موضوع با نمایش ابزارهای ریاضی که ترکیبی از شواهد را در حضور عدم قطعیت به روشی سیستماتیک و جامع تر درمان می کنند. این تکنیک‌ها اساساً بر دو ایده جدید مربوط به نظریه احتمال استوار هستند: حوزه‌های تازه توسعه‌یافته تئوری مجموعه‌های تصادفی و جبر رویداد شرطی و رابطه‌ای.
این جلد در نظر گرفته شده است که هم به‌روزرسانی پیشرفت تحقیقات در مورد ادغام داده‌ها باشد و هم مقدمه‌ای برای تکنیک‌های جدید بالقوه قدرتمند: منطق فازی، نظریه مجموعه‌های تصادفی، و رویداد شرطی ورابطه جبر.
مخاطبان: این جلد می تواند به عنوان کتاب مرجع برای محققان و متخصصان در تلفیق داده ها یا نظریه سیستم های خبره، یا برای دانشجویان فارغ التحصیل به عنوان متن برای یک سمینار تحقیقاتی استفاده شود. یا دوره تحصیلات تکمیلی.

Data fusion or information fusion are names which have been primarily assigned to military-oriented problems. In military applications, typical data fusion problems are: multisensor, multitarget detection, object identification, tracking, threat assessment, mission assessment and mission planning, among many others. However, it is clear that the basic underlying concepts underlying such fusion procedures can often be used in nonmilitary applications as well. The purpose of this book is twofold: First, to point out present gaps in the way data fusion problems are conceptually treated. Second, to address this issue by exhibiting mathematical tools which treat combination of evidence in the presence of uncertainty in a more systematic and comprehensive way. These techniques are based essentially on two novel ideas relating to probability theory: the newly developed fields of randomset theory and conditional and relational event algebra.
This volume is intended to be both an update on research progress on data fusion and an introduction to potentially powerful new techniques: fuzzy logic, random set theory, and conditional andrelational event algebra.
Audience: This volume can be used as a reference book for researchers and practitioners in data fusion or expert systems theory, or for graduate students as text for a research seminar or graduate level course.