WWW.DISSERS.RU

БЕСПЛАТНАЯ ЭЛЕКТРОННАЯ БИБЛИОТЕКА

   Добро пожаловать!

Pages:     | 1 | 2 || 4 | 5 |   ...   | 18 |

совпадение функции уровня (отклонение свободной поверхности от её невозмущенного состояния) со спутниковыми данными наблюдений об уровне. Этот критерий можно свести к минимизации квадратичного функционала («стоимости») с целью вариационного усвоения данных наблюдений и вычисления F. После решения данной задачи оценивается норма F, и её значение берется в качестве меры адекватности исходной модели динамики приливов. В докладе представлены результаты однозначной разрешимости задачи минимизации функционала «стоимости» и доказывается, что минимум функционала равен нулю. Приводится итерационный алгоритм решения задачи минимизации, численный алгоритм решения задачи динамики приливов [4], и результаты численных экспериментов.

Авторы выражают благодарность д.ф.-м.н., профессору Агошкову В.И. за научное руководство и постановку задач.

Работа выполнена при поддержке РФФИ (грант 07-01-00714а).

Список литературы 3. Морозов В.А. Регулярные методы решения некорректных задач. – М: Наука, 1987.

4. Агошков В.И. Методы оптимального управления и сопряженных уравнений в задачах математической физики. – М.: ИВМ РАН, 2003.

5. Марчук Г.И., Каган Б.А. Океанские приливы. – Л: Гидрометеоиздат, 1977.

1. Botvinovsky E.A. An algorithm for the solution of a tidal dynamics problem on a sphere // Russ. J. Numer. Anal. Math. Modelling, V. 23, No. 6, 2008, p. 523-536.

Генерация признаков при наличии артефактов для задачи распознавания личности по форме ладониБакина Ирина Геннадьевна Аспирант Московский Государственный Университет имени М. В. Ломоносова, Факультет Вычислительной Математики и Кибернетики, Москва, Россия irina_msu@mail.ru В работе рассматриваются задачи генерации признаков и выбора метрики при распознавании человека по форме ладони [1, 2], которые бы учитывали следующие артефакты (рис. 1):

· На фотографии пальцы часто оказываются “склеенными”. Это делает невозможным определение длины пальца.

· Ошибочное нахождение ширины и длины пальца возможно при наличии длинных ногтей.

· Часть руки может быть прикрыта одеждой, поэтому невозможно определить параметры ладони, например, ее ширину.

В данной работе делается одно допущение – считается, что все ладони снимаются камерой с фиксированного расстояния.

В качестве вектора признаков предлагается рассматривать следующие характеристики пальца – график искривления серединной оси пальца относительно прямой и график изменения ширины пальца вдоль этой оси (используется модель скелета [3]). Таким образом, вектор признаков ладони содержит 10 компонент.

Вычисление признаков осуществляется для участка пальца, не подверженного влиянию артефактов. В работе предлагается способ нахождения этого участка – определение точек основания и кончика пальца. На рис.2 для каждого пальца жирной точкой отмечены найденные основание и конец. Вводится понятие оси пальца – прямой, проходящей через точки основания и кончика пальца.

Выделенные участки двух пальцев могут оказаться различными по длине. В работе предлагается подход к нахождению общего участка пары пальцев для сравнения, основанный на минимизации отношения Area/ Length, где Area – площадь области, заключенной между двумя графиками искривления пальца относительно текущей оси, а Length длина этого участка (рис. 3). Минимизация основывается на варьировании концевых точек пальцев. Соответственно, изменяется и ось пальца. В качестве меры сходства пары пальцев по одному из признаков рассматривается полученное оптимальное соотношение Area/ Length.

Указанные признаки были вычислены для базы ладоней 70 человек, содержащей 2000 изображений. В работе приведены графики распределения значений признаков при сравнении ладоней одного человека и ладоней разных людей. Рассматривается возможность их применения для дальнейшего распознавания личности.

Литература 1. Chiang-Liang Su (2008) Index, Middle, and Ring Finger Extraction and Identification by Index, Middle, and Ring Finger Outlines // VISAPP (1) 2008, стр. 518-520.

2. Slobodan Ribaric, Damir Ribaric, Nicola Pavesic (2005) A Biometric Identification System Based on the Fusion of Hand and Palm Features // IEEE (27), стр. 1698 – 1709.

3. Mestetskii L.M. (2000) Fat Curves And Representation of Planar Figures // Computer & Graphics 24 (2000) 9 – 21.

Работа поддержана грантами РФФИ 08-01-00670 и 08-07-00305.

Об асимптотическом поведении хроматического индекса случайных гиперграфов Будников Юрий Александрович Аспирант механико-математического факультета Московский государственный университет имени М.В.Ломоносова, Москва, Россия E-mail: y.budnikov@mail.ru Пусть k 2 - фиксированное натуральное число. Будем рассматривать гиперграфы G = (V,E) - k -однородные, то есть каждое ребро которых содержит в точности k вершин. Упаковка в G – набор P непересекающихся ребер G. c(G) - хроматический индекс – минимальное число упаковок, на которые можно разбить все ребра G.

Утверждение 1. Для любых d > 0,¶ > 0, для любой возрастающей функции g(n) можно построить класс гиперграфов G(n) с возрастающим k(n) - числом вершин на ребре – так, что k(n) < g(n) для любых n, и D(n) – максимальной степенью его вершин:

при n = nk, k =1,2,...- возрастающая подпоследовательность натуральных чисел – будет выполнено: c(G) = k(D(n) -1) +1.

Теорема1. Пусть константа c > 1. В модели случайного гиперграфа G(n,p) для случая растущей k(n) - числа вершин на ребре G(n,p)- при стандартном выборе D(n) k -p =, D(n) = o(Cn-1 ),n ® :

k -Cn-D(n) n 1) Если lim < 1, то P(G(n, p) содержит упаковку размера ) ® 0, n ® n® ek kc D(n) 2) Если для некоторой константы d>1 выполнено lim > 1, то n® dek n P(G(n, p) содержит упаковку размера ) ® 1, n ® kc Теорема 2. В условиях Теоремы 1 для любой c > 1 P(c(G(n, p)) cD(n)) ® 1, n ® Литература 1.Nicholas Pippenger and Joel Spencer, Asymptotic behavior of the Chromatic Index for Hypergraphs, Journal of combinatorial theory, Series A 51, 24-42(1989).

2.Будников Ю.А., "О мощности ребер гиперграфа"(с.70-72), Материалы IX Международной конференции "Интеллектуальные системы и компьютерные науки", Ситуации равновесия в обобщённом классе игр многих лиц с личными и общественными критериями Верхотурова Екатерина Евгеньевна Студент Московский государственный университет имени М.В.Ломоносова, Факультет Вычислительной Математики и Кибернетики, Москва, Россия E-mail: e.e.verkhoturova@gmail.com В работе [1] был предложен класс игр многих лиц, в которых участники имеют векторные иерархические критерии. Основное внимание в [1] уделено анализу ситуаций равновесия, причем большинство результатов получено для случая, когда игроки распределяют скалярные ресурсы. Кроме того, в [1] отмечена сильная устойчивости ситуаций равновесия.

В работе [2] более подробно анализируется один важный класс моделей [1], в которых каждый игрок имеет только две компоненты критерия – личную и общественную и распределяет ресурс между ними. В случае единого для всех игроков общественного критерия была доказана сильная устойчивость ситуаций равновесия (см.

[1,2]).

В данной работе рассматривается более широкий класс моделей [2]: допускается наличие различных общественных критериев у игроков. Это допущение выводит за рамки теории Вателя-Гермейера. Но в этом случае также удаётся при определённых условиях найти ситуации равновесия и показать их сильную устойчивость.

В качестве иллюстрирующего примера рассматривается одна игра трёх лиц на базе «Дилеммы заключенного».

Литература 1. Гермейер Ю.Б., Ватель И.А. Игры с иерархическим вектором интересов // Техническая кибернетика.1974. №3. С.54-69.

2. Ватель И.А. Ядро в игре многих лиц с личными и общественными критериями // Автоматика и телемеханика. 1980. №1.

3. Гермейер Ю.Б. Введение в теорию исследования операций. М.: Наука. 1981.

Применение генетических алгоритмов в задаче классификации сигналов (приложение в BCI)Власова Юлия Валерьевна студент Московский Государственный Университет имени М.В. Ломоносова, Москва, Россия e-mail: julia.vlasova@bk.ru Проблема разработки эффективных методов классификации сигналов (конечных последовательностей измерений некоторой величины) является актуальной вследствие огромного числа приложений. Один из наиболее часто применяемых на практике подходов к решению этой проблемы состоит в синтезе информативного признакового описания сигналов и сведении проблемы к задаче классификации объектов в признаковом описании.

В данной работе предлагается воспользоваться аппаратом генетической оптимизации для построения качественного признакового описания сигнала. Признаком (в данном случае) называется вещественная функция от сигнала. Представим её в виде суперпозиции двух функций. Для этого введём два типа операторов обработки сигнала.

~ Операторы первого типа по описанию сигнала x = (x1, x2,..., xl ) получают ряд ~ y = (y1, y2,..., yk ), возможно, другой длины. Основное их назначение – преобразовать информацию (улучшить или перейти к иному описанию). Примеры операторов первого типа: фильтрация сигнала (уменьшение уровня шума), сглаживание сигнала (замена значения в точке средним значением в окрестности), взятие производной конечной разности, оператор взятия абсолютного значения и т.д. Операторы второго типа преобразуют сигнал в число, вычисляя его некоторую характеристику. Примеры операторов второго типа: среднее/минимальное/максимальное значение сигнала, число различных значений сигнала и т.д. Обозначим через B* и C* множества операторов первого и второго типа соответственно. Признак, описывающий сигнал, ищем в виде:

Ci (Bi (...(Bi (~)))), где k {1,2,...}, Bi,...,Bi B*, Ci C*. Для решения задачи поиска x 0 k 1 k 1 качественного признака используется генетический подход к задаче оптимизации.

Функционалом качества отдельного признака является критерий AUC-ROC, а совокупности признаков – качество классификации метода kNN при применении скользящего контроля (при этом предлагается подход к выбору оптимальной метрики для метода kNN).

Предложенный метод тестировался при решении реальных задач классификации сигналов из области BCI (Brain-Computer Interface) [1, 2]. В этой области занимаются проблемой коммуникации человек-компьютер с помощью сигналов головного мозга.

Сигналы регистрируются специальной аппаратурой. Предполагается, что, настроив классифицирующий алгоритм на обучающей выборке (сигналы, снятые во время известных ментальных действий), можно будет достаточно эффективно определять класс ментальных действий по сигналу. Приложения BCI очень разнообразны: контроль протезов и управление механизмами, организация общения с людьми с ограниченными физическими возможностями, компьютерные игры, исследование активности головного мозга человека в научных целях.

Литература 1. Blankertz B., Muller K.-R., Curio G., Vaughan T.M., Schalk G., Wolpaw J.R., Schlogl A., Neuper C., Pfurtscheller G., Hinterberger T., Schroder M., Birbaumer N. (2004) The BCI competition 2003: Progress and perspectives in detection and discrimination of EEG single trials // IEEE Trans. Biomed. Eng., 51(6):1044-1051.

2. http://ida.first.fraunhofer.de/projects/bci/competition_iii/ Работа поддержана грантом РФФИ (проект № 08-07-00305-а).

Автоматизация построения кода медиаторов для функционального тестирования web-приложений по технологии UniTESK Герлиц Евгений Анатольевич аспирант Московский Государственный Университет имени М.В. Ломоносова, факультет Вычислительной Математики и Кибернетики, Москва, Россия E-mail: gerlits@ispras.ru В наши дни web-приложения стали одним из самых распространенных и востребованных видов программного обеспечения. Бурное развитие web-технологий способствовало росту функциональных возможностей современных web-приложений.

Сегодня web-приложения могут представлять собой программные системы с довольно сложной функциональностью.

Технология функционального тестирования на основе моделей требований к функциональности тестируемой системы UniTESK [1] была разработана в Институте системного программирования Российской Академии Наук и хорошо себя зарекомендовала в проектах по тестированию различных классов сложных программных систем.

При исследовании существующих инструментов функционального тестирования web-приложений, было выделено три подхода к функциональному тестированию webприложений: Capture and Playback, Data Driven, Keyword Driven. В основе этих подходов лежит логика построения тестов вручную. Ручное построение тестов уже не позволяет обеспечить высокое качество тестирования сложных программных систем, в том числе и сложных web-приложений.

Технология UniTESK автоматизирует процесс разработки функциональных тестов, позволяет качественно тестировать web-приложения. Но в ходе разработки тестов для web-приложений выяснилось, что значительная часть усилий тратится на создание кода медиаторов. Медиатор – компонент технологии UniTESK, который преобразует вызов модельных операций в последовательность воздействий на тестируемую систему и переводит реакцию тестируемой системы в модельное представление. В случае тестирования программных интерфейсов приложений реализация медиаторов обычно не является сложной задачей. В случае функционального тестирования web-приложений возникают трудности с переводом web-интерфейсов приложений в совокупность функций медиаторов.

Было принято решение реализовывать основную часть функциональности медиатора в отдельном компоненте - web-медиаторе. Классический медиатор UniTESK в этом случае использует методы web-медиатора для реализации оставшейся функциональности.

В результате исследований и решения ряда технических задач был разработан инструмент «UniTESK Web-mediator Maker», автоматизирующий построение кода webмедиаторов для функционального тестирования web-приложений по технологии UniTESK с использованием инструмента JavaTESK.

По итогам апробации инструмента на двух web-приложениях отмечено, что время построения кода web-медиатора составило 5 и 12 минут для первого и второго webприложений соответственно. В случае разработки кода web-медиаторов вручную – 50 и 115 минут для первого и второго web-приложений соответственно. При использовании разработанного инструмента получили выигрыш по времени на порядок по сравнению с программированием web-медиаторов вручную.

Литература 1. Баранцев А.В., Бурдонов И.Б., Демаков А.В., Зеленов С.В., Косачев А.С., Кулямин В.В., Омельченко В.А., Пакулин Н.В., Петренко А.К., Хорошилов А.В. Подход UniTESK к разработке тестов: достижения и перспективы // Труды ИСП РАН № 5.

М.: ИСП РАН, 2004. С. 121-156.

Pages:     | 1 | 2 || 4 | 5 |   ...   | 18 |



© 2011 www.dissers.ru - «Бесплатная электронная библиотека»

Материалы этого сайта размещены для ознакомления, все права принадлежат их авторам.
Если Вы не согласны с тем, что Ваш материал размещён на этом сайте, пожалуйста, напишите нам, мы в течении 1-2 рабочих дней удалим его.