Estudio y análisis de las técnicas del pipeline de OCA aplicadas a datos simulados de la misión GAIA
Este Trabajo de Fin de Master se enmarca dentro de la mision GAIA de la Agencia Europea del Espacio, cuyo lanzamiento esta previsto para nales de 2013. Debido al elevado volumen de datos que se generara, se ha decidido crear un consorcio para el procesamiento y analisis de datos, llamado Gaia Data P...
| Autor: | |
|---|---|
| Tipo de recurso: | tesis de maestría |
| Fecha de publicación: | 2012 |
| País: | España |
| Institución: | Universidad Nacional de Educación a Distancia |
| Repositorio: | e-spacio. Repositorio Institucional de la UNED |
| Idioma: | español |
| OAI Identifier: | oai:e-spacio.uned.es:20.500.14468/14581 |
| Acceso en línea: | https://hdl.handle.net/20.500.14468/14581 |
| Access Level: | acceso abierto |
| Palabra clave: | 1203.04 Inteligencia artificial |
| Sumario: | Este Trabajo de Fin de Master se enmarca dentro de la mision GAIA de la Agencia Europea del Espacio, cuyo lanzamiento esta previsto para nales de 2013. Debido al elevado volumen de datos que se generara, se ha decidido crear un consorcio para el procesamiento y analisis de datos, llamado Gaia Data Processing and Analysis Consortium (DPAC). Dicho consorcio se encuentra dividido en 10 unidades de coordinacion de las cuales, la octava (CU8), esta enfocada en la estimacion de parametros astrofsicos a partir de las observaciones. El presente trabajo pertenece a los estudios preliminares llevados a cabo dentro del bloque de trabajo Object Clustering Algorithm (OCA) de CU8. El objetivo principal de OCA es desarrollar las herramientas adecuadas para el analisis de los datos recibidos desde la perspectiva del agrupamiento. Los principales retos de OCA son estudiar la tecnicas mas adecuadas de agrupamiento para la naturaleza de los datos de GAIA y ser capaz de escalar dichas tecnicas para poder tratar el gran volumen de datos que se recibira a lo largo de la mision. A lo largo de este trabajo se presentaran las metodologas propuestas en la literatura para poder escalar algoritmos de agrupamiento as como la descripcion de las tecnicas elegidas debido a sus propiedades. |
|---|