|
Biological sequence classification utilizing lossless data compression algorithms
Kruml, Ondřej ; Provazník, Ivo (referee) ; Škutková, Helena (advisor)
Tato diplomová práce se zabývá možností využití bezeztrátových kompresních algoritmů ke klasifikaci biologických sekvencí. Nejdříve je představena literární rešerše o bezeztrátových kompresních algoritmech, která byla využita k výběru slovníkového algoritmu vytvořeného A. Lempelem a J. Zivem v roce 1976 (LZ77). Tento algoritmus je běžně používán k datové kompresi a v předkládané práci byl modifikován tak, aby umožnil klasifikaci biologických sekvencí. K algoritmu byly navrženy další modifikace, které rozvíjí jeho klasifikační možnosti. V průběhu práce byla sestavena sada datasetů biologických sekvencí, která umožnila podrobné testování algoritmu. Algoritmus byl porovnán s klasickými zarovnávacími metodami: Jukes-Cantor, Tamura a Kimura. Bylo ukázáno, že algoritmus dosahuje srovnatelných výsledků v oblasti klasifikace biologických sekvencí a dokonce je u 20% datasetů překonává. Lepší výsledky dosahuje zejména u sekvencí, jež jsou si vzájemně vzdálené.
|
|
Biological sequence classification utilizing lossless data compression algorithms
Kruml, Ondřej ; Provazník, Ivo (referee) ; Škutková, Helena (advisor)
Tato diplomová práce se zabývá možností využití bezeztrátových kompresních algoritmů ke klasifikaci biologických sekvencí. Nejdříve je představena literární rešerše o bezeztrátových kompresních algoritmech, která byla využita k výběru slovníkového algoritmu vytvořeného A. Lempelem a J. Zivem v roce 1976 (LZ77). Tento algoritmus je běžně používán k datové kompresi a v předkládané práci byl modifikován tak, aby umožnil klasifikaci biologických sekvencí. K algoritmu byly navrženy další modifikace, které rozvíjí jeho klasifikační možnosti. V průběhu práce byla sestavena sada datasetů biologických sekvencí, která umožnila podrobné testování algoritmu. Algoritmus byl porovnán s klasickými zarovnávacími metodami: Jukes-Cantor, Tamura a Kimura. Bylo ukázáno, že algoritmus dosahuje srovnatelných výsledků v oblasti klasifikace biologických sekvencí a dokonce je u 20% datasetů překonává. Lepší výsledky dosahuje zejména u sekvencí, jež jsou si vzájemně vzdálené.
|
|
Data compression in ORACLE database system and it's impact on performance
Vacek, Martin ; Macák, Petr (advisor) ; Chlapek, Dušan (referee)
In present day, when magnitude of user generated content rises (web 2.0 technology) and important becomes also the role of multimedial content which is wanted to be stored within DBMS, the space saving turns to be a challenge for back-end developers on the side of providers as well as for database administrators on the side of their clients. How to store, manage and process data effectively led Oracle to research and development of several technologies that are to help DBA in resolving up to date's data distribution requirements for endusers. For instance, let's name clustered tables, partitioned tables, data compression. Each of these technologies comes with different approach to the problem, has it's pros, cons and limitations and sometimes it is possible to combine them at some level. In this thesis I concentrate on the last forenamed and its implementation in database system Oracle 11g Enterprise Edition R1. Basically it consists of two alternatives of data compression application. One of them already implemented in previous version - Oracle 9i EE R2 and the second one -- separately licensed -- newly introduced along with version 11g that consists of compression functions package for various data structures and operations. By means of theoretic analysis of functionality, benchmark definition, running several tests and their interpretation I route this thesis to possible practical use in decision making, when to apply compression, when to avoid it, eventually as a starting point for additional testing within the scope of more extensive theses further unraveling this topic.
|