A qualitative spatial model for information fusion and situation analysis
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
In this paper, we present a qualitative spatial model that is particularly suitable for situation analysis and information fusion. Situation analysis is a process that leads to situation awareness. Information fusion is an important aspect of situation analysis. Many studies have shown that, in order to support a commanding officer in gaining and maintaining situation awareness, a situation analysis support system must ensure a cognitive fit between the officer's mental approach and the system's interactions and processing. Spatial reasoning is one of the main mental processes that the commanding officer performs to analyze a situation. It allows for the evaluation of many key information elements that are required for situation assessment such as the location, disposition, arrangement, distance, etc, of objects. In practical situations, commanding officers mainly use qualitative spatial reasoning. Therefore, a qualitative spatial model seems to be highly suitable to ensure a cognitive fit with the mental spatial model of officers. This paper presents such a model, elaborated at Defence Research Establishment Valcartier (DREV), that is inspired from the human spatial reasoning approach and that it is particularly appropriate for the situation analysis process. It is based on the concept of the influence area, which is a portion of space that people build around objects in order to contextually reason about space, evaluate metric measures, qualify positions and distances, etc. We use the concept of influence area to formally define major spatial model. The paper shows why and how our model is well appropriate to perform the situation analysis process with regard to the cognitive fit constraint. Finally, we describe other military applications that could also benefit from such a model.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle