XED - Grupo02Subcomunidade do Grupo02 de XEDhttp://dspace.infodocu.lbd.org.es/xmlui/handle/123456789/13672026-05-22T19:05:07Z2026-05-22T19:05:07ZMultilevel modeling of Geographic Information Systems based on International StandardsPedreira, Óscarhttp://dspace.infodocu.lbd.org.es/xmlui/handle/123456789/14272025-10-28T02:01:13Z2021-01-01T00:00:00ZMultilevel modeling of Geographic Information Systems based on International Standards
Pedreira, Óscar
2021-01-01T00:00:00ZSpace-Efficient Representations of Raster Time SeriesSilva-Coira, FernandoR. Paramá, Joséde Bernardo, GuillermoSeco, Diegohttp://dspace.infodocu.lbd.org.es/xmlui/handle/123456789/14262025-10-28T02:01:11Z2019-01-01T00:00:00ZSpace-Efficient Representations of Raster Time Series
Silva-Coira, Fernando; R. Paramá, José; de Bernardo, Guillermo; Seco, Diego
2019-01-01T00:00:00ZCompresión de textos en Bases de Datos DigitalesR.Brisaboa, NievesIglesias, E.L.Navarro, G.Parmá, J.R.http://dspace.infodocu.lbd.org.es/xmlui/handle/123456789/14192026-03-25T20:42:42Z2003-01-01T00:00:00ZCompresión de textos en Bases de Datos Digitales
R.Brisaboa, Nieves; Iglesias, E.L.; Navarro, G.; Parmá, J.R.
Este trabajo presenta una revisi´on de los m´etodos de
compresi´on de textos, que permiten la busqueda ´ directa de palabras y
frases dentro del texto sin necesidad de descomprimirlo.
Se presentan las t´ecnicas de compresi´on basadas en Huffman y dos
t´ecnicas m´as recientes: el m´etodo Denso con Post-Etiquetado y el
m´etodo (s,c)-Denso. Adem´as se muestra como estos nuevos m´etodos
son directamente comparables, en tasa de compresi´on, con las t´ecnicas
basadas en Huffman y c´omo proporcionan una compresi´on m´as simple y
r´apida, manteniendo sus caracter´ısticas m´as interesantes. De este modo
estas nuevas t´ecnicas son extremadamente adecuadas para la compresi´on
de textos sobre los que haya que realizar operaciones de Text Retrieval,
pues facilita la indexaci´on y preprocesado de los mismos sin necesidad
de descomprimirlos.
2003-01-01T00:00:00ZStoring and Clustering Large Spatial Datasets Using Big Data TechnologiesRodríguez Luaces, Miguelhttp://dspace.infodocu.lbd.org.es/xmlui/handle/123456789/14182025-10-21T01:00:17Z2018-01-01T00:00:00ZStoring and Clustering Large Spatial Datasets Using Big Data Technologies
Rodríguez Luaces, Miguel
In this paper we present the architecture of a system to store,
query and visualize on the web large datasets of geographic information.
The architecture includes a component to simulate a large number of
drivers that report their position on a regular basis, an ingestion component that is generic and can acommodate three different storage technologies, a query component that aggregates the results in order to reduce
the query time and the data transfered, and a web-based map viewer. In
addition, we define an evaluation methodology to be used to benchmark
and compare different alternatives for some components of the system,
and we validate the architecture with experiments using a dataset of 40
million locations of drivers.
2018-01-01T00:00:00Z