Поиск статей

Беспроводные сенсорные сети (WSN) стали незаменимыми в различных областях применения, от мониторинга окружающей среды до отслеживания состояния здоровья. По мере их развития вопросы безопасности и энергоэффективности остаются приоритетными. В данной аналитической работе проводится сравнение современных методов в рамках двух ключевых категорий протоколов: многоканальных протоколов управления доступом к среде (MAC) и кластерных протоколов. Оценка сосредоточена на различных стратегиях назначения каналов и методах кластеризации, включая статическое и динамическое распределение ресурсов связи, адаптивные методологии и гибридные подходы, а также стратегии выбора и ротации кластерных голов и эффективного агрегирования данных. С помощью комплексного исследования мы выделяем ограничения и потенциал каждого подхода, предлагая гибридную структуру, которая объединяет преимущества обоих типов протоколов для повышения безопасности и энергоэффективности в беспроводных сенсорных сетях. Результаты исследования показывают, что интеграция динамического распределения ресурсов с энергоэффективной кластеризацией и адаптивными стратегиями с ротацией кластерных голов может привести к более надежным и эффективным развертываниям. Данный анализ служит основой для будущих исследований, направленных на разработку усовершенствованных гибридных протоколов, которые отвечают динамическим требованиям WSN, обеспечивая устойчивую и эффективную работу сети.

Сеть представляет собой совокупность узлов, соединенных ребрами, которые представляют сущности и их взаимосвязи. В кластеризации социальных сетей узлы организованы в кластеры в соответствии с их шаблонами соединений с целью обнаружения сообществ. Выявление структур сообществ в сетях является важным. Однако существующие методы обнаружения сообществ еще не использовали потенциал алгоритма поиска косяков рыб (FSS) и принципов модулярности. Мы предложили новый метод, основанный на кластеризации с использованием алгоритма поиска рыбной школы и функции модулярности (FSC), который улучшает модулярность в кластеризации сети путем итерационного разбиения сети и оптимизации функции модулярности. Этот подход облегчает обнаружение высокомодулярных структур сообществ, улучшая разрешение и эффективность кластеризации сети. Мы протестировали FSC на известных и неизвестных структурах сетей. Также мы протестировали его на сети, сгенерированной с использованием модели LFR, чтобы проверить его производительность на сетях с различными структурами сообществ. Наша методология демонстрирует высокую эффективность в выявлении структур сообществ, что указывает на ее способность эффективно захватывать сплоченные сообщества и точно определять фактические структуры сообществ.

Предлагается способ комплексирования разноракурсных изображений с применением алгоритма квазиоптимальной кластеризации пикселей к исходным снимкам земной поверхности. Исходные разноракурсные изображения, сформированные бортовой аппаратурой многопозиционных локационных систем, состыковываются в единый составной снимок и при помощи высокоскоростного алгоритма квазиоптимальной кластеризации пикселей редуцируются до нескольких цветов с сохранением характерных границ. Особенность алгоритма квазиоптимальной кластеризации заключается в генерации серии разбиений с постепенно увеличивающейся детализацией за счет переменного числа кластеров. Эта особенность позволяет выбрать подходящие разбиения пар состыкованных изображений из серии сгенерированных. На паре изображений из выбранного разбиения состыкованного снимка осуществляется поиск опорных точек выделенных контуров. Для этих точек определяется функциональное преобразование и после его применения к исходным снимкам осуществляется оценка степени корреляции комплексированного изображения. Как положение опорных точек контура, так и само искомое функциональное преобразование уточняется до тех пор, пока оценка качества комплексирования не будет приемлемой. Вид функционального преобразования подбирается по редуцированным по цвету изображениям, а затем применяется к исходным снимкам. Этот процесс повторяется для кластеризованных изображений с большей детализацией в том случае, если оценка качества комплексирования не является приемлемой. Целью настоящего исследования является разработка способа, позволяющего сформировать комплексное изображение земной поверхности из разноформатных и разнородных снимков. В работе представлены следующие особенности способа комплексирования. Первая особенность заключается в обработке единого составного изображения из пары состыкованных исходных снимков алгоритмом кластеризации пикселей, что позволяет подобным образом выделить одинаковые области на его различных частях. Вторая особенность заключается в определении функционального преобразования по выделенным точкам контура на обработанной паре кластеризованных снимков, которое и применяется к исходным изображениям для их комплексирования. В работе представлены результаты формирования комплексного изображения как по однородным (оптическим) снимкам, так и по разнородным (радиолокационным и оптическим) снимкам. Отличительной чертой предлагаемого способа является улучшение качества формирования, повышение точности и информативности итогового комплексного изображения земной поверхности.

Рассматривается задача определения текущего положения пневматических исполнительных механизмов. Решение поставленной задачи достигается введением системы технического зрения, позволяющей на основе метода нечеткой кластеризации определять в режиме реального времени координаты центра цветовой метки, установленной на исполнительных механизмах мехатронного комплекса и позицию её смещения. Целью работы является повышение точности распознавания цветовой метки для прецизионного позиционирования исполнительных механизмов мехатронного комплекса и повышение быстродействия дефаззификатора за счет распараллеливания вычислительных процедур в нем. Интеллектуализация процесса распознавания цветового оттенка производится на основе нечёткой кластеризации. Сначала строится нечеткая модель, позволяющая в зависимости от входных параметров интенсивности цвета по каждому из каналов RGB и составляющей цветового тона выделять на изображении заданный цвет. Затем осуществляется бинаризация цветного изображения и подавление шумов. При моделировании нечеткой системы авторами были применены две модели дефаззификации: на основе метода центра тяжести и на основе отношения площадей. Модель, реализованная на основе метода отношения площадей, позволяет убрать зоны нечувствительности, которые присутствуют в модели центра тяжести. Метод на основе отношения площадей определяет принадлежность пикселей к заданному цветовому тону, и после этого расположение цветовой метки в кадре изображения определяется на основе определения центра тяжести распознанных пикселей цветовой метки. В последующем, при перемещении исполнительного механизма в продольном направлении, система технического зрения определяет расположение цветовой метки в новом кадре. Разность положений цветовой метки на исходном и текущем изображениях позволяет определить расстояние смещения цветовой метки. С целью исследования влияния шума на точность распознавания были использованы цифровые фильтры: медианный, Гауссовский, матричный и биноминальный. Анализ точности данных фильтров показал, что лучший результат получен при использовании Гауссовского фильтра. Оценка производилась на основе показателя сигнал-шум. Реализация математической модели распознавания цветовой метки выполнена в среде Matlab/Simulink. Экспериментальные исследования работоспособности системы технического зрения с предложенной нечёткой моделью кластеризации проводились на пневматическом мехатронном комплексе. В ходе экспериментов на корпусе цилиндра закреплялась цветовая метка, после чего цилиндр перемещался по направляющим в продольном направлении. В процессе перемещения выполнялась видеофиксация и распознавание изображений. Для определения точности распознавания цветовой метки рассчитаны коэффициенты PSNR и RMSE, которые составили 38,21 и 3,14 соответственно. Точность определения смещения на основе разработанной модели распознавания цветовых меток достигла 99,7%. Быстродействие дефаззификатора увеличилось до 590 нс.

Возникновение чрезвычайных ситуаций, которые угрожают жизни и здоровью людей, резко повышает требования к полноте и точности представления информации о текущей ситуации. Современные робототехнические средства оснащены датчиками, работающими на различных физических принципах. Это приводит к росту входной информации, поступающей в управляющую систему. С учетом ограниченной производительности бортовой вычислительной системы, а также высокой априорной неопределенности наземной обстановки робототехнические средства не могут быть эффективно использованы без объединения получаемой информации от группы робототехнических средств и создания единой картины наземной обстановки. Решить задачу отождествления вектор-признаков, относящихся к одному объекту, а также оценить эффективность полученных решений можно по известным формулам теории проверки статистических гипотез и теории вероятностей только при нормальном законе распределения с известными математическим ожиданием вектор-признака и корреляционной матрицей. Однако перечисленные условия на практике, как правило, не выполняются. Предложен новый метод решения задачи отождествления вектор-признаков, не опирающийся на статистический подход, и, следовательно, не требующий знание вида закона распределения и значений его параметров. Предлагаемый метод основан на идее сочетания кластерного анализа и нечеткой логики и отличается сравнительной простой по отношению к базовым методам многомерной непараметрической статистики. Обсуждаются математические аспекты метода нечеткой кластеризации и возможное упрощение алгоритма нечеткого отождествления при временных ограничениях. Установлено, что применение нечеткой кластеризации объектов в сложной наземной обстановке позволяет уменьшить количество ложных распознаваний объектов по сравнению с существующим статистическим подходом, ориентированным на использование нормального закона распределения. Показано преимущество предлагаемого метода отождествления вектор-признаков объектов, даны сравнительные значения по количеству ложных распознаваний. Даны рекомендации построения правил нечеткого вывода при создании базы знаний экспертной системы.

Описан оригинальный алгоритм кластеризации разнотипных данных, основанный на комплексном применении набора мер расстояний и методов кластеризации и многоэтапной кластеризации. В рамках алгоритма реализовано ранжирование признаков объекта по их значимости для группировки и выбор оптимального набора признаков, ансамблевый подход для получения более устойчивого итогового кластерного решения. Алгоритм реализован в программной системе MixDC (Mixed Data Clustering). Приведены методика и результаты решения реальной задачи кластеризации медицинских данных средствами программной системы.   

Обоснована актуальность пространственной кластеризации мест возникновения чрезвычайных ситуаций. Представлен адаптированный алгоритм STING кластеризации. На основе сравнительного анализа описан выбор вида базы данных для хранения результатов работы алгоритма. Предложен алгоритм подготовки данных для последующей визуализации

Управление знаниями — это совокупность процессов, которые управляют созданием, извлечением, обработкой, использованием, распространением, использованием знаний и предоставлением доступа к ним в некоторой предметной области. Система управления знаниями представляет собой комплекс процедур, реализующих эти процессы. Для представления знаний в настоящее время в России и в мире широко используются онтологии. Неотъемлемой частью любой системы взаимодействующей с пользователем является возможность персонифицировать поток информации и знаний между системой и пользователем. В работе предложен метод онтолого-ориентированной кластеризации для группировки пользователей системы управления знаниями на основе их предпочтений. Такая группировка позволяет выявлять общие предпочтения групп пользователей и адаптировать поток информации и знаний в зависимости от этих предпочтений.

В данной статье представлен анализ структурного состава и функциональных возможнотей кластера СПИИРАН. Приведено описание тестирования производительно сти кластера и проведено сравнение по мощности с другими кластерными системами. Сформулированы рекомендации по дальнейшему использованию кластера.

Рассмотрены основные цели, решаемые системами высокой готовности. Как пример приведена архитектура и принципы работы кластера с различным количеством узлов. Проведено экспериментальное исследование зависимости критерия готовности от архитектуры кластера. Рассмотрено изменение этой зависимости при различных порядковых отношениях между исходными характеристиками.

Рассматривается опыт применения Грид технологий в создании кластеров высокопроизводительных параллельных вычислений. Приведено краткое описание многоуровневой модели Грид архитектуры. Анализируется опыт создания параллельных программ, который показал потребность в дальнейшем развитии технологии параллельных вычислений. Представлены структуры параллельных программ и схемы взаимодействия процессов. Показана необходимость создания эффективной системы управления распределением ресурсов. Намечены дальнейшие пути развития кластера СПИИРАН в направлении интеграции с кластерами других академических институтов.

Современное сельское хозяйство охватывает огромные территории, и эффективный мониторинг этих территорий играет ключевую роль в точном земледелии. Беспроводные сенсорные сети широко используются для получения оперативной информации о состоянии сельскохозяйственных культур. Однако вручную собирать данные с датчиков затруднительно. В то же время беспилотные летательные аппараты (БПЛА) все чаще используются для обеспечения автоматического высокоточного сбора данных. В данной статье рассматриваются методы построения оптимальной траектории БПЛА, обеспечивающие эффективный сбор данных с распределенных сенсорных узлов. Предложенные методы направлены на минимизацию длины маршрута и полное покрытие зон датчиков за счет учета их пространственного распределения и радиуса действия. Целью исследования заключается оптимизация траектории полета БПЛА минимальной длины, обеспечивающей сбор данных со всех датчиков, полностью покрывая зоны покрытия сенсорных узлов. В рамках исследования были разработаны и сравнены четыре метода построения маршрута: центрированный, трехточечный, тангенциальный и метод оптимального выбора точек внутри границы радиуса. Каждый метод реализован в виде программного алгоритма, включающего этапы построения маршрута, его геометрической оптимизации и охвата зоны покрытия. Все методы были протестированы единообразно на наборе датчиков, размещенных на определенной территории. Оценка проводилась по трем основным показателям: протяженность маршрута, количество точек маневра и время расчета программы. Авторами предложены два ключевых метода оптимизации траектории: метод «центроид», основанный на кластеризационном подходе, и усовершенствованный «трёхточечный» метод, реализующий алгоритм Лина–Кернигана. По результатам экспериментов предложенные методы существенно превосходят ранее рассмотренные методы планирования траектории. Таким образом, в статье предложен комплексный метод к построению маршрутов БПЛА для мониторинга сельскохозяйственных полей с учетом геометрических, алгоритмических и вычислительных факторов, а также даны рекомендации по выбору метода в зависимости от пространственной структуры сенсорной сети.

Ключевую роль в достижении высокой надежности, безопасности, отказоустойчивости и малых задержек обслуживания запросов в распределенных системах (в том числе облачных вычислений) играет консолидация ресурсов обработки и хранения данных в кластерах, эффективность которых повышается при использовании технологий виртуальных машин и контейнерной виртуализации. Сложность построения моделей массового обслуживания систем контейнерной виртуализации вызвана тем, что интенсивность выполнения запросов в каждом контейнере связана с динамическим разделением общих ресурсов между активными (выполняющими функциональные задачи) контейнерами и издержками на поддержку всех развернутых в виртуальной машине контейнеров, в том числе неактивных, ожидающих направления в них запросов для обслуживания. Снижение интенсивности обслуживания в каждом контейнере из-за совместного использования общих ресурсов зависит от многих трудно исследуемых факторов. Для кластеров с контейнерной виртуализацией в данной статье предлагается приближенная граничная оценка среднего времени ожидания запросов и вероятности их своевременного обслуживания. При построении аналитической модели каждый контейнер представляется как отдельная одноканальная система массового обслуживания с бесконечной очередью и простейшим входным потоком. Основное отличие предлагаемой модели виртуального кластера заключается в граничной верхней, нижней и усредненной оценке возможного снижения интенсивности обслуживания в контейнерах из-за разделения между ними общих ограниченных вычислительных ресурсов узла кластера в зависимости от количества развернутых в нем контейнеров и изменяющегося числа активных контейнеров, зависящего от интенсивности входного потока. Показано существование оптимального числа развернутых в узлах контейнеров, при котором среднее время пребывания запросов в системе минимально , либо вероятность выполнения запросов за заданное время максимальна. Предлагаемые модели могут быть применены при структурно-параметрической оптимизации кластеров с конвейерной виртуализацией, в том числе в случае масштабирования и реконфигурации, адаптивной к и изменениям трафика, путем отключения или подключения части развернутых контейнеров в зависимости от изменений нагрузки в системе.

Моделирование различных систем связано с перебором значений параметров элементов структуры и учетом всех характеристик функционирования и взаимодействия компонентов для нахождения определенного набора решений, определяющих конфигурацию системы. Такие задачи относятся к задачам переборного типа и подразумевают, что некоторое количество очередных решений из этого набора получается из предыдущего решения в определенном порядке. Известно, что достаточно большое количество задач переборного типа решается только методами полного перебора и других методов для их точного решения пока не существует. В статье представлен новый метод перебора путей в графе – метод трансформации узлов-графов. По предварительной оценке, предложенный метод, в отличие от существующих, позволяет значительно быстрее осуществлять поиск всех простых путей в ориентированном графе произвольной структуры. В известных методах перебора в графе (Breadth First Search и Depth First Search) объектом перебора является путь. Всё количество таких путей в графе определяет размер пространства перебора. Основная идея метода трансформации узлов-графов заключается в значительном уменьшении размера пространства перебора за счет укрупнения объектов перебора. Укрупнение объектов перебора осуществляется кластеризацией путей в комбинаторные объекты, объединяющие по определенному регламенту некоторое множество путей одинаковой длины. Такие комбинаторные объекты названы узлами-графами. Узел-граф относится к центрально-периферическим комбинаторным объектам и для перебора всех путей в графе разработаны специфические операции преобразования узлов-графов, которые позволяют найти следующие пути на основе предыдущих. Метод может использоваться как базовый инструментарий для уменьшения размерности пространства поиска решений NP-полных задач, сохраняя универсальность и точность перебора.

В области рекрутинга и менеджмента персонала существует задача автоматизации процесса оценки характеристик человеческого капитала, учитывающего в том числе особенности личности сотрудника. Статья посвящена вопросу выявления характеристик индивидуального человеческого капитала, имеющих наибольший вклад в некоторые показатели эффективности сотрудника организации, таких как карьерный успех, по данным их самоотчетов о профессиональных навыках и ответов на вопросы–утверждения о различных психологических аспектах личности. Предлагается общая структура опросного инструментария, опирающегося на самоотчеты сотрудников, а также формализация предполагаемых методов анализа таких вопросов. Для выявления групп респондентов, обладающих схожими профессиональными навыками, было предложено использовать кластерный анализ, который позволяет сохранить сложную структуру их взаимосвязи. Для выявления личностных особенностей сотрудников из вопросов–утверждений предлагается формировать шкалы и посредством методов современной теории тестирования получить оценки латентной переменной, отражающей личностные особенности. На завершающем этапе исследования предполагается использование аппарата регрессии для оценивания взаимосвязи выявленных кластеров и латентных характеристик личности с тем или иным индикатором успешности сотрудника. Предлагаемый подход представляет собой структуру пилотного исследования, позволяющего выделить характеристики человеческого капитала (профессиональные навыки и особенности личности), обладающие наибольшим вкладом в показатели эффективности сотрудника или организации, и направлен на снижение трудозатрат на последующих этапах более подробного и прицельного исследования. Возможности предложенного подхода продемонстрированы на примере данных, собранных среди государственных гражданских служащих различных структур Российской Федерации. В качестве индикатора эффективности сотрудника рассматривается наиболее доступный к наблюдению аспект карьерного успеха, выраженный фактом наличия руководящей должности.

Накопление данных о процессах управления проектами и типовых решениях сделало актуальными исследования, связанные с применением методов инженерии знаний для многокритериального поиска вариантов, которые задают оптимальные настройки параметров проектной среды. Цель: разработка методики поиска и визуализации групп проектов, которые могут быть оценены на основе концепции доминирования и интерпретироваться в терминах проектных переменных и показателей эффективности. Методы: обогащение выборки с сохранением неявной связи между проектными переменными и показателями эффективности осуществляется с помощью прогнозирующей нейросетевой модели. Для обнаружения фронта Парето в многомерном критериальном пространстве используется набор генетических алгоритмов. Онтология проектов определяется после кластеризации вариантов в пространстве решений и преобразования кластерной структуры в критериальное пространство. Автоматизация поиска в многомерном пространстве зоны наибольшей кривизны фронта Парето, определяющей равновесные проектные решения, их визуализация и интерпретация осуществляются с помощью плоского дерева решений. Результаты: плоское дерево строится при любой размерности критериального пространства и имеет структуру, которая имеет топологическое соответствие с проекциями разделяемых образов кластеров из многомерного пространства на плоскость. Для различных видов преобразований и корреляций между показателями эффективности и проектными переменными показано, что участки наибольшей кривизны фронта Парето определяются либо содержимым целого кластера, либо частью вариантов, представляющих “лучший” кластер. Если на плоском дереве к правому верхнему углу примыкает неразделенный прямоугольник кластера, то его представители в критериальном пространстве хорошо отделены от остальных кластеров и при максимизации показателей эффективности наиболее приближены к идеальной точке. Все представители такого кластера являются эффективными решениями. Если кластер-победитель содержит внутри дерева решений доминируемые варианты, то “лучший” кластер представляют оставшиеся варианты, которые задают оптимальные настройки проектных переменных. Практическая значимость: предложенная методика поиска и визуализации групп проектов может найти применение при выборе условий ресурсного и организационно-экономического моделирования проектной среды, обеспечивающих оптимизацию рисков, стоимостных, функциональных и временных критериев.

В работе представлено применение алгоритма статистического анализа данных разновременной мультиспектральной аэрофотосъемки с целью выявления участков исторического антропогенного воздействия на природную среду. Исследуемый участок расположен на окраине поселка городского типа Знаменка (Знаменский район Тамбовской области) в лесостепной зоне с типичными черноземными почвами, где во второй половине XIX – начале XX вв. были расположены пашни. Признаком для выявления следов исторического антропогенного воздействия может быть растительность, возникшая в результате вторичной сукцессии на заброшенных участках. Отличительной особенностью такой растительности от окружающей природной среды является ее тип, возраст и плотность произрастания. Таким образом, задача обнаружения границ антропогенного воздействия по мультиспектральным изображениям сводится к задаче классификации растительности. Исходными данными являлись результаты разновременной мультиспектральной съемки в зеленом (Green), красном (Red), краевом красном (RedEdge) и ближнем инфракрасном (NIR) спектральных диапазонах. На первом этапе алгоритма предполагается вычисление текстурных признаков Харалика по данным мультиспектральной съемки, на втором этапе – уменьшение количества признаков методом главных компонент, на третьем – сегментация изображений на основе полученных признаков методом k-means. Эффективность предложенного алгоритма показана при сопоставлении результатов сегментации с эталонными данными исторических картографических материалов. Полученный результат сегментации отражает не только конфигурацию участков анотропогенно-преобразованной природной среды, но и особенности зарастания заброшенной пашни, поскольку исследование разновременных мультиспектральных снимков позволяет более полно охарактеризовать и учесть динамику наращивания фитомассы в разные периоды вегетации.

Эта статья фокусируется на том, чтобы уловить смысл значения текстовых функций понимания естественного языка (NLU) для обнаружения дубликатов неконтролируемых признаков. Особенности NLU сравниваются с лексическими подходами для доказательства подходящей методики классификации. Подход трансфертного обучения используется для обучения извлечению признаков в задаче семантического текстового сходства (STS). Все функции оцениваются с помощью двух типов наборов данных, которые принадлежат отчетам об ошибках Bosch и статьям Википедии. Цель данного исследованияструктурировать последние исследовательские усилия путем сравнения концепций NLU для описания семантики текста и применения их к IR. Основным вкладом данной работы является сравнительное исследование измерений семантического сходства. Экспериментальные результаты демонстрируют результаты функции Term Frequency–Inverse Document Frequency (TF-IDF) для обоих наборов данных с разумным объемом словаря. Это указывает на то, что двунаправленная долговременная кратковременная память (BiLSTM) может изучать структуру предложения для улучшения классификации.

Анализ сетей разнообразной природы, которыми являются сети цитирования, а также социальные или информационно-коммуникационные сети, включает изучение топологических свойств, позволяющих оценивать взаимосвязи между узлами сети и различные характеристики, такие как плотность и диаметр сети, связанные подгруппы узлов и тому подобное. Для этого сеть представляется в виде графа – совокупности вершин и ребер между ними. Одной из важнейших задач анализа сетей является оценивание значимости узла (или в терминах теории графов – вершины). Для этого разработаны различные меры центральности, позволяющие оценить степень значимости вершин сетевого графа в структуре рассматриваемой сети. Существующее многообразие мер центральности порождает проблему выбора той, которая наиболее полно описывает значимость центральность узла. Актуальность работы обусловлена необходимостью анализа мер центральности для определения значимости вершин, что является одной из основных задач изучения сетей (графов) в практических приложениях. Проведенное исследование позволило с использованием метода главных компонент среди известных мер центральности выявить коллинеарные меры, которые в дальнейшем можно исключать из рассмотрения. Это позволяет уменьшить вычислительную сложность расчетов, что особенно важно для сетей с большим числом узлов, и повысить достоверность интерпретации получаемых результатов при оценивании значимости узла в рамках анализируемой сети при решении практических задач. Выявлены закономерности представления различных мер центральности в пространстве главных компонент, что позволяет классифицировать их с точки зрения близости образов узлов сети, формируемых в определяемом применяемыми мерами центральности пространстве.

Рассматриваются основные способы применения интеллектуальных методов и алгоритмов, синтезированных на их основе, представления данных сетевого мониторинга для управления рисками информационной безопасности защищенных мультисервисных сетей (ЗМС). Разработана и исследована математическая модель интеллектуального представления данных для анализа и оценки риска информационной безопасности ЗМС.

В статье анализируется проблема сегментации цветового изображения, аппроксимируемого кусочно-постоянными приближениями. Качество сегментации оценивается по классическому среднеквадратичному отклонению (СКО) пикселей приближения от пикселей изображения. Обсуждаются современные версии классических методов кластеризации пикселей изображения посредством минимизации СКО или суммарной квадратичной ошибки. Описываются четыре основные операции с кластерами пикселей и критерии их выполнения для построения оптимизированных приближений. Предлагаются варианты алгоритма преобразования приближения изображения, которые при неизменном числе сегментов обеспечивают оптимизацию приближения как по СКО, так и по зрительному восприятию.

Целью работы является создание алгоритма генерации тезауруса синонимов для названий продуктов. Такие тезаурусы используются в современных поисковых машинах для расширения пользовательского запроса и улучшения качества поиска. При этом подходе из поискового индекса выбираются документы, включающие в себя не только слова, содержащиеся в запросе, но и близкие по смыслу термины. В ходе работы был реализован полуавтоматический метод обучения распознавателя именованных сущностей. Для валидации извлеченных сущностей был предложен метод полуавтоматической валидации.

Статья посвящена разработке комплексной модели диктора в задаче текстонезависимой идентификации по голосу. Комплексная модель базируется на методе гауссовых смесей. Ее формируют по речевому сигналу, который предварительно сегментируется на фрагменты, соответствующие различным фонетическим классам звуков. Предложен способ структурирования моделей дикторов. Модели дикторов структурированы в виде дерева, что позволило проводить идентификацию диктора без выполнения полного перебора всего множества моделей. Проведенные исследования показали, что деление акустического пространства голоса диктора на множество классов, представляющих некоторые фонетические события, приводит к увеличению эффективности идентификации по голосу, а предложенное структурирование множества моделей дикторов ускоряет операцию поиска.

Схожесть производственных процессов на различных предприятиях делает возможным разработку единой платформы для планирования производства. Однако для каждого типа предприятий должны быть разработаны свои модули к этой платформе, ориентированные на производственную деятельность такого предприятия. Для автоматизации сопровождения, а также мониторинга работы программного обеспечения на предприятиях предлагается использовать технологию облачных вычислений, которая позволяет работникам предприятия получать удаленный динамический доступ к услугам, вычислительным ресурсам и приложениям, находящимся в географическом удалении от них. Для решения задач планирования и управления производством используются математические модели и методы для решения оптимизационных задач, в т.ч. задач раскроя, комплектовки и транспортировки материалов, реализованные в виде программного модуля (решателя). В статье предложена архитектура Платформы, основанная на четырех основных уровнях: уровень управления базами данных, уровень сервера приложений, уровень веб-сервера и уровень клиентского программного обеспечения. Для демонстрации возможностей системы был разработан прототип, базирующийся на предложенной архитектуре и использовании решателя для решения задачи на основе матрицы ограничений на примере предприятия целлюлозно-бумажной промышленности. Ключевые слова: Облачные вычисления, планирование производства, вычислительные кластеры.