Oliver Archner: Theses supervised

Bachelor's Theses

Anja Kleebaum (2015) Raspberry PI Bibliothek

Raspberry PI Bibliothek

Innerhalb dieser Arbeit wird eine Programmbibliothek für den Zugriff auf das BayEOS Gateway entwickelt. Mithilfe der Schnittstelle lassen sich beliebige Datenproduzenten ins System einbinden. Als Zielplattform kommt der Raspberry PI zum Einsatz.

Methodik:

  • REST/JSON Schnittstelle
  • API Entwurf
  • Python Programmierung
  • Demo für Datenproduzenten (Sensoren/Dateien) am Rasperry PI

Je nach Wunsch kann die Schnittstelle auch in anderen Sprachen wie z. B. C, Erlang ... implementiert werden.



Supervisor: Oliver Archner, Stefan Holzheu
Christiane Göhring (2015) BayEOS Logger App

BayEOS Logger App

Erstellen einer mobilen Android Java Anwendung zum Auslesen und Konfigurieren von BayEOS Loggern.

Funktionsumfang der Anwendung:

  • Kommunikation der App mit dem Arduino Gerät
  • Konfiguration des Loggers
  • Messdaten Lesen/Speichern/Senden
  • Messwerte Anzeigen


Supervisor: Oliver Archner, Stefan Holzheu

Master's Theses

Christiane Göhring (2016) Data-Mining von Umweltzeitreihen mit Hilfe der Symbolic Aggregation Approximation (SAX)

Data-Mining von Umweltzeitreihen mit Hilfe der Symbolic Aggregation Approximation (SAX)

Aufgabenstellung

Mit SAX existiert eine einfache und vielversprechende verlustbehaftete Kompressionsmethode für Zeitreihen. Die Anwendung der Methode ermöglicht eine performante Ähnlichkeitssuche. Es lassen sich Fragestellungen wie z.B. „Zeige mir die am ähnlichste Zeitreihe zu einer bestehenden Zeitreihe" beantworten. 
Ziel dieser Arbeit ist die Programmierung einer SAX-Erweiterung der BayEOS Server Datenbank zur Vorverarbeitung und Abfrage von Zeitreihen.

Methode

  • Implementierung des SAX Algorithmus
  • Integration des Algorithmus in die bestehende Server Architektur
  • Automatische Prozessieren von Zeitreihen für unterschiedliche Zeitintervalle
  • Implementierung einer REST/HTTP Schnittstelle zur Suche von ähnlichen Zeitreihen
  • Test der Schnittstelle
  • Beurteilung der Suchergebnisse

Stichworte: Data Mining, Time Series Representation, Dimensionality Reduction, Java, REST

Literatur

Lin, Jessica; Keogh, Eamonn; Wei, Li; Lonardi, Stefano (2007): Experiencing SAX: a novel symbolic representation of time series. In: Data Mining and Knowledge Discovery 15 (2), S. 107–144. DOI: 10.1007/s10618-007-0064-z.



Supervisor: Oliver Archner, Stefan Holzheu
This site makes use of cookies More information