Progettazione e sviluppo di una versione distribuita di un algoritmo di subspace clustering

Il task del data mining si pone come obiettivo l'estrazione automatica di schemi significativi da grandi quantità di dati. Un esempio di schemi che possono essere cercati sono raggruppamenti significativi dei dati, si parla in questo caso di clustering. Gli algoritmi di clustering tradizionali mostrano grossi limiti in caso di dataset ad alta dimensionalità, composti cioè da oggetti descritti da un numero consistente di attributi. Di fronte a queste tipologie di dataset è necessario quindi adottare una diversa metodologia di analisi: il subspace clustering. Il subspace clustering consiste nella visita del reticolo di tutti i possibili sottospazi alla ricerca di gruppi signicativi (cluster). Una ricerca di questo tipo è un'operazione particolarmente costosa dal punto di vista computazionale. Diverse ottimizzazioni sono state proposte al fine di rendere gli algoritmi di subspace clustering più efficienti. In questo lavoro di tesi si è affrontato il problema da un punto di vista diverso: l'utilizzo della parallelizzazione al fine di ridurre il costo computazionale di un algoritmo di subspace clustering.

Progettazione e sviluppo di un RVE (Reconfigurable Virtual Environment) per applicazioni nei settori dell’ingegneria industriale

Il presente elaborato descrive la realizzazione, presso il Laboratorio di Realtà Virtuale e Simulazione della Seconda Facoltà di Ingegneria, di un RVE (Reconfigurable Virtual Environment), per applicazioni nei settori dell’ingegneria industriale. La tesi ripercorre la fase di progettazione del sistema basato sull'integrazione di componenti COTS. E' definito, inoltre, un insieme di applicazioni target nei settori dell'ingegneria industriale di cui si valuta la compatibilità con il Virtual Environment. L'elaborato si conclude con la presentazione dei risultati e dei possibili sviluppi futuri.