RT info:eu-repo/semantics/doctoralThesis
T1 Aplicación de técnicas de aprendizaje automático a la gestión y optimización de cachés de teselas para la aceleración de servicios de mapas en las infraestructuras de datos espaciales
A1 García Martín, Ricardo
A2 Universidad de Valladolid. Escuela Técnica Superior de Ingenieros de Telecomunicación
K1 Redes neuronales (Informática)
K1 Imágenes, Tratamiento de las
AB La gran proliferación en el uso de servicios de mapas a través de la Web ha motivado lanecesidad de disponer de servicios cada vez más escalables. Como respuesta a esta necesidad,los servicios de mapas basados en teselado se han perfilado como una alternativa escalablefrente a los servicios de mapas tradicionales, permitiendo la actuación de mecanismos decaché o incluso la prestación del servicio mediante una colección de imágenes pregeneradas.Sin embargo, los requisitos de almacenamiento y tiempo de puesta en marcha de estosservicios resultan a menudo prohibitivos cuando la cartografía a servir cubre una zonageográfica extensa para un elevado número de escalas.Por ello, habitualmente estos servicios se ofrecen recurriendo a cachés parciales quecontienen tan solo un subconjunto de la cartografía. Para garantizar una Calidad de Servicio(QoS - Quality of Service) aceptable es necesaria la actuación de adecuadas políticas demantenimiento y gestión de estas cachés de mapas: 1) Estrategias de población inicial óseeding de la caché. 2) Algoritmos de carga dinámica ante las peticiones de los usuarios. 3)Políticas de reemplazo de caché.Sin embargo, existe un reducido número de estas estrategias que sean específicas para losservicios de mapas. La mayor parte de estrategias aplicadas a estos servicios son extraídasde otros ámbitos, como los proxies Web tradicionales, las cuáles no tienen en cuenta lacomponente espacial de los objetos de mapa que gestionan.En la presente tesis se aborda este punto de mejora, diseñando nuevos algoritmos específicos para este dominio de aplicación que permitan optimizar el rendimiento de losservicios de mapas. Dado el elevado número de objetos gestionados por estas cachés y laheterogeneidad de los mismos en cuanto a capas, escalas de representación, etc., se ha hechoun esfuerzo para que las estrategias diseñadas sean automáticas o semi-automáticas,requiriendo la menor intervención humana posible.Así, se han propuesto dos novedosas estrategias para la población inicial de una caché demapas. Una de ellas utiliza un modelo descriptivo mediante los registros de peticiones pasadasdel servicio. La otra se basa en un modelo predictivo para la identificación de fenómenosgeográficos directores de las peticiones de los usuarios, parametrizado o bien mediante unanálisis regresivo OLS (Ordinary Least Squares) o mediante un sistema inteligente con redesneuronales.Asimismo, se han llevado a cabo importantes contribuciones en relación con las estrategiasde reemplazo de estas cachés. Por una parte, se ha propuesto un sistema inteligentebasado en redes neuronales, que estima la popularidad de acceso futuro en base a ciertaspropiedades de los objetos que gestiona: actualidad de referencia, frecuencia de referencia,y el tamaño de la tesela referenciada. Por otra parte, se ha propuesto una estrategia, bautizadacomo Spatial-LFU, la cual es una variante de la estrategia Perfect-LFU, simplificadaaprovechando la correlación espacial existente entre las peticiones.
YR 2013
FD 2013
LK http://uvadoc.uva.es/handle/10324/4471
UL http://uvadoc.uva.es/handle/10324/4471
LA spa
NO Departamento de Teoría de la Señal y Comunicaciones e Ingeniería Telemática
DS UVaDOC
RD 30-abr-2024