1、多源数据融合：方法、定义与应用

多源数据融合：方法、定义与应用

1. 动机

近年来，由于仪器技术和传感器设备的不断发展，以及复杂系统研究向整体、数据驱动的范式转变，数据集成或融合的关注度再度提升。一方面，仪器技术的发展提高了数据采集速度、不同仪器模态的耦合性、便携性以及数据存储容量，导致可用于分析的数据量大幅增长；另一方面，范式转变依赖于数据密集型的统计探索和数据挖掘来发现知识。

数据集成的需求变得无处不在，涵盖了多个不同学科。大致可分为三个主要领域，分别对应不同的参考群体：
- 多传感器/遥感领域 ：包括工程、地球科学和信号处理等学科。其数据融合的动机是改善决策，例如在机器人应用（如无人机）中实现障碍物检测和定位，或在遥感中通过整合不同图像实现高空间 - 光谱 - 时间分辨率。
- 物联网/大数据领域 ：涉及信息学、机器学习和计算机科学。主要挑战是整合来自异构（如文本、数值、关系型）和动态（持续生成/更新）数据的信息，期望通过关联不同领域的信息来改善系统和资源管理，并增进对系统行为的了解。
- 多模态数据集联合分析领域 ：涵盖化学计量学、心理计量学和应用数学等学科。主要目标是通过联合分析不同数据集获得改进的模型，从而增强对现象和问题的理解与解决能力，同时关注不同数据集之间的共性和差异以及它们的关联关系。

进行数据融合的基本假设是，融合结果比单独分析每个数据集更具信息价值，即不同数据采集模态之间的互补性或协同作用能够提供对研究系统的统一和增强视图，或改进建模、决策和对系统/现象的理解。

2. 背景与定义

数据融合作为一个特定的