по
Меню журнала
> Архив номеров > Рубрики > О журнале > Авторы > О журнале > Требования к статьям > Порядок рецензирования статей > Ретракция статей > Этические принципы > Политика открытого доступа > Оплата за публикации в открытом доступе > Политика авторских прав и лицензий > Политика цифрового хранения публикации > Политика идентификации статей > Политика проверки на плагиат > Редакция > Редакционный совет
Журналы индексируются
Реквизиты журнала
В погоне за двумя зайцами поймай обоих сразу!
34 журнала издательства NOTA BENE входят одновременно и в ERIH PLUS, и в перечень изданий ВАК
При необходимости автору может быть предоставлена услуга срочной или сверхсрочной публикации!
ГЛАВНАЯ > Вернуться к содержанию
Classification of Meteorological Satellite Ground System Applications / Classification of Meteorological Satellite Ground System Applications
Линь Маньюнь

сотрудник, National Satellite Meteorological Center

100081, Китай, г. Пекин, ул. Zhong Guancun Nandajie, 46

Lin Manyun

100081, Kitai, g. Pekin, ul. Zhong Guancun Nandajie, 46

guop@cma.gov.cn
Чжао Сяньган

сотрудник, National Satellite Meteorological Center

100081, Китай, г. Пекин, ул. Zhong Guancun Nandajie, 46

Zhao Xiangang

100081, Kitai, g. Pekin, ul. Zhong Guancun Nandajie, 46

guop@cma.gov.cn
Цзы Сели

сотрудник, National Satellite Meteorological Center

100081, Китай, г. Пекин, ул. Zhong Guancun Nandajie, 46

Zi Xieli

100081, Kitai, g. Pekin, ul. Zhong Guancun Nandajie, 46

guop@cma.gov.cn
Го Пэн

сотрудник, National Satellite Meteorological Center

100081, Китай, г. Пекин, ул. Zhong Guancun Nandajie, 46

Guo Peng

100081, Kitai, g. Pekin, ul. Zhong Guancun Nandajie,, 46

guo_peng@yahoo.com
Фань Цуньцюнь

сотрудник, National Satellite Meteorological Center

100081, Китай, г. Пекин, ул. Zhong Guancun Nandajie, 46

Fan Cunqun

100081, Kitai, g. Pekin, ul. Zhong Guancun Nandajie, 46

guop@cma.gov.cn

Аннотация.

Эффективная работа метеорологических спутниковых систем предполагает наличие не только наземных комплексов управления с системой телеметрии, но и многочисленных прикладных программных продуктов по передаче, обработке и распространению данных самих метеорологических наблюдений. Оптимизация функционирования орбитальных и наземных подсистем получения метеорологических данных с точки зрения потребления системных ресурсов и улучшения их рационального распределения требует решения задачи классификации таких программных приложений на основе характеристик их функционирования. Решение задачи классификации предполагает построение концептуальной схемы (онтологии) линейки программных продуктов путем формирования структуры данных, содержащей выбранные классы объектов, их связи и правила функционирования. Для решения задачи использованы многомерные статистические процедуры в виде совокупности алгоритмов упорядочивания данных на основе иерархической кластеризации программных приложений. Для классификации выбрано несколько групп параметров: кривые загрузки ЦПУ, распределения оперативной памяти, объемов данных систем ввода-вывода и передачи по сетям связи. На основе оценки степени близости объектов в рамках итерационной процедуры обучения построен классификатор приложений (дерево принятия решений). В свою очередь, применение алгоритма большинства голосов дало возможность выявления наиболее ресурсно-емкого приложения. На конечном этапе анализа использована процедура эталонной оценки потребления ресурсов (построения рейтинга программных приложений). Предложенные алгоритмы классификации значительно повышают эффективность наземной системы обработки метеорологических данных.

Ключевые слова: Спутник, Наземная прикладная система, Классификация, Иерархическая кластеризация, Верификация программной модели, Параметры приложения, Загрузка памяти, Загрузка центрального процессора, Загрузка ввода-вывода, Загрузка сети

DOI:

10.7256/2453-8817.2018.1.26055

Дата направления в редакцию:

12-09-2018


Дата рецензирования:

13-09-2018


Дата публикации:

15-09-2018


Abstract.

Meteorological satellite ground application system carries a large number of applications. These applications deal with a variety of tasks. In order to classify these applications according to the resource consumption and improve the rational allocation of system resources, this paper introduces several application analysis algorithms. Firstly, the requirements are abstractly described, and then analyzed by hierarchical clustering algorithm. Finally, the benchmark analysis of resource consumption is given. Through the benchmark analysis of resource consumption, we will give a more accurate meteorological satellite ground application system.

Keywords:

Satellite, Ground Application System, Classification, Hierarchical Clustering, Software Model Verification, Application Parameters, Memory-loading, CPU-loading, IO-loading, Network-loading

Библиография
1.
Thüm, T., Apel, S., Schaefer, I., et al. (2014) A Classification and Survey of Analysis Strategies for Software Product Lines. ACM Computing Surveys, 47, 1-45. URL: https://doi.org/10.1145/2580950
2.
Gómez, O.S., Juristo, N. and Vegas, S. (2014) Understanding Replication of Experiments in Software Engineering: A Classification. Information & Software Technology, 56, 1033-1048. URL: https://doi.org/10.1016/j.infsof.2014.04.004
3.
Gabmeyer, S., Kaufmann, P. and Seidl, M. (2013) A Classification of Model Checking-Based Verification Approaches for Software Models. Proceedings of the STAF Workshop on Verification of Model Transformations (VOLT 2013), Budapest, 17 June 2013, 1-7.
4.
Srinivas, C., Radhakrishna, V. and Rao, C.V.G. (2014) Clustering and Classification of Software Component for Efficient Component Retrieval and Building Component Reuse Libraries. Procedia Computer Science, 31, 1044-1050. URL: https://doi.org/10.1016/j.procs.2014.05.358
5.
Rashwan, A. and Ormandjieva, O. (2013) Ontology-Based Classification of Non-Functional Requirements in Software Specifications: A New Corpus and SVM-Based Classifier. IEEE, Computer Software and Applications Conference. IEEE Computer Society, Kyoto, 22-26 July 2013, 381-386. URL: https://doi.org/10.1109/COMPSAC.2013.64
6.
Pancerz, K. (2015) On Selected Functionality of the Classification and Prediction Software System (CLAPSS). International Conference on Information and Digital Technologies, IEEE, Zilina, 7-9 July 2015, 278-285. URL: https://doi.org/10.1109/DT.2015.7222984
7.
Wahono, R.S., Herman, N.S. and Ahmad, S. (2014) A Comparison Framework of Classification Models for Software Defect Prediction. Advanced Science Letters, 20, 1945-1950. URL: https://doi.org/10.1166/asl.2014.5640
8.
Naufal, M.F. and Rochimah, S. (2016) Software Complexity Metric-Based Defect Classification Using FARM with Preprocessing Step CFS and SMOTE a Preliminary Study. International Conference on Information Technology Systems and Innovation. IEEE, Al Ain, 28 November 2016, 1-6.
(9.} Peng, J., Elias, J.E., Thoreen, C.C., et al. (2003) Evaluation of Multidimensional Chromatography Coupled with Tandem Mass Spectrometry (LC/LC-MS/MS) for Large-Scale Protein Analysis: The Yeast Proteome. Journal of Proteome Research, 2, 43-50. URL: https://doi.org/10.1021/pr025556v
References (transliterated)
1.
Thüm, T., Apel, S., Schaefer, I., et al. (2014) A Classification and Survey of Analysis Strategies for Software Product Lines. ACM Computing Surveys, 47, 1-45. URL: https://doi.org/10.1145/2580950
2.
Gómez, O.S., Juristo, N. and Vegas, S. (2014) Understanding Replication of Experiments in Software Engineering: A Classification. Information & Software Technology, 56, 1033-1048. URL: https://doi.org/10.1016/j.infsof.2014.04.004
3.
Gabmeyer, S., Kaufmann, P. and Seidl, M. (2013) A Classification of Model Checking-Based Verification Approaches for Software Models. Proceedings of the STAF Workshop on Verification of Model Transformations (VOLT 2013), Budapest, 17 June 2013, 1-7.
4.
Srinivas, C., Radhakrishna, V. and Rao, C.V.G. (2014) Clustering and Classification of Software Component for Efficient Component Retrieval and Building Component Reuse Libraries. Procedia Computer Science, 31, 1044-1050. URL: https://doi.org/10.1016/j.procs.2014.05.358
5.
Rashwan, A. and Ormandjieva, O. (2013) Ontology-Based Classification of Non-Functional Requirements in Software Specifications: A New Corpus and SVM-Based Classifier. IEEE, Computer Software and Applications Conference. IEEE Computer Society, Kyoto, 22-26 July 2013, 381-386. URL: https://doi.org/10.1109/COMPSAC.2013.64
6.
Pancerz, K. (2015) On Selected Functionality of the Classification and Prediction Software System (CLAPSS). International Conference on Information and Digital Technologies, IEEE, Zilina, 7-9 July 2015, 278-285. URL: https://doi.org/10.1109/DT.2015.7222984
7.
Wahono, R.S., Herman, N.S. and Ahmad, S. (2014) A Comparison Framework of Classification Models for Software Defect Prediction. Advanced Science Letters, 20, 1945-1950. URL: https://doi.org/10.1166/asl.2014.5640
8.
Naufal, M.F. and Rochimah, S. (2016) Software Complexity Metric-Based Defect Classification Using FARM with Preprocessing Step CFS and SMOTE a Preliminary Study. International Conference on Information Technology Systems and Innovation. IEEE, Al Ain, 28 November 2016, 1-6.
(9.} Peng, J., Elias, J.E., Thoreen, C.C., et al. (2003) Evaluation of Multidimensional Chromatography Coupled with Tandem Mass Spectrometry (LC/LC-MS/MS) for Large-Scale Protein Analysis: The Yeast Proteome. Journal of Proteome Research, 2, 43-50. URL: https://doi.org/10.1021/pr025556v
Ссылка на эту статью

Просто выделите и скопируйте ссылку на эту статью в буфер обмена. Вы можете также попробовать найти похожие статьи


Другие сайты издательства:
Официальный сайт издательства NotaBene / Aurora Group s.r.o.
Сайт исторического журнала "History Illustrated"