A novel approach to information fusion in multi-source datasets: A granular computing viewpoint

ظهور داده های بزرگ دیده شده است که هر دو منابع و حجم داده ها به سرعت در حال افزایش است. یک سیستم اطلاعاتی چند منبع میتواند برای نشان دادن اطلاعات کشیده شده از منابع مختلف استفاده شود. با این حال، برخی از این منابع اهمیت کمتری نسبت به دیگران دارند و برخی از آنها اساسا بی ارزش هستند. بنابراین انتخاب منابع با ارزش و هماهنگ سازی اطلاعات به طور موثر، مسائل اصلی در زمینه علوم داده است. برای بررسی این موضوع، ابتدا اعتماد به نفس و اعتماد به نفس خارجی را برای تخمین قابلیت اطمینان هر منبع اطلاعات در یک سیستم اطلاعاتی چندگانه پیشنهاد می کنیم. سپس یک اصل انتخاب منبع تهیه می شود، که اجازه می دهد منابع اطلاعاتی با ارزش و قابل اطمینان انتخاب شوند. علاوه بر این، یک روش تلفیق اطلاعات جدید با تبدیل اطلاعات اصلی هر شی به یک گره اطلاعات فازی مثلثی ساخته شده و برخی از معیارهای عدم قطعیت این فرایند تلفیقی مورد بررسی قرار گرفته است. در نهایت، برای تفسیر و درک نظریه های پیشنهادی و الگوریتم، آزمایش های گسترده در شش مجموعه داده ها انجام می شود تا تأیید شود که رویکرد ما می تواند با مسائل عملی مقابله کند. نتایج نشان می دهد که رویکرد همجوشی گرانول فازی سه گانه پیشنهاد شده برای جمع آوری اطلاعات در مجموعه داده های چند منبع کارآمد و مؤثر است.