آشنایی با موضوع

تلفیق داده ها(به انگلیسی Data fusion) افزایش درجه اطمینان، کاهش نوفه، کاهش شدید نرخ داده های غیر مطمئن و مواردی بسیاری ازین دست از مزیت های مهم و تأثیرگذار استفاده از سامانه تلفیق داده در تمامی کاربردهای یاد شده آن است. بنابراین استفاده از روش تلفیق داده ها یکی از ضروریات بسیار مهم در افزایش قابلیت اطمینان در کاربردهای مختلف آن از تصمیمات مدیریتی گرفته تا پایش وضعیت و عیب یابی است. در واقع در آینده و با پیچیده تر شدن سامانه های مختلف (اعم از مکانیکی، نظامی، رباتیک و غیره) چاره ای جز استفاده از چند حسگر و تلفیق داده های آن ها با یکدیگر وجود ندارد. کاربردهای گسترده داده آمیزی در حوزه های مختلف (شبکه های سنسوری، کاربردهای نظامی،. . . ) باعث شده است که تا کنون مدل ها و معماری های بسیاری برای داده آمیزی ارائه شود. مسلما با افزودن معنا به مدل های داده آمیزی، بسیاری از مشکلات این مدل ها را حل کرده و از مزایا و تکنولوژی های وب معنایی نیز برخوردار خواهیم شد. یکی از رایجترین این مدل ها، مدل JDL می باشد که برآنیم تا با افزودن معنا و گنجاندن آنتالوژی در این مدل، آن را به یک مدل معنایی گسترش دهیم. با توسعه علوم کامپیوتر و وسایل پیاده سازی سخت افزار در حوزه های گوناگونی از صنعت، داده های بیشتر و متنوع تری در دسترس قرار گرفته اند. تلفیق داده چندسنسوری تکنولوژی ای است که در آن ترکیب و تحلیل داده و اطلاعات از چندین سنسور برای تشکیل آگاهی وضعیتی دقیق تر و تعیین نحوه پاسخ دهی به آن انجام می شود. تکنولوژی های مختلف تلفیق داده در کاربردهای مختلف نظامی و غیرنظامی مانند نظارت میدان جنگ، هدایت و کنترل وسایل نقلیه خود مختار، نظارت بر ماشین آلات پیچیده، تشخیص پزشکی، و ساختمان های هوشمند پدیدار شده اند. کاربردهای تلفیق داده چندسنسوری بسیار گسترده است. بنابراین پیاده سازی یک چارچوب تلفیق داده مشترک (جهانی و یا منحصر به فرد) ممکن نیست و یک معماری تلفیق داده منحصر به فرد در زمینه های متنوعی از برنامه های کاربردی توصیه نمی شود. به همین علت معماری های متفاوتی در زمینه تلفیق داده برای سیستم های مرتبط در مقالات علمی ارائه شده است؛ اما هیچ یک از مقالات منتشر شده تاکنون، منبع جامعی در زمینه معرفی معماری های تلفیق داده را ارائه نکرده اند. این مقاله به ارائه یک بررسی جامع از انواع معماری های تلفیق داده و کاوش در مفاهیم، منافع، و جنبه های چالش برانگیز آنها می پردازد. تلفیق داده یک موضوع باز علمی و قابل استفاده در همه مسائل کاربردی به ویژه حوزه برق، رباتیک و کامپیوتر و بسیار مفید برای دانشجویان علاقه مند به تعریف پروژه های مناسب در خصوص شبکه های بیسیم، شبکه های چندحسگری، شبکه های کامپیوتری، ربات های مختلف و. . . می باشد.
در این صفحه تعداد 733 مقاله تخصصی درباره تلفیق داده ها که در نشریه های معتبر علمی و پایگاه ساینس دایرکت (Science Direct) منتشر شده، نمایش داده شده است. برخی از این مقالات، پیش تر به زبان فارسی ترجمه شده اند که با مراجعه به هر یک از آنها، می توانید متن کامل مقاله انگلیسی همراه با ترجمه فارسی آن را دریافت فرمایید.
در صورتی که مقاله مورد نظر شما هنوز به فارسی ترجمه نشده باشد، مترجمان با تجربه ما آمادگی دارند آن را در اسرع وقت برای شما ترجمه نمایند.
مقالات ISI تلفیق داده ها (ترجمه نشده)
مقالات زیر هنوز به فارسی ترجمه نشده اند.
در صورتی که به ترجمه آماده هر یک از مقالات زیر نیاز داشته باشید، می توانید سفارش دهید تا مترجمان با تجربه این مجموعه در اسرع وقت آن را برای شما ترجمه نمایند.
Elsevier - ScienceDirect - الزویر - ساینس دایرکت
Keywords: تلفیق داده ها; Data fusion; Groundwater level; Value of information (VOI); Spatio-temporal kriging method; Sampling frequency; Non-uniform hexagonal sampling pattern;
Elsevier - ScienceDirect - الزویر - ساینس دایرکت
Keywords: تلفیق داده ها; Bayesian belief network (BBN); Bayesian regression; Correlation; Data fusion; Failure rate; Corrosion; Soil resistivity; Soil corrosivity; Geographic information system (GIS)
Elsevier - ScienceDirect - الزویر - ساینس دایرکت
Keywords: تلفیق داده ها; remote sensing; snow cover; fractional snow cover; alpine-forested environments; Artificial Neural Network; data fusion; IKONOS; Landsat;