Daisy – Center for Data-intensive Systemer

  • Selma Lagerlöfs Vej 300

    9220 Aalborg Ø

    Danmark

Organisationsprofil

Organisationsprofil

Data management er et essentielt element i et stort antal IT-systemer, og behovet for avanceret data management stiger i takt med en række samfunds- og erhvervsmæssige tendenser, blandt andet den stigende digitalisering af f.eks. medier (herunder audio og video) og handel og service (e-handel og e-service) samt den voksende udbredelse af kommunikerende systemer og sensorer (f.eks. i biler og mobiltelefoner).

Daisy er et internationalt orienteret forskningscenter med fokus på forskning, uddannelse og innovation inden for data-intensive systemer – systemer, hvor håndteringen af data byder på særlige udfordringer. Daisy forsøger gennem sit virke at fremme samarbejdet og synergien mellem relevante forskningsmiljøer indbyrdes og mellem forskningen og industrielle partnere. Specielt er det en del af Daisys mission at deltage i interdisciplinære projekter sammen med andre forskere samt industrielle samarbejdspartnere.

Daisy har som sit forskningsmæssige mål at være international anerkendt for at være på forkant inden for udvalgte kerneområder indenfor data-intensive systemer. Daisy ønsker inden for disse områder at være en ledestjerne i det videnskabelige samfund. Daisy lægger også vægt på at være kendt for at udføre rettidig service af højeste standard for det internationale forskersamfund.

Daisy vedligeholder en dynamisk portefølje af forskningsaktiviteter der har varierende anvendelseshorisonter. Spekulative projekter med en langsigtet anvendelseshorisont sigter højt og har til formål at skabe ny viden. Disse danner en del af grundlaget for projekter, der sigter mod anvendelighed på relativt kort sigt. Forskerne hos Daisy ser specielt interdisciplinære projekter som et middel til nyskabelse, der har stort potential for at kunne bringe de involverede fagligheder videre.

Daisy støtter teknologidreven innovation, og det er centralt for Daisys forskere at skabe værdi for Daisys industrielle samarbejdspartnere.

Daisy tilbyder forskeruddannelse samt forskningsbaseret undervisning. Således søger Daisys forskere gennem eksperimentel-baseret træning og uddannelse at bibringe nye forsker- og kandidatstuderende kompetencer, der gør dem til eftertragtede forskere og praktikere. 

Fingerprint Fingerprint er automatisk genererede koncepter, som relaterer til enhedens profil, samt indholdet i de tilknyttede personprofiler. Det opdateres løbende med tilføjelsen af nye registreringer.

Query processing Teknik og materialevidenskab
Data warehouses Teknik og materialevidenskab
Trajectories Teknik og materialevidenskab
Processing Teknik og materialevidenskab
Global positioning system Teknik og materialevidenskab
Semantics Teknik og materialevidenskab
Location based services Teknik og materialevidenskab
Information management Teknik og materialevidenskab

Netværk Klik på punkterne for at se detaljerne.

Projekter 2000 2023

Data Management Foundations for Indoor LBS

Lu, H., Li, H. & Liu, T.

01/01/201931/12/2021

Projekter: ProjektForskning

A virtual laboratory for sustainability assessment

Hose, K. & Thomsen, C.

01/01/201931/12/2020

Projekter: ProjektForskning

Unleashing the Potential of Open Data

Hose, K.

01/01/201731/12/2021

Projekter: ProjektForskning

Publikationer 2003 2019

A Decentralized Architecture for Sharing and Querying Semantic Data

Aebeloe, C., Montoya, G. & Hose, K., 25 maj 2019, The Semantic Web. Portorož, Slovenia: Springer, Bind 11503. s. 3-18 16 s. (Lecture Notes in Computer Science).

Publikation: Bidrag til bog/antologi/rapport/konference proceedingKonferenceartikel i proceedingForskningpeer review

AMIC: An Adaptive Information Theoretic Method to Identify Multi-Scale Temporal Correlations in Big Time Series Data

Ho, N. T. T., Vo, H., Vu, M. & Pedersen, T. B., 19 mar. 2019, (Accepteret/In press) I : IEEE Transactions on Big Data.

Publikation: Bidrag til tidsskriftTidsskriftartikelForskningpeer review

Åben adgang
Fil

An MBR-Oriented Approach for Efficient Skyline Query Processing

Zhang, J., Wang, W., Jiang, X., Ku, W-S. & Lu, H., 2019, (Accepteret/In press) The 35th IEEE International Conference on Data Engineering (ICDE). IEEE, (Proceedings of the International Conference on Data Engineering).

Publikation: Bidrag til bog/antologi/rapport/konference proceedingKonferenceartikel i proceedingForskningpeer review

Priser

ESWC 2019 Best Poster Award

Agneta Ghose (Modtager), Katja Hose (Modtager), Matteo Lissandrini (Modtager) & Bo Pedersen Weidema (Modtager), 2019

Pris: Priser, stipendier, udnævnelser

Sapere Aude Research Leader

Katja Hose (Modtager), 5 dec. 2018

Pris: Priser, stipendier, udnævnelser

Best Demo Award

Ove Andersen (Modtager) & Kristian Torp (Modtager), 7 nov. 2018

Pris: Priser, stipendier, udnævnelser

Aktiviteter 2008 2008

  • 9 Peer reviewer/fagfællebedømmer af manuskripter

I E E E Transactions on Knowledge & Data Engineering (Tidsskrift)

Simonas Saltenis (Redaktør)
1 jan. 2008

Aktivitet: Redaktionelt arbejde og fagfællebedømmelsePeer reviewer/fagfællebedømmer af manuskripterForskning

I E E E Transactions on Knowledge & Data Engineering (Tidsskrift)

Simonas Saltenis (Redaktør)
1 jan. 2008

Aktivitet: Redaktionelt arbejde og fagfællebedømmelsePeer reviewer/fagfællebedømmer af manuskripterForskning

V L D B Journal (Tidsskrift)

Simonas Saltenis (Redaktør)
1 jan. 2008

Aktivitet: Redaktionelt arbejde og fagfællebedømmelsePeer reviewer/fagfællebedømmer af manuskripterForskning

Presse/medie

Ugen i Østjylland

Torben Bach Pedersen

20/05/2019

1 element af mediedækning

Presse/medie

Skik på fremtidens informationsstrømme

Katja Hose

18/12/2018

1 element af mediedækning

Presse/medie

Millionbevilling til AAU-forskere

Christian Ydesen, Katja Hose & Bin Yang

13/12/2018

2 elementer af mediedækning

Presse/medie