Çok sensörlü veri birleştirme işlemi, daha kesin bir veri kümesi oluşturma amacı ile birden fazla sensörden birden fazla veri seti edinme işlemidir. Genellikle tek sensör verilerinden daha doğru olduğu düşünüldüğünde, bu tür bir bilgi kaynaşmasının birçok uygulaması vardır. Örneğin, bir sıcaklık sensöründen gelen verileri bir rüzgar soğutma sensörüyle birleştirmek, içeride birinin dışarıda ne kadar soğuk hissettiğini anlamasına yardımcı olabilir. Meteorolojik uygulamaların yanı sıra, multisensör veri analitiği çevre analizi, ulaştırma yönetimi ve hedef takibine de uygulanabilir.
Çok sensörlü veri kaynaşmasının birçok uygulaması bilgi kaynaşmasının ne kadar yararlı olabileceğini göstermektedir. Veriler birden fazla kaynaktan geldiğinde, belirli veri setleri revize edilebilir, değiştirilmiş veya erimiş verilerden kesilebilir. Örneğin, balinaları izlemekle ilgilenen bir deniz biyoloğu, balina alışkanlıklarını etkileyebileceğini düşündüğü faktörleri izlemek için veri kaynaşmasını kullanabilir. Çok sensörlü veri füzyon işlemlerinin sonucu, deniz suyu sıcaklığı veya diğer faktörlerle ilgili görsel bir balina hareketi haritası olabilir. Bu tür uygulamalar, fiziksel donanım, algoritmalar ve ilgili bilgi füzyon matematiği dahil olmak üzere pek çok tekniğe dayanmaktadır.
Sensör teknolojisi, matematiksel işlemler ve kaynaşmış veri setlerinin uygulanması çok sensörlü veri füzyonunun pratik uygulamasını belirler. Entegre verileri birleştirmek için kullanılan teknoloji ve süreçler, bir insanı bir çevreyi algılama ve beş duyuya dayalı kararlar alma yeteneğini taklit ediyor olarak düşünülebilir. Bununla birlikte, teknoloji tabanlı sensörler ve veri birleşimi için gerekli olan ilgili teknikler, insan algısından daha spesifik olabilir.
Bu spesifik veri kümelerinin birleşimi, çok sensörlü veri kaynaşmasının tanımlayıcı bir özelliğidir ve bilgi kaynaşmasını veri entegrasyonundan ayırt eder. Veri entegrasyonu, çok sensörlü veri birleştirme işleminin büyük bir kısmıdır ve daha gelişmiş veri kümeleri oluşturmak için bir yapı taşı olarak düşünülebilir. Örneğin, bir sensör belirli bir süre içinde birçok farklı sıcaklık setini kaydedebilir ve daha sonra daha uzun bir süre boyunca daha büyük bir set oluşturabilir. Bununla birlikte, bu işlem çok sensörlü veri analitiklerinden farklıdır, çünkü genellikle birçok farklı kaynaktan gelen bilgileri içermez.
Veri birleştirme işleminin bir parçası olarak veri entegrasyonu ayrılamaz. Güçlü veri entegrasyonu tarafından sağlanan bilgiler olmadan, çok sensörlü veri kaynaşması için bir temel olmayacaktır. Aslında, yaygın bir çok sensörlü veri analitiği türü düşük seviyeli veri birleşimidir. Bu işlem, genel olarak ham verilerden daha spesifik ve sentetik olması beklenen yeni veri kümeleri oluşturmak için ham verilerin birleşimini ifade eder.
