Software Journal:
Theory and Applications

Подать статью

Вход Регистрация

Уважаемые авторы!

[07.06.2019]

Внимание! Журнал переименован!

Прежнее название «Международный научно-практический журнал "Программные продукты, системы и алгоритмы"».

В соответствии с реализацией планов развития журнала издание будет выходить на английском языке. Контент сайта претерпевает определенные изменения.

Приносим извинения за доставленные неудобства.

Все объявления...

Автоматизированная система построения методов планирования эксперимента: простого, ортогонального, ротатабельного

Н.Е. Тимофеева Саратовский национальный исследовательский государственный университет имени Н.Г. Чернышевскогo (зав. лабораторией), Саратов, Россия;

В статье описана разработанная автоматизированная система, с помощью которой проведен полный факторный эксперимент по методам планирования: простому (линейному), ортогональному, ротатабельному. Полный факторный эксперимент был реализован на основе ряда формул и комплексного алгоритма с построением уравнения регрессии, связывающим исходные факторы. Показана работа системы на примере построения ортогонального метода.


Пространственно-временное моделирование пламени для автоматического обнаружения пожара в видеопотоке

Д.Ю. Бойков Калужский филиал МГТУ им. Н.Э. Баумана, каф. ФН1-КФ «Программное обеспечение, информационные технологии и прикладная математика» (студент), Калуга, Россия;
Ю.С. Белов Калужский филиал ФГБОУ ВО «Московский государственный технический университет имени Н.Э. Баумана (национальный исследовательский университет)» (доцент), Калуга, Россия, кандидат физико-математических наук;

В работе рассматривается проблема обнаружения пламени на видеоизображении. Приведены наиболее распространенные подходы для решения данной задачи. Перечислен ряд факторов, усложняющих процесс обнаружения. Предложен многоступенчатый подход. В качестве первого шага для идентификации движущихся объектов в видео используется вычитание фона, выполняющееся с помощью адаптивного медианного алгоритма. На следующем этапе обработки применяется цветовой анализ. Для каждого потенциального блока огня, в котором присутствуют движущиеся элементы цвета пламени, вычисляется вектор из четырех различных признаков, описывающих такие характеристики пламени, как мерцание, цвет и др. Этот вектор подается в качестве входных данных в классификатор SVM. Также показаны результаты работы системы.


Интеллектуальные системы в прогнозировании сердечно-сосудистых заболеваний

А.В. Ткаченко Калужский филиал МГТУ им. Н.Э. Баумана, каф. ФН1-КФ «Программное обеспечение, информационные технологии и прикладная математика», Калуга, Россия;
Ю.С. Белов Калужский филиал ФГБОУ ВО «Московский государственный технический университет имени Н.Э. Баумана (национальный исследовательский университет)» (доцент), Калуга, Россия, кандидат физико-математических наук;

В статье рассматриваются интеллектуальные системы, используемые в прогнозировании сердечно-сосудистых заболеваний. Эти системы осуществляют вычисления на основе алгоритмов, составленных для каждой системы отдельно. Цель прогнозирования – продление жизни человека путем поддержки сердца недостающими элементами, отказа от вредных привычек и изменения образа жизни. Интеллектуальные системы (шкалы) позволяют оценивать риск возникновения в ближайшие годы сердечно-сосудистых заболеваний на основе определенных факторов. Данные факторы суммируются, и затем делается вывод о том, к какой группе риска относится пациент, к какому заболеванию он предрасположен на данный момент, какие болезни могут еще развиться, в соответствии с этим назначается лечение. Основными методами прогнозирования сердечно-сосудистых заболеваний являются шкалы SCORE, Фрамингема, ASSIGN, GRACE, PROCAM, риска Рейнольдса, QRISK.


Outliers detection by voting method during hierarchical data clustering

A.A. Rybakov
S.S. Shumilin

At present, we often face the task of extracting useful information from a large amount of raw data. This process, called Data Mining, combines various approaches to the analysis and processing of data, but it always begins with one specific step – data cleansing. The raw data entering the analysis are often incomplete, weakly structured, they contain duplicate information and anomalies. The presence of anomalies in the array of input data can lead to incorrect interpretation of the extracted information, errors in prediction and greatly reduce the value of the knowledge obtained. Therefore, the development of new approaches to the elimination of anomalies, or outliers, is an actual task. This article discusses an approach to detecting outliers, based on hierarchical data clustering and using a voting method to identify the most likely candidates for the role of outliers.