Publicação
Data reduction techniques for edge environments
| dc.contributor.advisor | Bernardino, Jorge Fernandes Rodrigues | |
| dc.contributor.advisor | Pereira, Vasco | |
| dc.contributor.advisor | Carvalho, Gonçalo | |
| dc.contributor.author | Fernandes, Vítor Hugo Silva | |
| dc.date.accessioned | 2026-03-25T16:41:53Z | |
| dc.date.available | 2026-03-25T16:41:53Z | |
| dc.date.issued | 2026-01-30 | |
| dc.description.abstract | O rápido crescimento na produção de dados tornou cada vez mais desafiante a gestão, o armazenamento e a transmissão de grandes volumes de informação, especialmente em ambientes com recursos limitados. Este trabalho apresenta uma comparação entre diferentes técnicas de redução de dados. Foi realizada uma revisão abrangente do estado da arte para identificar e categorizar algoritmos com foco nas suas características, formando a base para uma taxonomia estruturada. O pipeline utilizado para os testes opera num dispositivo Raspberry Pi e realiza a preparação, redução e recolha de métricas de dados utilizando conjuntos de dados comuns que abrangem diferentes tipos de dados, incluindo dados temporais, numéricos e textuais. Os resultados da avaliação mostraram que JPEG e Block Averaging são eficazes na redução de dados de imagem, enquanto MP3 se destaca na compressão de áudio. Quanto aos dados numéricos e temporais, o BZip2 apresentou os melhores resultados. O objetivo deste trabalho é analisar diferentes algoritmos de redução de dados e avaliar a adequação dos mesmos a diferentes tipos de dados. | por |
| dc.description.abstract | The rapid growth in data production has made managing, storing, and transmitting large volumes of information increasingly challenging, especially in environments with limited resources. This work presents a comparison between different data reduction techniques. A comprehensive review of the state of the art was conducted to identify and categorize algorithms focused on their characteristics, forming the basis for a structured taxonomy. The pipeline used for tests operates on a Raspberry Pi device and performs data preparation, reduction and metric collection using commonly datasets encompassing different data types, including temporal, numeric, and textual data. The evaluation results showed that JPEG and Block Averaging are effective at reducing image data, while MP3 excels at compressing audio, as for numeric data and temporal data BZip2 had the best results. This work aims to analyse various data reduction algorithms and assess their suitability for diferente types of data. | eng |
| dc.identifier.tid | 204216508 | |
| dc.identifier.uri | http://hdl.handle.net/10400.26/62446 | |
| dc.language.iso | eng | |
| dc.rights.uri | N/A | |
| dc.subject | Ambientes com recursos limitados | |
| dc.subject | Redução de dados | |
| dc.subject | Tipos de dados | |
| dc.title | Data reduction techniques for edge environments | eng |
| dc.type | master thesis | |
| dspace.entity.type | Publication | |
| thesis.degree.grantor | Instituto Politécnico de Coimbra |