Resultados de búsqueda para Clustering

El acelerado crecimiento tecnológico en el sector informático ha traído consigo una gran variedad de arquitecturas de computación y programas disponibles. Esto propicia que el problema de optimizar el rendimiento de los programas sea cada vez más complejo. La razón es que requiere de un tratamiento automático que, para obtener resultados notables, debe considerar en sus decisiones tanto las características del propio programa como las del sistema donde se ejecutarán. Con el objetivo de avanzar en el conocimiento sobre la optimización automática y adaptada de programas informáticos, en este trabajo se presenta un novedoso sistema de caracterización y agrupamiento de programas sobre arquitecturas x86 en función de sus características intrínsecas, extraídas con las herramientas Intel SDE y perf. Como caso de estudio, se ha seleccionado un subconjunto de los programas recogidos en EEMBC, un conjunto de programas de prueba (benchmark suite) de la literatura diseñado para analizar el rendimiento de dispositivos de computación. Los resultados muestran cómo con 11 clusters se pueden agrupar 70 benchmarks, que a priori son distintos, pero que comparten un mismo comportamiento.

Model finders can build instances of declarative specifications that satisfy a set of correctness constraints. Some model finders ensure some degree of diversity among the instances they compute. Nevertheless, each model finder uses its own definition of diversity, that may or may not match designer intent. In this paper, we propose a procedure that enables designers to capture the desired notion of diversity they are looking for. Using a simple domain-specific language, they can specify what elements in the specification are relevant when comparing the differences between two instances. This information can then be used to make any model finder diversity-aware while using it as a black box. As a proof of concept, this approach has been implemented on top of the Alloy Analyzer.

Variability models are used to build configurators. Configurators are programs that guide users through the configuration process to reach a desired configuration that fulfils user requirements. The same variability model can be used to design different configurators employing different techniques. One of the elements that can change in a configurator is the configuration workflow, i.e., the order and sequence in which the different configuration elements are presented to the configuration stakeholders. When developing a configurator, a challenge is to decide the configuration workflow that better suites stakeholders according to previous configurations. For example, when configuring a Linux distribution, the configuration process start by choosing the network or the graphic card, and then other packages with respect to a given sequence. In this paper, we present COLOSSI, an automated technique that given a set of logs of previous configurations and a variability model can automatically assist to determine the configuration workflow that better fits the configuration logs generated by user activities. The technique is based on process discovery, commonly used in the process mining area, with an adaptation to configuration contexts. Our proposal is validated using existing data from an ERP configuration environment showing its feasibility. Furthermore, we open the door to new applications of process mining techniques in different areas of software product line engineering.

En la actualidad existe una enorme explosión en el conjunto de aplicaciones móviles cuyo fin es promover hábitos de vida saludables, y el ámbito de la salud cardiovascular no ha sido la excepción. Aunque un buen número de estas aplicaciones hacen uso de técnicas de gamificación, no hay actualmente ninguna propuesta que incluya varios juegos relacionados con los aspectos clave de la salud cardiovasular y, por lo tanto, tampoco hay ni en el ámbito académico ni el comercial ningún sistema de recomendación de actividades gamificadas para la promoción de los hábitos cardiosaludables. En este artículo, se presenta un sistema de recomendación basado en técnicas de minería de procesos que describen de forma muy precisa lo que está realizando el usuario, lo cual lleva a generar, a su vez, recomendaciones también muy precisas.