Revista de Matemática: Teoría y Aplicaciones ISSN Impreso: 1409-2433 ISSN electrónico: 2215-3373

OAI: https://revistas.ucr.ac.cr/index.php/matematica/oai
Fusión sensorial usando medidas entrópicas de dependencia
PDF

Palabras clave

Information theory
data association
fusion; estimation
entropy
Teoría de la información
datos de asociación
fusión
estimación
entropía

Cómo citar

Deignan, P. B. (2011). Fusión sensorial usando medidas entrópicas de dependencia. Revista De Matemática: Teoría Y Aplicaciones, 18(2), 299–324. https://doi.org/10.15517/rmta.v18i2.2099

Resumen

Contrario a los métodos estándar de asociación que ligan medidas de dispersión central, las medidas de entropía cuantifican relaciones multivaluadas. Esta distinción es especialmente importante cuando no existen modelos de alta fidelidad de los fenómenos detectados. Se muestra que las propiedades de las medidas de entropía calzan en la marco Bayesiano de sensores jerárquicos de fusión. Se presenta un método de estimación de la estructura probabilística para medidas categóricas y continuas, el cual es insesgado para colecciones finitas de datos. Adicionalmente, se describe un método de ramificación y acotamiento de selección óptima del sensor apropiado tanto para refinamiento del objetivo como para detección de anomalías. Finalmente, la metodología es aplicada sobre un conjunto conocido de datos usados en una competencia estándar de minería de datos, que caracteriza tanto descriptores ralos categóricos como continuos de un objetivo. Excelentes resultados cuantitativos y computacionales con estos datos apoyan la conclusión de que la metodología propuesta es promisoria para propósitos generales con datos bajos niveles de fusión.

https://doi.org/10.15517/rmta.v18i2.2099
PDF

Citas

Bar-Shalom, Y.; Li, X.; Eason, R.; Kirubarajan, T. (2001) Estimation with Applications to Tracking and Navigation. Wiley, New York.

Blackman, S.; Popoli, R. (1999) Design and Analysis of Modern Tracking Systems. Artech House, Boston.

Bossé, É.; Roy, J.; Wark, S. (2007) Concepts, Models, and Tools for Information Fusion. Artech House, Boston.

Klein, L.A. (2004) Sensor and Data Fusion: A Tool for Information Assessment and Decision Making. SPIE Press, Bellingham, WA.

Hall, D.L.; McMullen, S.A.H. (2004) Mathematical Techniques in Multisensor Fusion, 2 ed. Artech House, Boston.

Antony, R.T. (1995) Principles of Data Fusion Automation. Artech House, Boston.

Liggins, M.E.; Hall, D.L.; Llinas, J. (2009) Handbook of Multisensor Data Fusion: Theory and Practice, 2 ed. CRC Press, New York.

Hastie, T.; Tibhirani, R.; Friedman, J. (2009) The Elements of Statistical Learning, 2 ed. Springer, New York.

Hero, A.O.; Kreucher, C.M.; Blatt, D. (2008) “Information theoretic approaches to sensor management”, in: Hero, Castanon, Cochran & Kastella (Eds.) Foundations and Applications of Sensor Management, Springer, New York: 33–57.

Varshney, P.K. (1997) Distributed Detection and Data Fusion. Springer, New York.

Mahler, R.P.S. (2007) Statistical Multisource-Multi-Target Information Fusion. Artech House, Boston.

Schuck, T.M.; Hunter, B.; Wilson, D.D. (2009) “Developing information fusion methods for combat identification”, in: M.E. Liggins, D.L. Hall & J. Llinas (Eds.) Handbook of Multisensory Data Fusion: Theory and Practice, 2 ed. CRC Press, New York.

Kreucher, C.; Kastella, K.; Hero, A.O. (2005) “Sensor management using an active sensing approach”, Sig. Proc. 85(3): 607–624.

Aughenbaugh, J.M.; LaCour, B.R. (2008) “Metric selection for information theoretic sensor management”, 11th International Conference on Information Fusion.

Roman, S. (1992) Coding and Information Theory. Springer, New York.

Bell, C.B. (1962) “Mutual information and maximal correlation as measures of dependence”, Ann. Math. Stat. 33: 587–595.

Cover, T.M.; Thomas, J.A. (1991) Elements of Information Theory. Wiley, New York.

Hall, P.; Morton, S.C. (1993) “On the estimation of entropy”, Ann. Inst. of Stat. Math. 45(1): 69–88.

Scott, D.W. (1992) Multivariate Density Estimation: Theory, Practice, and Visualization. Wiley, New York.

Defense.gov News Transcript: DoD News Briefing - Secretary Rumsfeld and Gen. Myers, United States Department of Defense (defense.gov), February 12, 2002.

Simonin, C.; LeCadre, J.; Dambreville, F. (2007) “The cross-entropy method for solving a variety of hierarchial search problems”, 10th International Conference on Information Fusion.

Fukunaga, K. (1990) Introduction to Statistical Pattern Recognition. Academic Press, London.

Yeung, R.W. (1991) “A new outlook on Shannon’s information measures”, IEEE Trans. Info. Theory 37(3): 466–474.

Deignan, P.B.; Franchek, M.A.; Meckl, P.H. (2002) “Efficient information-theoretic model input selection”, 45th Midwest Symp. Circuits and Systems 1: I-635–8.

Comentarios

Creative Commons License

Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-CompartirIgual 4.0.

Derechos de autor 2011 Paul B. Deignan

Descargas

Los datos de descargas todavía no están disponibles.