The aim of this project was to develop a numerical model simulating the global transport of air pollution. The model currently used by SMHI, the Swedish Meteorological and Hydrological Institute, was intended to perform such simulations at regional scales. However, the usage of a grid based on longitudes and latitudes makes this model work poorly in global simulations. The problem with this grid is that the nodes are concentrated near the North and South Poles. Due to this characteristic, the Courant, Friedrich and Lewy-condition for numerical stability puts a sharp bound on the timestep length. In order to keep the transport algorithms stable, the timestep length has to be very small. To avoid too short timesteps, we adopted a new kind of grid. In principle, we defined the global grid on the surface of a cube. By replacing straight lines on the cube with great circles we took the curvature of the Earth into account. The result was almost equal distances between the nodes, and thus we were able to use an acceptable timestep length. / Målet med detta examensarbete var att utveckla en datormodell för global transportsimulering av luftföroreningar. Den modell som hittills använts av SMHI, Sveriges meterologiska och hydrologiska institut, utvecklades för att göra transportsimuleringar över begränsade områden. Detta innebar att ett gitter baserat på latituder och longituder kunde utnyttjas. Problemet som uppkommer då detta gitter används i globala simuleringar är att noderna ligger alltför tätt i närheten av polerna. Enligt CFL-villkoret för numerisk stabilitet så kommer då de numeriska algoritmer som simulerar vindtransport att bli instabila i polarområdena om inte tidssteglängden görs mycket liten. För att undvika en alltför kort tidssteglängd så har vi i detta projekt begagnat oss av ett nytt slags gitter. Grundideen bakom det nya gittret var att utgå från en numerisk metod definierad på en kub. För att tillämpa metoden på en sfär så ersatte vi kubens räta linjer med storcirklar till sfären. Resultatet blev en någorlunda jämn geografisk spridning av beräkningsnoderna, vilket innebar att en godtagbar tidssteglängd kunde användas.

Web cluster systems provide cost-effective solutions when scalable and reliable web services are required. However, as the number of servers in web cluster systems increase, web cluster systems incur long and unpredictable delays to manage servers. This study presents the efficient management schemes for web cluster systems. First of all, we propose an efficient request distribution scheme in web cluster systems. Distributor-based systems forward user requests to a balanced set of waiting servers in complete transparency to the users. The policy employed in forwarding requests from the frontend distributor to the backend servers plays an important role in the overall system performance. In this study, we present a proactive request distribution (ProRD) to provide an intelligent distribution at the distributor. Second, we propose the heuristic memory management schemes through a web prefetching scheme. For this study, we design a Double Prediction-by-Partial-Match Scheme (DPS) that can be adapted to the modern web frameworks. In addition, we present an Adaptive Rate Controller (ARC) to determine the prefetch rate depending on the memory status dynamically. For evaluating the prefetch gain in a server node, we implement an Apache module. Lastly, we design an adaptive web streaming system in wireless networks. The rapid growth of new wireless and mobile devices accessing the internet has contributed to a whole new level of heterogeneity in web streaming systems. Particularly, in-home networks have also increased in heterogeneity by using various devices such as laptops, cell phone and PDAs. In our study, a set-top box(STB) is the access pointer between the internet and a home network. We design an ActiveSTB which has a capability of buffering and quality adaptation based on the estimation for the available bandwidth in the wireless LAN.

<p>Simultaneous Localisation And Mapping SLAM-problemet är ett robotikproblem som består av att låta en robot kartlägga ett tidigare okänt område, och samtidigt lokalisera sig i den skapade kartan. Det här exjobbet presenterar ett försök till en lösning på SLAM-problemet som fungerar i konstant tid i en urban miljö. En sådan lösning måste hantera en datamängd som ständigt ökar, utan att beräkningskomplexiteten ökar signifikant.</p><p>Ett informationsfilter på fördröjd tillståndsform används för estimering av robotens trajektoria, och kamera och laseravståndssensorer används för att samla spatial information om omgivningarna längs färdvägen. Två olika metoder för att detektera loopslutningar föreslås. Den första är bildbaserad och använder Tree of Words för jämförelse av bilder. Den andra metoden är laserbaserad och använder en tränad klassificerare för att jämföra laserscans. När två posar, position och riktning, kopplats samman i en loopslutning beräknas den relativa posen med laserscansinriktning med hjälp av en kombination av Conditional Random Field-Match och Iterative Closest Point.</p><p>Experiment visar att både bild- och laserscansbaserad loopslutningsdetektion fungerar bra i stadsmiljö, och resulterar i good estimering av kartan såväl som robotens trajektoria.</p> / <p>In robotics, the Simultaneous Localisation And Mapping SLAM problem consists of letting a robot map a previously unknown environment, while simultaneously localising the robot in the same map. In this thesis, an attempt to solve the SLAM problem in constant time in a complex environment, such as a suburban area, is made. Such a solution must handle increasing amounts of data without significant increase in computation time.</p><p>A delayed state information filter is used to estimate the robot's trajectory, and camera and laser range sensors are used to acquire spatial information about the environment along the trajectory. Two approaches to loop closure detection are proposed. The first is image based using Tree of Words for image comparison. The second is laser based using a trained classifier for laser scan comparison. The relative pose, the difference in position and heading, of two poses matched in loop closure is calculated with laser scan alignment using a combination of Conditional Random Field-Match and Iterative Closest Point.</p><p>Experiments show that both image and laser based loop closure detection works well in a suburban area, and results in good estimation of the map as well as the robot's trajectory.</p>

Η έρευνα που ακολουθεί έχει ως σκοπό να διερευνήσει την σαφήνεια των αρμοδιοτήτων, το εύρος της συνεργασίας και του συντονισμού των εμπλεκόμενων φορέων στην ασφάλεια αθλητικών ποδοσφαιρικών εκδηλώσεων στην Ελλάδα. Επιπρόσθετα, επιδιώκει να προσδιορίσει κατά πόσο τα θεσμοθετημένα μέτρα ασφάλειας που ισχύουν και εφαρμόζονται στα πρωταθλήματα ποδοσφαίρου με επαγγελματικά αθλητικά σωματεία είναι επαρκή. Επίσης, επιχειρεί να αξιολογήσει τις παραμέτρους εκείνες που λαμβάνονται υπόψη στον επιχειρησιακό σχεδιασμό ενός αθλητικού γεγονότος, τα υπάρχοντα επιχειρησιακά σχέδια που προβλέπονται σε μια αθλητική εκδήλωση σύμφωνα με Ενιαίο Κανονισμό Ασφαλείας, αλλά και να διαπιστώσει την λειτουργικότητα των αθλητικών εγκαταστάσεων. / The survey below is designed to explore the clarity of responsibilities, the scope of cooperation and coordination between stakeholders in the sports concerning safety of football events in Greece. Additionally seeks to determine whether the statutory security measures in force and applied in leagues with professional clubs is sufficient. It also attempts to evaluate the parameters taken into account in the operational planning of a sporting event, the existing operational plans under a sporting event in accordance with Uniform Rules Security, but also to determine the functionality of sports facilities.

Simultaneous Localisation And Mapping SLAM-problemet är ett robotikproblem som består av att låta en robot kartlägga ett tidigare okänt område, och samtidigt lokalisera sig i den skapade kartan. Det här exjobbet presenterar ett försök till en lösning på SLAM-problemet som fungerar i konstant tid i en urban miljö. En sådan lösning måste hantera en datamängd som ständigt ökar, utan att beräkningskomplexiteten ökar signifikant. Ett informationsfilter på fördröjd tillståndsform används för estimering av robotens trajektoria, och kamera och laseravståndssensorer används för att samla spatial information om omgivningarna längs färdvägen. Två olika metoder för att detektera loopslutningar föreslås. Den första är bildbaserad och använder Tree of Words för jämförelse av bilder. Den andra metoden är laserbaserad och använder en tränad klassificerare för att jämföra laserscans. När två posar, position och riktning, kopplats samman i en loopslutning beräknas den relativa posen med laserscansinriktning med hjälp av en kombination av Conditional Random Field-Match och Iterative Closest Point. Experiment visar att både bild- och laserscansbaserad loopslutningsdetektion fungerar bra i stadsmiljö, och resulterar i good estimering av kartan såväl som robotens trajektoria. / In robotics, the Simultaneous Localisation And Mapping SLAM problem consists of letting a robot map a previously unknown environment, while simultaneously localising the robot in the same map. In this thesis, an attempt to solve the SLAM problem in constant time in a complex environment, such as a suburban area, is made. Such a solution must handle increasing amounts of data without significant increase in computation time. A delayed state information filter is used to estimate the robot's trajectory, and camera and laser range sensors are used to acquire spatial information about the environment along the trajectory. Two approaches to loop closure detection are proposed. The first is image based using Tree of Words for image comparison. The second is laser based using a trained classifier for laser scan comparison. The relative pose, the difference in position and heading, of two poses matched in loop closure is calculated with laser scan alignment using a combination of Conditional Random Field-Match and Iterative Closest Point. Experiments show that both image and laser based loop closure detection works well in a suburban area, and results in good estimation of the map as well as the robot's trajectory.

This thesis describes all the necessary parts needed to build a complete system for autonomous indoor mapping in 3D. The robotic platform used is a two-wheeled Segway, operating in a planar environment. This, together with wheel odometers, an Inertial Measurement Unit (IMU), two Microsoft Kinects and a laptop comprise the backbone of the system, which can be divided into three parts: The localization and mapping part, which fundamentally is a SLAM (simultaneous localization and mapping) algorithm implemented using the registration technique Iterative Closest Point (ICP). Along with the map being in 3D, it also designed to handle the mapping of dynamic scenes, something absent from the standard SLAM design. The planning used by the system is twofold. First, the path planning - finding a path from the current position to a destination - and second, the target planning - determining where to go next given the current state of the map and the robot. The third part of the system is the control and collision systems, which while they have not received much focus, are very necessary for a fully autonomous system. Contributions made by this thesis include: The 3D map framework Octomap is extended to handle the mapping of dynamic scenes; A new method for target planning, based on image processing is presented; A calibration procedure for the robot is derived that gives a full six degree of freedom pose for each Kinect. Results show that our calibration procedure produces an accurate pose for each Kinect, which is crucial for a functioning system. The dynamic mapping is shown to outperform the standard occupancy grid in fundamental situations that arise when mapping dynamic scenes. Additionally, the results indicate that the target planning algorithm provides a fast and easy way to plan new target destinations. Finally, the entire system’s autonomous mapping capabilities are evaluated together, producing promising results. However, it also highlights some problems that limit the system’s performance such as the inaccuracy and short range of the Kinects or noise added and reinforced by the multiple subsystems / Detta exjobb beskriver delarna som krävs för att för bygga ett komplett system som autonomt kartlägger inomhusmiljöer i tre dimensioner. Robotplattformen är en Segway, som är kapabel att röra sig i ett plan. Segwayn, tillsammans med en tröghetssensor, två Microsoft Kinects och en bärbar dator utgör grunden till systemet, som kan delas i tre delar: En lokaliserings- och karteringsdel, som i grunden är en SLAM-algoritm (simultan lokalisering och kartläggning)  baserad på registreringsmetoden Iterative Closest Point (ICP). Kartan som byggs upp är i tre dimensioner och ska dessutom hantera kartläggningen av dynamiska miljöer, något som orginalforumleringen av SLAM problemet inte klarar av. En automatisk planeringsdel, som består av två delar. Dels ruttplanering som går ut på att hitta en väg från sin nuvarande position till det valda målet och dels målplanering som innebär att välja ett mål att åka till givet den nuvarande kartan och robotens nuvarande position. Systemets tredje del är regler- och kollisionssystemen. Dessa system har inte varit i fokus i detta arbete, men de är ändå högst nödvändiga för att ett autonomt system skall fungera. Detta examensarbete bidrar med följande: Octomap, ett ramverk för kartläggningen i 3D, har utökats för att hantera kartläggningen av dynamiska miljöer; En ny metod för målplanering, baserad på bildbehandling läggs fram; En kalibreringsprocedur för roboten är framtagen som ger den fullständiga posen i förhållande till roboten för varje Kinect. Resultaten visar att vår kalibreringsprocedur ger en nogrann pose for för varje Kinect, vilket är avgörande för att systemet ska fungera. Metoden för kartläggningen av dynamiska miljöer visas prestera bra i grundläggande situationer som uppstår vid kartläggning av dynamiska miljöer. Vidare visas att målplaneringsalgoritmen ger ett snabbt och enkelt sätt att planera mål att åka till. Slutligen utvärderas hela systemets autonoma kartläggningsförmåga, som ger lovande resultat. Dock lyfter resultat även fram problem som begränsar systemets prestanda, till exempel Kinectens onoggranhet och korta räckvidd samt brus som läggs till och förstärks av de olika subsystemen.

Syfte: Syftet med denna uppsats är att undersöka hur fotbollsklubbars aktiekurs påverkas av klubbarnas prestationer på planen i hänsyn till matchresultat. Delsyftet är att se om andra faktorer som är länkade till matchresultat kan ge mer eller mindre tyngd till eventuella prisförändringar.  Metod: Uppsatsen har ett positivistiskt vetenskapligt förhållningssätt och ett deduktivt angreppssätt. Undersökningen tillämpar en eventstudie-metodologi där eventperioden är satt till dagen efter eventet och där estimeringsperioden omfattar 250 dagar. Efter bortfall täcker insamlad data information kring 1060 matcher från 12 olika lag under åren 2011-2013. Data används för att mäta om en genomsnittlig avvikande avkastning (AAR) har uppstått i samband med matchutfall. Utöver detta undersöks de mer psykologiska faktorerna vändningar, anormal målskillnad och förväntningars effekt på den avvikande avkastningen. Slutligen undersöks det även om det finns skillnader mellan hur fotbollsklubbars aktiekurs påverkas vid olika matchutfall beroende på vilken nation de tillhör. Resultat: Vid vinst uppvisade resultatet en positiv AAR på 0,67 %. Oavgjort och förlust uppvisade en negativ AAR på -1,45 % respektive -1,75 %. Förväntade matchutfall hade ingen signifikant påverkan på aktiekursen medan oförväntade matchutfall hade en signifikant påverkan. En match med positiv (negativ) anormal målskillnad gav 0,88 % (-0,72 %) högre (lägre) avkastningen än en match utan en positiv (negativ) anormal målskillnad. Dock förekom endast signifikans vid positiv anormal målskillnad. Resultatet visade även att vändningar inte hade någon signifikant påverkan på aktiekursen. Förövrigt fanns det endast ett fåtal signifikanta skillnader mellan länder i deras reaktioner till olika matchutfall. Slutsatser: Matchutfall påverkar fotbollsklubbars aktiekurs.  En vinst har en positiv effekt på aktiekursen medan oavgjort och förlust har en negativ effekt. Aktiekursens reaktion på matchutfall är asymmetrisk där förluster har en större effekt än vinster. Förväntningar inför matchen har en betydelse för aktiekursens reaktion. Anormal målskillnad påverkar investeraren emotionellt och leder till en avvikande avkastning. Detta gäller inte för vändningar. Slutligen drogs även slutsatsen att det inte finns någon skillnad kring hur fotbollsklubbars aktiekurs påverkas vid olika matchutfall beroende på vilken nation de tillhör. / Purpose: This paper aims to examine how performance on the pitch in terms of match outcome affects the price of football clubs shares. A subordinate aim is to see whether other factors that are linked to match outcome can give more or less weight to probable price changes. Methodology: This thesis has a positivistic and a deductive approach. Furthermore, this thesis applies an event study methodology, where the event period is the day after the event and the estimation period comprises of 250 days. After accounting for errors and loss in data, the overall data contains information about 1060 games from 12 different teams during 2011-2013. The data is used to measure whether average abnormal returns (AAR) have occurred in connection to match outcomes or not. Moreover, the more psychological factors such as turnarounds, abnormal goal difference and expectations have also been examined to see whether these factors can impact the abnormal return or not. Additionally, it has been examined if differences exist in how football clubs shares react to match outcomes when taking account for their nationality. Results: The result shows that a win gives a positive AAR of 0.67%. A draw and a loss both give a negative AAR, where a draw results in a -1.45% AAR and a loss in a -1.75% AAR. Expected match outcomes had no significant effect on football clubs shares while unexpected match outcomes had a significant effect. A match with positive (negative) abnormal goal difference gave a 0.88% (-0.72%) higher (lower) abnormal return than a match without a positive (negative) abnormal goal difference. However, only positive abnormal goal difference was statistically significant. The results also showed that turnarounds had no significant effect on football clubs shares. Furthermore, the result showed barely any statistical significant differences among the countries in their share reaction to match outcomes. Conclusions: Match outcome has an effect on football clubs shares. A win will have a positive effect on the price of a football club share while a draw and a loss will have a negative effect. There is an asymmetric reaction to match outcomes as a loss will have a larger impact than a win. Expectations influence how football stocks react to match outcomes. Abnormal goal difference affects the investor emotionally and consequently leads to an abnormal return. This is not the case for turnarounds. Moreover it was concluded that nationality do not have a deciding impact on how football clubs shares react to match outcomes.

Autonomous features in vehicles is already a big part of the automobile area and now many companies are looking for ways to make vehicles fully autonomous. Autonomous vehicles need to get information about the surrounding environment. The information is extracted from exteroceptive sensors and today vehicles often use laser scanners for this purpose. Laser scanners are very expensive and fragile, it is therefore interesting to investigate if cheaper radar sensors could be used. One big challenge when it comes to autonomous vehicles is to be able to use the exteroceptive sensors and extract a position of the vehicle and at the same time get a map of the environment. The area of Simultaneous Localization and Mapping (SLAM) is a well explored area when using laser scanners but is not that well explored when using radars. It has been investigated if it is possible to use radar sensors on a truck to create a map of the area where the truck drives. The truck has been equipped with ego-motion sensors and radars and the data from them has been fused together to get a position of the truck and to get a map of the surrounding environment, i.e. a SLAM algorithm has been implemented. The map is represented by an Occupancy Grid Map (OGM) which should only consist of static objects. The OGM is updated probabilistically by using a binary Bayes filter. To localize the truck with help of motion sensors an Extended Kalman Filter (EKF) is used together with a map and a scan match method. All these methods are put together to create a SLAM algorithm. A range rate filter method is used to filter out noise and non-static measurements from the radar. The results of this thesis show that it is possible to use radar sensors to create a map of a truck's surroundings. The quality of the map is considered to be good and details such as space between parked trucks, signs and light posts can be distinguished. It has also been proven that methods with low performance on their own can together with other methods work very well in the SLAM algorithm. Overall the SLAM algorithm works well but when driving in unexplored areas with a low number of objects problems with positioning might occur. A real time system has also been implemented and the map can be seen at the same time as the truck is manoeuvred.

Machine learning techniques have been widely used for classification problems in computational biology. They require that the input must be a collection of fixedlength feature vectors. Since proteins are of varying lengths, there is a need for a means of representing protein sequences by a fixed-number of features. This thesis introduces three novel methods for this purpose: n-peptide compositions with reduced alphabets, pairwise similarity scores by maximal unique matches, and pairwise similarity scores by probabilistic suffix trees. New sequence representations described in the thesis are applied on three challenging problems of computational biology: remote homology detection, subcellular localization prediction, and solvent accessibility prediction, with some problem-specific modifications. Rigorous experiments are conducted on common benchmarking datasets, and a comparative analysis is performed between the new methods and the existing ones for each problem. On remote homology detection tests, all three methods achieve competitive accuracies with the state-of-the-art methods, while being much more efficient. A combination of new representations are used to devise a hybrid system, called PredLOC, for predicting subcellular localization of proteins and it is tested on two distinct eukaryotic datasets. To the best of author&rsquo / s knowledge, the accuracy achieved by PredLOC is the highest one ever reported on those datasets. The maximal unique match method is resulted with only a slight improvement in solvent accessibility predictions.

藉由提供多樣式委託提供交易人直接反應各月份合約價格關係的管道，促進市場活絡, 滿足本國選擇權市場交易人的策略交易需求，增加交易誘因,有關選擇權當日有效策略交易就系統之影響及相關配套措施提出建議以利系統設計之參考及進一步研究跨市場或更複雜之策略交易研究之參考。