Implementacja cyfrowego filtru Savitzky'ego-Golaya w środowisku chmurowym

• Autorzy: Czerwiński D.

Warianty tytułu

EN

Smooting digital Savitzky-Golay filter implementation in cloud environment

• Konferencja: Konferencja Naukowo-Techniczna "Problemy cieplne w elektrotechnice i elektrotechnologie" (III ; 21-24.09.2015 ; Konopnica, Polska)
• Języki publikacji: PL

Abstrakty

PL

Artykuł przedstawia wyniki badań eksperymentalnych implementacji cyfrowego filtru wygładzającego Savitzky’ego-Golaya w środowisku chmurowym z wykorzystaniem języka programowania R. Dokonano porównania wyników badań dla implementacji filtru w środowisku chmurowym oraz w komercyjnym rozwiązaniu klasy Enterprise. Filtr zastosowano do danych pomiarowych pochodzących z układu zawierającego taśmę z nadprzewodników wysokotemperaturowych i generującego liczbę punktów pomiarowych przekraczającą możliwości komercyjnych środowisk eksploracji danych.

EN

The article presents the results of experimental implementation of a digital Savitzky-Golay smoothing filter in the cloud environment using a R programming language. Comparison of test results for the implementation of the filter in the cloud environment and in commercial enterprise-class data mining system was presented. The filter was applied to measurement data from system consisting of high-temperature superconductors tape and generating the number of measurement points which excess the possibilities of commercial data mining environments.

Słowa kluczowe

PL

filtr wygładzający; filtr Savitzky'ego-Golaya; Hadoop; przetwarzanie sygnałów cyfrowych

EN

smoothing filter; Savitzky-Golay filter; Hadoop; digital signal processing

• Wydawca: Wydawnictwo Politechniki Łódzkiej
• Czasopismo: Zeszyty Naukowe. Elektryka / Politechnika Łódzka
• Rocznik: 2015
• Tom: z. 126
• Strony: 35--49
• Opis fizyczny: Bibliogr. 31 poz.

Twórcy

autor

Czerwiński D.

• Politechnika Lubelska, Instytut Informatyki

Bibliografia

• [1] Larose D.: Metody i modele eksploracji danych, PWN, Warszawa 2008.
• [2] Gruca A.: Raport Obserwatorium ICT: Eksploracja Danych, Park Naukowo- Technologiczny „Technopark Gliwice”, Gliwice 2013.
• [3] Folkert K., Bochenek M., Huczała Ł.: The concept of using data mining methods for creating efficiency and reliability model of middleware applications. Communications in Computer and Information Science, pp. 55-62, Springer 2012.
• [4] Osowski S.: Metody i narzędzia eksploracji danych, Wyd. BTC 2013.
• [5] Jestratjew A., Kwiecień A.: Using cloud storage in production monitoring systems. Communications in Computer and Information Science, ss. 226-235, Springer 2010.
• [6] Chudzian C., Granat J., Klimasara E., Sobieszek J., Wierzbicki, A. P.: Wykrywanie wiedzy w dużych zbiorach danych: przykład personalizacji inżynierii ontologicznej, Telekomunikacja i Techniki Informacyjne, ss. 3-26, 2011.
• [7] Ładniak M., Piórkowski A., Młynarczuk M.: Konstrukcja systemów eksploracji danych dla obrazów rastrowych, Studia Informatica, Vol. 34, No. 2B, ss. 7-20, 2013.
• [8] Krauzowicz, L., Szostek, K., Dwornik, M., Oleksik, P., Piórkowski, A.: Numerical Calculations for Geophysics Inversion Problem Using Apache Hadoop Technology. Computer Networks 2012, CCIS Vol. 291, Springer, pp. 440-447, 2012.
• [9] Ohri A.: R for Cloud Computing, An Approach for Data Scientists, Springer 2014.
• [10] Laicano A.: Digital signal processing in Hadoop with Scalding, https://github.com/alaiacano/dsp-scalding, 2013.
• [11] Ferzli R., Khalife I.: Mobile cloud computing educational tool for image/video processing algorithms, Digital Signal Processing Workshop and IEEE Signal Processing Education Workshop (DSP/SPE), pp 529-533, 2011.
• [12] Sheng C., Zhao J., Leung H., Wang W.: Extended Kalman Filter Based Echo State Network for Time Series Prediction using MapReduce Framework, Mobile Ad-hoc and Sensor Networks, Ninth IEEE International Conference on. IEEE, pp. 175-180, 2013.
• [13] Revolution Analytics, Enterprise Deployment, http://www.revolutionanalytics.com/enterprise-deployment, January 2015.
• [14] R technologies from Oracle, http://www.oracle.com/technetwork/topics/bigdata/r- offerings-1566363.html, January 2015.
• [15] Renjin: The R Programming language on JVM, http://www.rnejin.org, January 2015.
• [16] RAmazonS3, http://www.omegahat.org/RAmazonS3/, January 2015.
• [17] Amazon’s Simple DB API, http://aws.amazon.com/simpledb/, January 2015.
• [18] Kampf M., Kantelhardt J. W.: Hadoop.TS: Large-Scale Time-Series Processing, International Journal of Computer Applications, Vol. 74, 2013.
• [19] Li L., Ma Z., Liu L., Fan Y.: Hadoop-based ARIMA Algorithm and its Application in Weather Forecast, International Journal of Database Theory & Application, Vol. 6, No. 5, 2013.
• [20] Stokely M., Rohani F., Tassone E.: Large-scale Parallel Statistical Forecasting Computations in R, JSM Proceedings, 2011.
• [21] Nurmi D., Wolski R., Grzegorczyk Ch., Obertelli G., Soman S., Youseff L., Zagorodnov D.: The Eucalyptus Open-source Cloud-computing System, 9th IEEE/ACM International Symposium on Cluster Computing and the Grid (CCGRID), Vol. 0, 2009, pp. 124-131.
• [22] Donnelly P., Bui P., Thain D.: Attaching Cloud Storage to a Campus Grid Using Parrot, Chirp, and Hadoop, IEEE Second International Conference on Cloud Computing Technology and Science (CloudCom), pp. 488-495, 2010.
• [23] Czerwiński D.: Influence of the VM Manager on Private Cluster Data Mining System, Computer Networks, Communications in Computer and Information Science, Vol. 4311, Springer, pp. 47-56, 2014.
• [24] Strata 2012: Doug cutting, the apache hadoop ecosystem. http://youtu.be/Ttu3ZQ58ovo, June 2013.
• [25] Cloudera, the platform for Big Data, http://www.cloudera.com, January 2015.
• [26] CDH Version and Packaging Information – Cloudera Support, https://ccp.cloudera.com/display/DOC/CDH+Version+and+Packaging+Information , December 2014.
• [27] Revolution Analytics: Advanced ‘Big Data’ Analytics with R and Hadoop, Whitepaper, http://www.revolutionanalytics.com/whitepaper/advanced-big-data- analytics-r-and-hadoop, 2011.
• [28] Adler J.: R in a Nutshell, second edition, O’Reilly, 2012.
• [29] Revolution Analytics, Packages in RHadoop Toolkit, http://projects.revolutionanalytics.com/documents/rhadoop/rhadooppkgs/, January 2015.
• [30] Czerwinski D., Jaroszynski L., Janowski T., Kozak J., Majka M.: Analysis of alternating overcurrent response of 2G HTS tape for SFCL, IEEE Transactions on Applied Superconductivity, No. 3, Vol. 24, 2014.
• [31] National Instruments: What Limitations Exist With Channel and File Sizes in DIAdem? http://digital.ni.com/public.nsf/allkb/ B391603F3CD86AE486256FAC00780122, Knowledge Base, updated 2012.