Entropy Data Flow Management and Minimization of the Hardware Resources in Information Fusion. Gestion Entropique du flot D’Informations et Minimisation des Ressources Matérielles en Fusion D’Informations

Entropy Data Flow Management and Minimization of the Hardware Resources in Information Fusion

Gestion Entropique du flot D’Informations et Minimisation des Ressources Matérielles en Fusion D’Informations

Bienvenu Fassinut-Mombot Jean-Bernard Choquel 

Laboratoire d’Analyse des Systèmes du Littoral (LASL-UPRES EA 2600), Université du Littoral Côte d’Opale (ULCO) - BP 699, 62228 Calais Cedex, France

Page: 
389-411
|
Received: 
6 May 2002
| |
Accepted: 
N/A
| | Citation

OPEN ACCESS

Abstract: 

In this paper we describe a probabilistic fusion approach based on entropic criteria, which aims at reducing the combination space by explicitly representing the notions of source redundancy and source complementarity. This modelling is particularly interesting to optimize the choice of measurements provided by sources in order to combine in multi-sources fusion system. It is in agreement with the preoccupation to perform efficiently fusion processing and to minimize the hardware resources in information fusion problem. To answer that, we made a study of the parallelization of the entropy fusion algorithm developed for its parallel implementation in the framework of an application to mobile robotics. The algorithm specification exhibiting potential parallelism is then implemented on a network of workstations running in mode MIMD-NORMA using the parallel/distributed programming environments SynDEx which support AA-A methodology and PVM which support Hoare’s CSP concept. 

Résumé

Nous proposons dans cet article une approche de fusion probabiliste reposant sur des critères entropiques dont le but est de réduire l’espace de combinaison en représentant explicitement les notions de redondance et de complémentarité des sources d’information. Ce type de modélisation est en particulier intéressant pour optimiser le choix des mesures, issues des sources d’information, à combiner dans un système de fusion. Il est en accord avec le souci de rapidité de traitement et de minimisation des ressources matérielles qui se pose en fusion d’informations. Pour repondre à cela, nous avons réalisé une étude de la parallélisation de l’algorithme de fusion entropique développé en vue de son implantation parallèle dans le cadre d’une application en robotique mobile. La spécification de l’algorithme faisant apparaître du parallélisme potentiel est ensuite implantée sur un réseau de stations de travail fonctionnant en mode MIMD-NORMA à l’aide des environnements de programmation SynDEx, qui supporte la méthodologie AA-A, et PVM, qui est de type CSP de Hoare.

Keywords: 

Multi-sources information fusion, data flow management, entropy model fusion, parallel/distributed implementation, SynDEx, PVM.

Mots clés 

Fusion d’informations multi-sources, gestion du flot d’informations, modèle de fusion entropique, implantation parallèle/distribuée, SynDEx, PVM.

1. Introduction
2. Approche Probabiliste et Entropique
3. L’Algorithme de Fusion Entropique Développé
4. Application à la Robotique
5. Environnements de Programmation Parallèle ou Distribuée
6. Étude de la Parallélisation de l’Algorithme A2E
7. Conclusion
  References

[Aiglon96] C. Aiglon, C. Lavarenne, Y. Sorel, et A. Vicard, Utilisation de SynDEx pour le traitement d'images temps-réel. Rapport de Recherche 2968, INRIA Rocquencourt, Septembre 1996. 

[Blaze00] J. Blazewicz, K. Ecker, et T. D. Plateau, Handbook on parallel and distributed processing, Springer, 2000. 

[Bloch94] I. Bloch et H. Maître, Fusion de données en traitement d'images : modèles d'information et de décision. Traitement du Signal, 11(6):435446, 1994. 

[Cappel98] F. Cappello et O. Richard, Architectures parallèles à partir de réseaux de stations de travail : réalités, opportunités, enjeux. Calculateurs Parallèles, Hermes, 10(1):9-34, Février 1998.

[Demp68] A. P. Dempster,A generalization of bayesian inference. Journal of the Royal Statistical Society, 30:205-247, 1968. 

[Dubois88] D. Dubois et H. Prade, Théorie des possiblités, applications à la représentation des connaissances en informatique. Éditions Masson, Paris, 1988. 

[Duda73] R. O. Duda et P. E. Hart, Pattern classification and scene analysis. John Wiley and Sons publication, New-York, Édition Wiley Interscience, January 1973. 

[Fass99] B. Fassinut-Mombot, M. Zribi, et J. B. Choquel, Fusion of information multisensor heterogeneous using an entropy criterion. Dans Proceedings of the Second International Conference on Information Fusion, FUSION'99, pages 1204-1210, San Fancisco, USA, July 1999. 

[Fass00] B. Fassinut-Mombot et J. B. Choquel, An entropy method for multisource data fusion. Dans Proceedings of the Third International Conference on Information Fusion, FUSION 2000, volume II, pages ThC5 17-23, Paris, France, July 2000. 

[Fass01a] B. Fassinut-Mombot, J. B. Choquel, et M. Paindavoine, Using Entropy Model for Identity Information Fusion. Dans International ICSC Congress, ISI'2001, Proceedings of the International Workshop on Autonomous Artificial Systems Exploring Hostile Environments, AASEHE'2001, page à paraître, Université Américaine de Dubai, U.A.E., March 2001. ICSC Academic Press. 

[Fass01b] B. Fassinut-Mombot, M. Zribi, et J. B. Choquel, Distributed estimation and joint probabilities estimation by entropy model. Dans A. Mohammad-Djafari, éditeur, Bayesien Inference and Maximum Entropy Methods In Science and Engineering, 20th International Workshop, pages 292-302. American Institute of Physics, 2001. 

[Fass02] Bienvenu Fassinut-Mombot, Contribution à la fusion d'informations par une approche entropique : algorithme et architecture dans un contexte de perception multi-sources. Thèse de Doctorat 3ème cycle, Université du Littoral Côte d'Opale (ULCO), Février 2002. No d'ordre ULCO 2002.02. 

[Gatin00] Laurent Gatineau, Algorithmes concurrents pour les problèmes de mise en correspondance dans les séquences d'images. Thèse de Doctorat 3ème cycle, Université Evry Val d'Essonne, Janvier 2000. 

[Geist94] A. Geist, A. Beguelin, J. Dongarra, W. Jiang, R. Manchek, et V. Sunderam, PVM: Parallel Virtual Machine - An user's guide tutorial for networked parallel computing. MIT Press, Édition Scientific and Engineering Computation, 1994.

[Grand98] T. Grandpierre, C. Lavarenne, et Y. Sorel, Modèle d'exécutif distribué temps-réel pour SynDEx. Rapport de Recherche 3476, INRIA Rocquencourt,Août 1998. 

[Hoare85] C.A.R. Hoare, Communicating sequential processes. Printice-Hall, 1985. 

[Lars98] T. Dall Larsen, N. A. Andersen, et O. Ravn, Sensor management for identity fusion on a mobile robot. Dans Proceedings of the 5th International Conference on Control, Automation, Robotics and Vision, ICARCV'98, Singapore, December 1998. 

[Lava91] C. Lavarenne, O. Seghrouchni, Y. Sorel, et M. Sorine, SynDEx un environnement de programmation pour application de traitement du signal. Dans 13ème Colloque sur le Traitement du Signal et des Images, GRETSI, 1991. 

[Lava93] C. Lavarenne et Y. Sorel, Perfomance optimization of multiprocessor real-time applications by graphs transformations. Dans Proceedings of the PARCO'93 Conference, France, 1993. 

[Luo89] R. C. Luo et M. G. Kay, Multisensor integration and fusion in intelligent systems. IEEE Transactions on Systems, Man and Cybernetics, 19(5):901-931, October 1989. 

[Perche95] P. B. Perche, D. Pomorski, et M. Staroswiecki, Méthodes d'induction par arbre de décision utilisant un critère entropique. Dans 2ème Conférence Internationale sur l'automobile Industrielle, CRAN, Nancy, 7-9 Juin 1995. 

[Quin83] J.R. Quinlan, Learning efficient classification procedures and their application to chess and games. Dans J.G. Carbonell R.S. Michalski et T.M. Mitchell, éditeurs, Machine Learning: an artificial intelligence approach, pages 463-482. Tioga Publishing Company, Palo Alto, 1983. 

[Quin86] J.R. Quinlan, Induction of decision trees. Machine Learning, 1:81106, 1986. 

[Shafer76] G. Shafer, A mathematical theory of evidence. Princeton University Press, New Jersey, Édition Princeton, 1976. 

[Shan48] C. E. Shannon,A mathematical theory of communication. Bell System Technical Journal, 27(3):379-423 et 623-656, Juillet 1948. http://cm.belllabs.com/cm/ms/what/shannonday/paper.html

[Shan49] C. E. Shannon,Communication theory of secrecy systems. Bell System Technical Journal, 28(4):656-715, Octobre 1949. 

[Smets90] P. Smets, The combination of evidence in the transferable belief model. IEEE Transactions on Pattern Analysis and Machine Intelligence, 12(5):447-458, 1990. 

[Sorel94] Yves Sorel, Massively parallel systems with real time constraints, the Algorithm Architecture Adequation. Dans Proceedings Massively Parallel Computing Systems, the Challenges of Genreal-Purpose and SpecialPurpose Computing Conference, Ischia, Italy, May 1994. 

[Sorel96] Yves Sorel, Real time embedded image processing application using the A3 methodology. Dans IEEE International Conference on Image Porcessing, November 1996. 

[Toro82] Victor Manuel Toro Cordoba, Contribution à l'analyse structurale de systèmes complexes à l'aide de l'entropie et ses généralisations. Thèse de Doctorat 3ème cycle, USTLFA, Mars 1982. No d'ordre 955. 

[Vic99] Annie Vicard, Formalisation et optimisation des systèmes informatiques distribués temps réel embarqués. Thèse de Doctorat 3ème cycle, Université Paris 13, Juillet 1999. 

[Zadeh78] Lofti A. Zadeh, Fuzzy sets as a basis for a theory of possiblity. Fuzzy Sets and Systems, 1:3-28, 1978.