WWW.DISSERS.RU

БЕСПЛАТНАЯ ЭЛЕКТРОННАЯ БИБЛИОТЕКА

   Добро пожаловать!

Pages:     | 1 |   ...   | 2 | 3 || 5 | 6 |   ...   | 18 |

Реакция программного интерфейса на действия пользователя Германов Константин Сергеевичстудент Московский авиационный институт (государственный технический университет) имени С.Орджоникидзе, факультет систем управления, Москва, Россия E-mail: kgermanov@mail.ru Большинство интерфейсов построено по одному принципу: программа ждет действия пользователя, затем на него реагирует. Если потребуются длительные по времени вычисления, то пользователь вынужден будет ждать завершения этого процесса. В такой модели программа загружает ресурсы неравномерно, только в определенные периоды времени. В данной работе мы попытались построить интерфейс по иному принципу.

Основываясь на предположении, что вычислительный процесс решения определенной задачи можно разбить на части, которые выполняются за короткий промежуток времени, был предложен способ, позволяющий интерфейсу более равномерно загружать имеющиеся ресурсы. Был написан планировщик, который запускается в отдельном потоке, одновременно с основным. При действиях пользователя в очередь планировщика заносятся заявка, которая содержит приоритет выполнения и признак возможности выполнения в отдельном потоке. Планировщик при рассмотрении очередной заявки с наибольшим приоритетом анализирует этот признак. Если возможно, то заявка выполняется в потоке планировщика, после чего она удаляется из очереди и посылается сообщение об ее завершении. Иначе планировщик понижает приоритет заявки и генерирует сообщение основному потоку, который, после ее выполнения посылает подтверждение об удачном выполнении. Если оно приходит, то заявка удаляется из очереди планировщика. Таким образом, если заявка не может завершиться, то ее приоритет с каждым разом понижается, что дает возможность выполнения другим заявкам. При последующих действиях пользователя в очереди может происходить либо добавление новой заявки, либо удаление из очереди заявок, уже не имеющих смысла для выполнения (такое может происходить, например, при изменении пользователем исходных данных), либо перераспределение приоритетов. Также, в очередь планировщика можно заложить типовую последовательность действий пользователя, что позволит автоматизировать рабочее место. При реализации для конкретной задачи оказалось удобным использование не одного, а нескольких приоритетов, что позволило управлять сразу группами заявок.

Проведенное испытание в воинских частях показало состоятельность данного принципа организации программного интерфейса. Так, среднее время ожидания пользователя сократилось с 3ч до 0,5ч (за 4ч работы) для одной и той же задачи. Нам кажется, что использование такого подхода к реализации интерфейсов сделает его более гибким и дружественным.

Литература 1. Д. Э. Кнут (2002) Искусство программирования. Том 1. Основные алгоритмы, Вильямс, 2002 г.

2. www.codenet.ru (Программирование на Visual C++).

3. www. trolltech.com (Руководство пользователя бесплатной библиотеки Qt).

Автор выражает признательность доц. Орехову О.О. за помощь в подготовке статьи.

Алгоритм поиска дубликатов в базе видеопоследовательностей на основе сопоставления иерархии смен сцен Глазистов Иван Викторович,.Паршин Александр Евгеньевич студент, аспирант Московский государственный университет имени М.В.Ломоносова, Москва, Россия E–mail: {aparshin, iglazistov}@graphics.cs.msu.ru В начале XXI века получили значительное распространение большие электронные базы данных мультимедийного контента, такого как видео, изображения и аудио.

Массовое использование этих баз требует эффективных алгоритмов сжатия, обработки и поиска мультимедийной информации. При наличии открытого доступа к базам видео через Интернет возникает потребность в алгоритмах поиска в базе похожих видеофрагментов. Эти алгоритмы могут быть использованы как для оптимизации хранения данных путём удаления дубликатов, так и для полуавтоматического модерирования новых видеофрагментов.

Предложенный алгоритм поиска похожих видеофрагментов основывается на сопоставлении дерева сцен фильма запроса и фильма в хранилище видео. Алгоритм состоит из следующих этапов:

1) Разбиение на сцены. При сравнении соседних кадров они разделись на блоки фиксированного размера. Для построения меры сходства использовалось сравнение гистограмм по блокам кадров по метрике L1 с последующим усреднением по всем блокам. Несмотря на свою малую вычислительную сложность, этот метод показывает хорошие результаты [см. 1]. Нами были реализованы некоторые улучшения базового метода, повышающие стабильность метрики и качество определения смен сцены.

2) Построение дерева сцен. На основе найденных смен сцены строится двоичное дерево. Вершина дерева отвечает некоторому фрагменту фильма и хранит также величину и положение самой сильной (доминирующей) смены сцены в этом фрагменте.

По этой смене сцены фрагмент разбивается на два фрагмента, которым соответствуют потомки рассматриваемой вершины.

3) Сравнение деревьев. Производится поиск в дереве фильма из базы данных вершин, близких по величине доминирующей смены сцены к соответствующему значению в корне дерева запроса. Для каждой такой вершины запрос позиционируется в фильме из базы: координата корневой смены сцены запроса сопоставляется с координатой смены сцены вершины. Затем производится поиск оставшихся смен сцены из запроса в фильме из базы. В зависимости от числа найденных смен сцены строится мера качества сопоставления пары сцен. Затем выбирается наилучшее сопоставление.

Результаты На построение описания сотни коротких фрагментов общим размером около 3 Гбайт уходит ~25 минут, на поиск дубликатов в них уходит ~5 минут. Алгоритмическая сложность сравнения двух фильмов: O(ln(max(L1, L2 ))), где L1, L2 - число смен сцены в сравниваемых фильмах. Размер описания 3-х гигабайтной базы данных составляет ~Кбайт. На этой базе мы добились точности 92% при 81% определенных пар дубликатов.

Благодаря использованию только временной информации о сменах сцены и величин разности кадров при смене сцены, алгоритм устойчив к большинству характерных искажений цифрового видео. Вместе с тем незначительное количество необходимых данных для сопоставления позволяет строить небольшие по размеру индексы видеофрагментов. Константная сложность сравнения двух фильмов и возможность создания иерархических индексов по фильмам базы данных позволяет говорить об эффективности предложенного алгоритма по скорости работы.

Литература 1. U. Gargi, R. Kasturi, S.H Trayer, “Performance characterization of video-shot-change detection methods”, IEEE CSVT V. 10, I. 1, Feb’00, pp 1–13.

Построение расписания процедуры тестирования автомобильной комбинации приборов Головенков Евгений Владимировичстудент Курский государственный технический университет, факультет информатики и вычислительной техники, Курск, Россия E–mail: theaswert@yandex.ru Автоматизация производственных процессов является актуальным направлением развития современной промышленности. В данной сфере все большее распространение получают оптико-электронные системы для автоматического диагностирования электронных индицирующих устройств.

В докладе рассматривается задача построения расписания процедуры визуального контроля показаний автомобильной комбинации приборов (АКП). Диагностирование устройства осуществляется путем формирования эталонных тестовых воздействий на входных линиях АКП и последующего снятия показаний с передней панели АКП с помощью видеокамеры [1]. Особенностью алгоритма является возможность сокращения времени диагностирования за счет организации процедуры параллельного контроля индицируемых параметров АКП.

Пусть G ={g1,K, gn}, n >1, n N – множество индицируемых параметров. Каждому элементу gi, i = 1,n множества G поставлен в соответствие элемент ti, i = 1, n множества T ={t1,K,tn}, n >1, n N времен диагностирования индицируемых параметров. Имеется матрица A[m m], в которой aij = 1, если параметр gi возможно контролировать одновременно с параметром g, aij = 0 – в противном случае; i, j = 1,n. Для некоторых j пар параметров заданы ограничения предшествования gi ® g ; i, j =1,n. Необходимо j провести диагностирование всех параметров gi, i = 1, n за наименьшее время t.

Д В докладе рассмотрен способ сведения данной задачи к классической задаче построения расписания проекта с учетом ограничения на ресурсы с запрещением прерывания процесса обслуживания (Resource-Constrained Project Scheduling Problem, RCPSP). Приведено решение задачи RCPSP по критерию минимизации времени выполнения проекта, представленное в виде набора моментов начала диагностирования параметров S = (S1,K, Sn ) [2]. Получены положительные оценки эффективности применения данного решения в задаче автоматического диагностирования АКП.

Литература 1. Головенков Е.В. (2008) Оптико-электронная система для автоматического диагностирования автомобильной комбинации приборов // Сб. конк. работ Всеросс.

смотра-конкурса н.-т. творчества студентов вузов «Эврика-2008». – Новочеркасск:

Лик, 2008. – С. 71 – 73.

2. Brucker, P. (1999) Complex Scheduling Problems // Zeitschrift Oper. Res.: Osnabruck, Germany, 1999.

Автор выражает признательность д.т.н. Дегтяреву С.В. за помощь в подготовке тезисов.

Сравнение модификаций EM-алгоритма для декомпозиции волатильности финансовых временных рядов Горшенин Андрей Константинович аспирант Московский Государственный Университет им. М. В. Ломоносова, Москва, Россия E-mail: andygorshenin@gmail.com При исследовании различных процессов возникает необходимость определить характеристики их изменчивости. В соответствии с этим в финансовой математике вводится понятие волатильности. В случае, когда распределение логарифмов приращений индекса или цены ценной бумаги описывается конечной сдвиг/масштабной смесью нормальных законов, волатильность данного процесса можно определить как векторфункцию с тремя компонентами: веса (мера влияния данной компоненты на смесь), параметры сдвига и диффузии смешиваемых нормальных распределений (так называемые динамическая и диффузионная компоненты волатильности) [1]. Динамическая компонента волатильности характеризует локальные тенденции динамики финансовых временных рядов. Диффузионная компонента учитывает фактор наличия большого числа участников на рынке, каждый из которых реализует собственную стратегию.

Статистическое оценивание весов и параметров сдвига и диффузии (декомпозиция смеси) позволяет выявить закономерности функционирования сложной системы (в данном случае финансового рынка), а также оценить силу влияния каждого выявленного фактора.

Это особенно актуально в условиях финансового кризиса.

Часто для этих целей используется EM-алгоритм – итерационный метод для нахождения оценок максимального правдоподобия. Однако данный метод сильно зависит от начальных данных: в большинстве ситуаций он находит не глобальный максимум функции правдоподобия, а локальный, наиболее близкий к начальному приближению.

Для борьбы с указанным недостатком были предложены различные модификации EMалгоритма: медианная версия EM-алгоритма, стохастическая версия EM-алгоритма (SEMалгоритм) и медианная версия SEM-алгоритма [2]. Отметим, что для смесей нормальных законов можно показать большую эффективность именно медианных оценок (по сравнению с выборочным средним) [3].

Указанные алгоритмы были реализованы в программных комплексах и подверглись многочисленным исследованиям как с применением реальных временных рядов с мировых финансовых рынков, так и с использованием смоделированных выборок с известными параметрами смесей (что позволило оценить правильность результатов, выдаваемых каждым алгоритмом и в оценке параметров, и в выделении компонент смесей). Значительное внимание уделялось как непосредственному анализу компонент волатильности, выделению характерных особенностей (например, приостановка торгов), так и временной эффективности каждого алгоритма. Наилучшим образом в данных исследованиях себя зарекомендовали медианная версия SEM-алгоритма для диффузионной компоненты и SEM-алгоритм для динамической компоненты.

Литература 1. Королёв В.Ю. Вероятностно-статистический анализ хаотических процессов с помощью смешанных гауссовских моделей. Декомпозиция волатильности финансовых индексов и турбулентной плазмы. М., ИПИ РАН, 2007.

2. Королёв В.Ю. EM-алгоритм, его модификации и их применение к задаче разделения смесей вероятностных распределений. М., ИПИ РАН, 2007.

3. Горшенин А. К., Королёв В. Ю., Турсунбаев А. М. Медианные модификации EMи SEM-алгоритмов для разделения смесей вероятностных распределений и их применение к декомпозиции волатильности финансовых временных рядов.

// Информатика и её применения, 2008. Т.2. Вып.4. С.12-47.

Управление внешней нормативно-справочной информацией в распределённых информационных системах Гудков Кирилл Сергеевич Аспирант факультета управления и прикладной математики Московский физико-технический институт, Москва, Россия E–mail: goudkovs@ultranet.ru Почти перед каждым современным предприятием стоит задача создания эффективной системы управления нормативно-справочной информацией (НСИ) [5]. НСИ должна быть согласована в рамках информационной системы, полна для решения стоящих перед предприятием задач, актуальна и доступна в территориально-удалённых отделах предприятия. НСИ, не связанная напрямую со спецификой деятельности предприятия, должна базироваться на данных надёжных открытых справочников из внешних источников. Выполнение перечисленных требований желательно возложить на специально созданную автоматизированную систему.

Автором предлагается следующий подход к автоматизации процесса управления внешней НСИ. Вся НСИ сосредотачивается в специально выделенной центральной консолидированной базе данных нормативно-справочной информации (КБД НСИ).

Наполнение внешней нормативно-справочной информацией осуществляется при помощи автоматизированной системы импорта данных внешних справочников. Эта система получает внешние справочники, проводит анализ произошедших в них изменений и на его основе производит модификацию КБД НСИ. Распространение изменений в таблицах КБД НСИ осуществляется при помощи гетерогенной системы репликации данных [1-3].

Автором был создан комплекс программ, реализующий данный подход на практике.

Он включает в себя автоматизированную систему импорта данных внешних справочников [4] и гетерогенную системы репликации данных [3]. С его помощью было осуществлено внедрение в распределённую информационную систему справочника с иерархической нормативно-справочной информацией, созданной на основании слияния независимых внешних справочников разных форматов. Конкретная реализация автоматизированной системы импорта данных внешних справочников позволила обеспечить собственный контроль над актуальностью данных справочника, а организация самой КБД НСИ позволила поддерживать историю изменений справочника.

Pages:     | 1 |   ...   | 2 | 3 || 5 | 6 |   ...   | 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.