A comparison of the alr and ilr transformations for kernel density estimation of compositional data

In a seminal paper, Aitchison and Lauder (1985) introduced classical kernel densityestimation techniques in the context of compositional data analysis. Indeed, they gavetwo options for the choice of the kernel to be used in the kernel estimator. One ofthese kernels is based on the use the alr transformation on the simplex SD jointly withthe normal distribution on RD-1. However, these authors themselves recognized thatthis method has some deficiencies. A method for overcoming these dificulties based onrecent developments for compositional data analysis and multivariate kernel estimationtheory, combining the ilr transformation with the use of the normal density with a fullbandwidth matrix, was recently proposed in Martín-Fernández, Chacón and Mateu-Figueras (2006). Here we present an extensive simulation study that compares bothmethods in practice, thus exploring the finite-sample behaviour of both estimators

MoniTo 4.0, una herramienta de monitorización de clusters

La herramienta de monitorización de clusters MoniTo debe estar preparada ante los constantes cambios en el kernel de Linux que la pudieran dejar inutilizable. Para evitarlo se ha modificado su implementación utilizando librerías Libgtop. También se ha modificado su interfaz web para adaptarla a los nuevos tiempos, optimizar su funcionamiento y dotarla de nuevas posibilidades.

Despliegue desatendido de GNU/Linux

Instal·lació i configuració de Fully Automatic Installation per automatitzar instal·lacions repetitives en els nodes d'un clúster. S'explica com modificar els paquets oficials d'Ubuntu 8.10 per a què els paquets de Fully Automatic Installation puguin servir als nodes del clúster la distribució Ubuntu 8.10 sense problemes.

Comparativa GNU/LINUX 2012

Análisis de seis de las distribuciones de GNU/Linux más populares en la actualidad.

Estado del arte de los gestores de ventanas en GNU/Linux

Proyecto que recoge el estado del arte de los gestores de ventanas de GNU/Linux, incorporando un análisis y comparativa de los principales gestores de ventanas.

Kernel-based methods for change detection in remote sensing images

Nowadays, the joint exploitation of images acquired daily by remote sensing instruments and of images available from archives allows a detailed monitoring of the transitions occurring at the surface of the Earth. These modifications of the land cover generate spectral discrepancies that can be detected via the analysis of remote sensing images. Independently from the origin of the images and of type of surface change, a correct processing of such data implies the adoption of flexible, robust and possibly nonlinear method, to correctly account for the complex statistical relationships characterizing the pixels of the images. This Thesis deals with the development and the application of advanced statistical methods for multi-temporal optical remote sensing image processing tasks. Three different families of machine learning models have been explored and fundamental solutions for change detection problems are provided. In the first part, change detection with user supervision has been considered. In a first application, a nonlinear classifier has been applied with the intent of precisely delineating flooded regions from a pair of images. In a second case study, the spatial context of each pixel has been injected into another nonlinear classifier to obtain a precise mapping of new urban structures. In both cases, the user provides the classifier with examples of what he believes has changed or not. In the second part, a completely automatic and unsupervised method for precise binary detection of changes has been proposed. The technique allows a very accurate mapping without any user intervention, resulting particularly useful when readiness and reaction times of the system are a crucial constraint. In the third, the problem of statistical distributions shifting between acquisitions is studied. Two approaches to transform the couple of bi-temporal images and reduce their differences unrelated to changes in land cover are studied. The methods align the distributions of the images, so that the pixel-wise comparison could be carried out with higher accuracy. Furthermore, the second method can deal with images from different sensors, no matter the dimensionality of the data nor the spectral information content. This opens the doors to possible solutions for a crucial problem in the field: detecting changes when the images have been acquired by two different sensors.

Linux com a sistema operatiu de temps real

Avaluació de les capacitats d'assolir requeriments de temps real de la línia principal de nucli de Linux.

Planificación y gestión activa de proyectos GNU/Linux con Redmine

Este TFC consiste en instalar e integrar Redmine en una distribución LiveCD de manera que cuando el usuario utilice el mismo ya tenga todas las configuraciones hechas de antemano y pueda empezar a trabajar inmediatamente en la planificación de proyectos.

Implementación de un dominio basado en GNU/Linux

Creación de un dominio administrativo GNU/Linux.

Disseny i implementació en un mòdul linux encastat d’una eina de gestió local per a equips de xarxa de l'empresa W-onesys S.L.

Aquest projecte, s’ha desenvolupat en un marc empresarial, concretament al departamentR+D+i de l’empresa Wonesys S.L. de Sant Cugat del Vallès. L’empresa es dedica aldesenvolupament d’equipament per transmissions òptiques.Les eines de gestió dels equips existents, no satisfan els requeriments de l’empresa i amb aquest projecte es busca la implementació d’una eina per fer-ho. Entre les aplicacions actuals es pot trobar, per una banda, un sistema EMS (Element Management System) que ofereix interfíciegràfica d’usuari, però que requereix una infrastructura complexa per ser executada. Per l’altra banda, fins a tres interfícies diferents per connectar directament amb els equips, dues d’elles basades en protocols estàndard i una tercera que implementa un protocol propietari. Es tractad’interfícies d’intercanvi de text, per tant, la gestió mitjançant les mateixes es fa molt poc pràctica tot i no requerir cap infrastructura complexa com en el cas anterior. Una combinació de les virtuts de les anteriors són, a grans trets, els requeriments de la nova aplicació. Es volconstruir, doncs, una aplicació amb interfície gràfica d’usuari complerta que pugui ser accessible de forma senzilla utilitzant, tan sols, un terminal com a maquinari de suport.Un anàlisi del mercat il·lustra que hi ha molta disparitat en aplicacions similars. Hi ha grans diferències entre aplicacions de fabricants d’equipament i altres que només fan aplicacions per tercers.De les diverses possibilitats presentades per dur a terme la implementació, després d’un detingut anàlisi, es considera que la millor opció és el desenvolupament d’una aplicació web. Com l’aplicació ha de residir en un sistema Linux encastat, es fa un repàs del concepte ‘encastat’. Es defineix el terme i es dóna una mirada al mercat. Es descriuen i es comparen les arquitecturesARM i x86 i es relacionen amb el món encastat.Al tractar-se d’un sistema encastat amb arquitectura diferent a la d’un entorn web habitual, l’elecció de les eines representa un paper molt important, així com el procés de compilació i configuració d’eines que tradicionalment s’obtenen compilades.S’han escollit eines de programari lliure i dissenyades especialment per a entorns encastats. El patró de disseny usat pel desenvolupament de l’aplicació web és el Model View Controller, que facilita l’estructuració i un correcte manteniment de l’aplicació.La utilització de la tecnologia web resulta en una aplicació senzilla d’utilitzar, sense necessitat d’instal·lació de cap tipus per part de l’usuari i amb una interfície gràfica molt versàtil. La valoració per part dels usuaris de l’aplicació, tant treballadors de l’empresa en tasques dedesenvolupament i depuració, com clients en equips en explotació, és molt positiva. Tant és així, que sorgeixen opcions per reformular el sistema EMS per unificar interfícies i reaprofitar codi.

Time Series Input Selection using Multiple Kernel Learning

In this paper we study the relevance of multiple kernel learning (MKL) for the automatic selection of time series inputs. Recently, MKL has gained great attention in the machine learning community due to its flexibility in modelling complex patterns and performing feature selection. In general, MKL constructs the kernel as a weighted linear combination of basis kernels, exploiting different sources of information. An efficient algorithm wrapping a Support Vector Regression model for optimizing the MKL weights, named SimpleMKL, is used for the analysis. In this sense, MKL performs feature selection by discarding inputs/kernels with low or null weights. The approach proposed is tested with simulated linear and nonlinear time series (AutoRegressive, Henon and Lorenz series).

Mapping of Environmental Data Using Kernel-Based Methods

Recently, kernel-based Machine Learning methods have gained great popularity in many data analysis and data mining fields: pattern recognition, biocomputing, speech and vision, engineering, remote sensing etc. The paper describes the use of kernel methods to approach the processing of large datasets from environmental monitoring networks. Several typical problems of the environmental sciences and their solutions provided by kernel-based methods are considered: classification of categorical data (soil type classification), mapping of environmental and pollution continuous information (pollution of soil by radionuclides), mapping with auxiliary information (climatic data from Aral Sea region). The promising developments, such as automatic emergency hot spot detection and monitoring network optimization are discussed as well.

Variable Kernel estimates: On the impossibility of tuning the parameters

For the standard kernel density estimate, it is known that one can tune the bandwidth such that the expected L1 error is within a constant factor of the optimal L1 error (obtained when one is allowed to choose the bandwidth with knowledge of the density). In this paper, we pose the same problem for variable bandwidth kernel estimates where the bandwidths are allowed to depend upon the location. We show in particular that for positive kernels on the real line, for any data-based bandwidth, there exists a densityfor which the ratio of expected L1 error over optimal L1 error tends to infinity. Thus, the problem of tuning the variable bandwidth in an optimal manner is ``too hard''. Moreover, from the class of counterexamples exhibited in the paper, it appears thatplacing conditions on the densities (monotonicity, convexity, smoothness) does not help.

Weighted Kernel regression

In the fixed design regression model, additional weights areconsidered for the Nadaraya--Watson and Gasser--M\"uller kernel estimators.We study their asymptotic behavior and the relationships between new andclassical estimators. For a simple family of weights, and considering theIMSE as global loss criterion, we show some possible theoretical advantages.An empirical study illustrates the performance of the weighted estimatorsin finite samples.