多来源多模态数据融合与集成研究进展

被引：50

作者：

余辉

梁镇涛

鄢宇晨

机构：

[1] 武汉大学信息资源研究中心

来源：

情报理论与实践 | 2020年 / 11期

基金：

国家自然科学基金重大项目;

关键词：

多源数据; 多模态数据; 数据融合; 数据集成; 研究进展;

D O I：

10.16353/j.cnki.1000-7490.2020.11.027

中图分类号：

TP311.13 [];

学科分类号：

1201 ;

摘要：

[目的/意义]在国内研究的基础上,对国外数据融合与集成相关文献进行系统梳理,旨在为数据融合与集成领域工作提供参考。[方法/过程]主要从相关研究、研究路径与方法以及应用与挑战三个方面进行回顾,并从概念、路径和应用三个方面指出未来研究方向。[结果/结论]目前研究路径与方法包括数据处理模型、基于阶段的策略、基于特征表示的方法以及基于语义的应用4个层面;从多传感器系统、生物医学、环境研究和城市建设4个领域研究发现,每个领域都存在着共同或者特殊的应用挑战。

引用

页码：169 / 178

页数：10

共 46 条

[1] 一种基于多源异类信息统一表示的多传感器数据融合算法 [J].

徐晓滨 ;

陈丽 ;

文成林 .

河南大学学报(自然科学版), 2005, (03) :67-71

[2]

Cumulative spatial impact layers:a novel multivariate spatio-temporal analytical summarization tool. ROMEO L,NELSON J,WINGO P,et al. Transactions in GIS . 2019

[3]

Urban computing with taxicabs. Zheng Y,Liu Y,Yuan J,Xie X. Proceedings of the 13th ACM International Conference on Ubiquitous Computing . 2011

[4]

MildInt:deep learning-based multimodal longitudinal data integration framework. LEE G,KANG B,NHO K,et al. Frontiers in Genetics . 2019

[5]

Reducing the Dimensionality of Data with Neural Net-works. G.E.Hinton,R.R.Salakhutdinov. Science . 2006

[6]

Data integration: a theoretical perspective. Lenzerini M. Proceedings of the 21nd ACM SIGMOD-SIGACT-SIGART Symposium on Principles of Database Systems . 2002

[7]

A review on heterogeneous,multi-source and multi-dimensional data mining. DAHER J B,BRUN A,BOYER A. https://hal-lirmm.ccsd.cnrs.fr/INRIA/hal- 01811232v 1 . 2020

[8]

Urban big data fusion based on deep learning:An overview. Liu J,Li T R. Information Fusion . 2020

[9]

A non-negative matrix factorization method for detecting modules in heterogeneous omics multi-modal data. Yang Z,Michailidis G. Bioinformatics . 2016

[10]

Mathematical Techniques in Mul-tisensor Data Fusion. Hall D L,McMullen S A. Artech House . 2004

← 1 2 3 4 5 →