{"id":{"repo_id":"athens","oai_identifier":"oai:lib.uoa.gr:uoadl:1319061"},"canonical_url":"https://search.ndltd.org/etd/athens/oai:lib.uoa.gr:uoadl:1319061","repository":{"repo_id":"athens","name":"National and Kapodistrian University of Athens","base_url":"https://pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh"},"display":{"title":"Μονο- και πολυμεταβλητές αυτοπαλίνδρομες τεχνικές για συμπίεση δεδομένων σε ασύρματα δίκτυα αισθητήρων","abstract":"Τα ασύρματα δίκτυα αισθητήρων βρίσκουν διαρκώς όλο και περισσότερες εφαρμογές σε πλείστα επιστημονικά πεδία καθώς η δυνατότητα συλλογής πληροφοριών από μεμονωμένες και κινητές μονάδες καθίσταται αναγκαία. Αναπόσπαστο κομμάτι των δικτύων αισθητήρων επίσης είναι και η μεταφορά των δεδομένων, τα οποία πολλές φορές είναι κρίσιμα και για αυτόν τον λόγο πρέπει να υπάρχει ένας μηχανισμός ανάκαμψης σε περίπτωση απώλειας πληροφορίας. Οι αισθητήρες που αποτελούν τις δομικές μονάδες των δικτύων χαρακτηρίζονται από το γνωστό πρόβλημα των πεπερασμένων ενεργειακών πόρων που διατίθενται από τον κάθε αισθητήρα.Σκοπός αυτής της εργασίας είναι η εισαγωγή νέων μεθόδων επεξεργασίας των δεδομένων ώστε να συμπιέζεται η χρήσιμη πληροφορία πριν αποσταλεί στο υπόλοιπο δίκτυο. Επίσης η νέα μέθοδος επεξεργασίας υποβοηθείται από έναν αλγόριθμο πρόβλεψης του πλαισίου σε περίπτωση χαμένης πληροφορίας αλλά και περαιτέρω συμπίεσης.Ένας τέτοιας φύσης αλγόριθμος σχεδιάστηκε και υλοποιήθηκε. Ο αλγόριθμος αυτός συνδυάζει την συμπίεση της πληροφορίας επί του πλαισίου διατηρώντας την περισσότερη διαθέσιμη πληροφορία αλλά και την δυνατότητα πρόβλεψης των πλαισίων. Χρησιμοποιήθηκε η ανάλυση των κύριων συνιστωσών καθώς και το αυτοπαλίνδρομο διανυσματικό υπόδειγμα. Ο αλγόριθμος συγκρίθηκε με άλλους μονομεταβλητούς αλγόριθμους πρόβλεψης χρησιμοποιώντας διαφορετικές μετρικές και για διαφορετικούς τύπους δεδομένων. Τα αποτελέσματα είναι ενθαρρυντικά και ειδικότερα ο μέσος όρος του μέσου τετραγωνικού σφάλματος εμφανίζεται ικανοποιητικός σε σχέση με τους υπόλοιπους αλγορίθμους.","abstract_html":"Τα ασύρματα δίκτυα αισθητήρων βρίσκουν διαρκώς όλο και περισσότερες εφαρμογές σε πλείστα επιστημονικά πεδία καθώς η δυνατότητα συλλογής πληροφοριών από μεμονωμένες και κινητές μονάδες καθίσταται αναγκαία. Αναπόσπαστο κομμάτι των δικτύων αισθητήρων επίσης είναι και η μεταφορά των δεδομένων, τα οποία πολλές φορές είναι κρίσιμα και για αυτόν τον λόγο πρέπει να υπάρχει ένας μηχανισμός ανάκαμψης σε περίπτωση απώλειας πληροφορίας. Οι αισθητήρες που αποτελούν τις δομικές μονάδες των δικτύων χαρακτηρίζονται από το γνωστό πρόβλημα των πεπερασμένων ενεργειακών πόρων που διατίθενται από τον κάθε αισθητήρα.Σκοπός αυτής της εργασίας είναι η εισαγωγή νέων μεθόδων επεξεργασίας των δεδομένων ώστε να συμπιέζεται η χρήσιμη πληροφορία πριν αποσταλεί στο υπόλοιπο δίκτυο. Επίσης η νέα μέθοδος επεξεργασίας υποβοηθείται από έναν αλγόριθμο πρόβλεψης του πλαισίου σε περίπτωση χαμένης πληροφορίας αλλά και περαιτέρω συμπίεσης.Ένας τέτοιας φύσης αλγόριθμος σχεδιάστηκε και υλοποιήθηκε. Ο αλγόριθμος αυτός συνδυάζει την συμπίεση της πληροφορίας επί του πλαισίου διατηρώντας την περισσότερη διαθέσιμη πληροφορία αλλά και την δυνατότητα πρόβλεψης των πλαισίων. Χρησιμοποιήθηκε η ανάλυση των κύριων συνιστωσών καθώς και το αυτοπαλίνδρομο διανυσματικό υπόδειγμα. Ο αλγόριθμος συγκρίθηκε με άλλους μονομεταβλητούς αλγόριθμους πρόβλεψης χρησιμοποιώντας διαφορετικές μετρικές και για διαφορετικούς τύπους δεδομένων. Τα αποτελέσματα είναι ενθαρρυντικά και ειδικότερα ο μέσος όρος του μέσου τετραγωνικού σφάλματος εμφανίζεται ικανοποιητικός σε σχέση με τους υπόλοιπους αλγορίθμους.","abstract_has_math":false,"creators":["Κογχυλάκης Ευάγγελος"],"institution":null,"degree_name":null,"degree_level":null,"degree_discipline":null,"degree_department":null,"school":null,"contributors":[],"advisors":[],"committee_chairs":[],"committee_members":[],"year":2015,"date_issued":"2015","date_published":"2015","updated_at":"2026-11-19T05:25:34Z","subjects":[],"languages":["Ελληνικά","Greek"],"rights":[],"rights_urls":[],"identifier_entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:1319061"],"render_values":[{"text":"uoadl:1319061","href":null,"code":true}]}],"person_identifier_entries":[]},"links":{"outbound_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/1319061","outbound_label":"Repository record","outbound_source":"dc:identifier","record_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/1319061","record_label":"Repository record","record_kind":"record","record_source":"dc:identifier","download_url":null,"download_label":null,"download_source":null,"access_status":null,"embargo_until":null,"access_note":null},"source_record":{"url":"https://pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh?verb=GetRecord&metadataPrefix=oai_dc&identifier=oai%3Alib.uoa.gr%3Auoadl%3A1319061","prefix":"oai_dc"},"metadata_groups":[{"id":"people","label":"People","entries":[{"key":"dc:creator","label":"Author","values":["Κογχυλάκης Ευάγγελος"]}]},{"id":"academic_context","label":"Academic Context","entries":[{"key":"dc:date","label":"Dc Date","values":["2015"]},{"key":"dc:type","label":"Dc Type","values":["born_digital_postgraduate_thesis","Διπλωματική Εργασία","Postgraduate Thesis"]}]},{"id":"language_rights","label":"Language and Rights","entries":[{"key":"dc:language","label":"Dc Language","values":["Ελληνικά","Greek"]}]},{"id":"identifiers","label":"Identifiers","entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:1319061","https://pergamos.lib.uoa.gr/uoa/dl/object/1319061"]}]},{"id":"additional","label":"Additional Metadata","entries":[{"key":"dc:description","label":"Description","values":["Τα ασύρματα δίκτυα αισθητήρων βρίσκουν διαρκώς όλο και περισσότερες εφαρμογές σε πλείστα επιστημονικά πεδία καθώς η δυνατότητα συλλογής πληροφοριών από μεμονωμένες και κινητές μονάδες καθίσταται αναγκαία. Αναπόσπαστο κομμάτι των δικτύων αισθητήρων επίσης είναι και η μεταφορά των δεδομένων, τα οποία πολλές φορές είναι κρίσιμα και για αυτόν τον λόγο πρέπει να υπάρχει ένας μηχανισμός ανάκαμψης σε περίπτωση απώλειας πληροφορίας. Οι αισθητήρες που αποτελούν τις δομικές μονάδες των δικτύων χαρακτηρίζονται από το γνωστό πρόβλημα των πεπερασμένων ενεργειακών πόρων που διατίθενται από τον κάθε αισθητήρα.Σκοπός αυτής της εργασίας είναι η εισαγωγή νέων μεθόδων επεξεργασίας των δεδομένων ώστε να συμπιέζεται η χρήσιμη πληροφορία πριν αποσταλεί στο υπόλοιπο δίκτυο. Επίσης η νέα μέθοδος επεξεργασίας υποβοηθείται από έναν αλγόριθμο πρόβλεψης του πλαισίου σε περίπτωση χαμένης πληροφορίας αλλά και περαιτέρω συμπίεσης.Ένας τέτοιας φύσης αλγόριθμος σχεδιάστηκε και υλοποιήθηκε. Ο αλγόριθμος αυτός συνδυάζει την συμπίεση της πληροφορίας επί του πλαισίου διατηρώντας την περισσότερη διαθέσιμη πληροφορία αλλά και την δυνατότητα πρόβλεψης των πλαισίων. Χρησιμοποιήθηκε η ανάλυση των κύριων συνιστωσών καθώς και το αυτοπαλίνδρομο διανυσματικό υπόδειγμα. Ο αλγόριθμος συγκρίθηκε με άλλους μονομεταβλητούς αλγόριθμους πρόβλεψης χρησιμοποιώντας διαφορετικές μετρικές και για διαφορετικούς τύπους δεδομένων. Τα αποτελέσματα είναι ενθαρρυντικά και ειδικότερα ο μέσος όρος του μέσου τετραγωνικού σφάλματος εμφανίζεται ικανοποιητικός σε σχέση με τους υπόλοιπους αλγορίθμους.","Wireless sensor networks are found in numerous applications in most scientific fields as the collection of information from individual and mobile units becomes necessary. An integral part of the network of sensors is the actual transfer of data, which is often critical and for this particular reason there should be a recovery mechanism in case of information loss. The sensors which are the building blocks of networks are characterized by the well-known problem of limited energy resources.The purpose of this paper is to introduce new data processing methods based on which the relevant information is compressed before it is sent to the rest of the network. Also the new algorithm has an added module which is a frame prediction algorithm where the lost information is being predicted efficiently also used to further compress each frame.Such an algorithm was designed and implemented. This algorithm combines compressing the information while retaining most of its significance and the predictability of the information. Principal component analysis and the vector autoregressive model were used. The algorithm was compared with other univariate prediction algorithms using different metrics for different datasets. The results are promising and in particular the average mean squared error is satisfactory compared to the other algorithms."]},{"key":"dc:title","label":"Title","values":["Μονο- και πολυμεταβλητές αυτοπαλίνδρομες τεχνικές για συμπίεση δεδομένων σε ασύρματα δίκτυα αισθητήρων"]}]}],"canonical_facts":{"dc:creator":["Κογχυλάκης Ευάγγελος"],"dc:date":["2015"],"dc:description":["Τα ασύρματα δίκτυα αισθητήρων βρίσκουν διαρκώς όλο και περισσότερες εφαρμογές σε πλείστα επιστημονικά πεδία καθώς η δυνατότητα συλλογής πληροφοριών από μεμονωμένες και κινητές μονάδες καθίσταται αναγκαία. Αναπόσπαστο κομμάτι των δικτύων αισθητήρων επίσης είναι και η μεταφορά των δεδομένων, τα οποία πολλές φορές είναι κρίσιμα και για αυτόν τον λόγο πρέπει να υπάρχει ένας μηχανισμός ανάκαμψης σε περίπτωση απώλειας πληροφορίας. Οι αισθητήρες που αποτελούν τις δομικές μονάδες των δικτύων χαρακτηρίζονται από το γνωστό πρόβλημα των πεπερασμένων ενεργειακών πόρων που διατίθενται από τον κάθε αισθητήρα.Σκοπός αυτής της εργασίας είναι η εισαγωγή νέων μεθόδων επεξεργασίας των δεδομένων ώστε να συμπιέζεται η χρήσιμη πληροφορία πριν αποσταλεί στο υπόλοιπο δίκτυο. Επίσης η νέα μέθοδος επεξεργασίας υποβοηθείται από έναν αλγόριθμο πρόβλεψης του πλαισίου σε περίπτωση χαμένης πληροφορίας αλλά και περαιτέρω συμπίεσης.Ένας τέτοιας φύσης αλγόριθμος σχεδιάστηκε και υλοποιήθηκε. Ο αλγόριθμος αυτός συνδυάζει την συμπίεση της πληροφορίας επί του πλαισίου διατηρώντας την περισσότερη διαθέσιμη πληροφορία αλλά και την δυνατότητα πρόβλεψης των πλαισίων. Χρησιμοποιήθηκε η ανάλυση των κύριων συνιστωσών καθώς και το αυτοπαλίνδρομο διανυσματικό υπόδειγμα. Ο αλγόριθμος συγκρίθηκε με άλλους μονομεταβλητούς αλγόριθμους πρόβλεψης χρησιμοποιώντας διαφορετικές μετρικές και για διαφορετικούς τύπους δεδομένων. Τα αποτελέσματα είναι ενθαρρυντικά και ειδικότερα ο μέσος όρος του μέσου τετραγωνικού σφάλματος εμφανίζεται ικανοποιητικός σε σχέση με τους υπόλοιπους αλγορίθμους.","Wireless sensor networks are found in numerous applications in most scientific fields as the collection of information from individual and mobile units becomes necessary. An integral part of the network of sensors is the actual transfer of data, which is often critical and for this particular reason there should be a recovery mechanism in case of information loss. The sensors which are the building blocks of networks are characterized by the well-known problem of limited energy resources.The purpose of this paper is to introduce new data processing methods based on which the relevant information is compressed before it is sent to the rest of the network. Also the new algorithm has an added module which is a frame prediction algorithm where the lost information is being predicted efficiently also used to further compress each frame.Such an algorithm was designed and implemented. This algorithm combines compressing the information while retaining most of its significance and the predictability of the information. Principal component analysis and the vector autoregressive model were used. The algorithm was compared with other univariate prediction algorithms using different metrics for different datasets. The results are promising and in particular the average mean squared error is satisfactory compared to the other algorithms."],"dc:identifier":["uoadl:1319061","https://pergamos.lib.uoa.gr/uoa/dl/object/1319061"],"dc:language":["Ελληνικά","Greek"],"dc:title":["Μονο- και πολυμεταβλητές αυτοπαλίνδρομες τεχνικές για συμπίεση δεδομένων σε ασύρματα δίκτυα αισθητήρων"],"dc:type":["born_digital_postgraduate_thesis","Διπλωματική Εργασία","Postgraduate Thesis"]},"updated_at":"2026-11-19T05:25:34Z"}