Software Journal:
Theory and Applications

Подать статью

Вход Регистрация

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

Н.Е. Тимофеева Саратовский национальный исследовательский государственный университет имени Н.Г. Чернышевскогo, 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», Калуга, Россия;
Ю.С. Белов Калужский филиал ФГБОУ ВО «Московский государственный технический университет имени Н.Э. Баумана (национальный исследовательский университет)», Калуга, Россия, 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)», Калуга, Россия, 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.