Сентября 2013 года The priorities of the world science - davaiknam.ru o_O
Главная
Поиск по ключевым словам:
Похожие работы
Название работы Кол-во страниц Размер
Организация Объединенных Наций ece/trans/WP. 29/Grb/2013/6 1 88.32kb.
Иосиф кобзон пресс-отчет. Период 1 сентября 2013 года 30 сентября... 67 13216.89kb.
Конкурса красоты «мисс кыргызстан 2013» 1 33.81kb.
Фредерик Бегбедер "Windows on the World" 10 2449.07kb.
10 сентября, начиная с 2003 года. Всемирный день предотвращения самоубийств 1 38.55kb.
Уважаемая Лариса Николаевна! В соответствии с письмом министерства... 1 293.47kb.
Семинар по таэквондо итф проводит Грандмастер Хван Хо Ёнг, 9 дан... 1 72.63kb.
World Rowing announces the 2011 Golden Blades of St Petersburg City... 1 43.35kb.
Договор (дата, №) 3 419.8kb.
Чемпионат World Class по летним видам спорта им. Д. Жирнова. 1 49.63kb.
Х 26 ммквя: порядок работы Х Специальные экспозиции 26 ммквя Х-ХХ... 10 1826.77kb.
Инструкция по манипулированию этой книгой 19 Глава Цикл продаж 21... 29 4877.12kb.
Направления изучения представлений о справедливости 1 202.17kb.

Сентября 2013 года The priorities of the world science - страница №1/6

Приоритеты мировой науки:

эксперимент

и научная дискуссия

Материалы I международной

научной конференции

Санкт-Петербург

29-30 сентября 2013 года


The priorities of the world science:

experiments

and scientific debate

Proceedings of the I International

scientific conference

Saint Petersburg

29-30 September 2013

CreateSpace

North Charleston, SC, USA

2013

«Приоритеты мировой науки: эксперимент и научная дискуссия»: Материалы I международной научной конференции 30-31 мая 2013 года, г. Санкт-Петербург. – North Charleston, SC, USA: CreateSpace, 2013. - 144 с.


«The priorities of the world science: experiments and scientific debate»: Proceedings of the I International scientific conference 29-30 September 2013, Saint Petersburg. – North Charleston, SC, USA: CreateSpace, 2013. – 144 р.

В материалах конференции обсуждаются проблемы различных областей современной науки: информатики и технических наук, истории и психологии, филологии, экономики и философии. Сборник представляет интерес для учёных различных исследовательских направлений, преподавателей, студентов и аспирантов – всех, кто интересуется развитием современной науки.

Все статьи представлены в авторской редакции.
The materials of the conference have presented the results of the latest research in various fields of science: information technology and engineering, historical and psychological science, philology, economics and philosophy. The collection is of interest to researchers, graduate students, doctoral candidates, teachers, students - for anyone interested in the latest trends of the world of science.

All articles are presented in the author's edition.



ISBN-13: 978-1491204597

ISBN-10: 1491204591

Авторы научных статей, 2013

Научно-издательский центр «Открытие», 2013
Authors, 2013

Scientific Publishing Center «Discovery», 2013




СОДЕРЖАНИЕ

SECTION 1.

Information Technology (Информационные технологии)
Глянцев В. К., Тарапанов А. А.

ПРЕДСТАВЛЕНИЕ И/ИЛИ ДЕРЕВЬЕВ В СИСТЕМЕ ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ ПРИ ПОДГОТОВКЕ ПРОИЗВОДСТВА СПОРТИВНОЙ ОДЕЖДЫ………………………………………………..6


Мартьянова А. В.

ПРИМЕНЕНИЕ АГРЕГАЦИОННЫХ ОПЕРАТОРОВ

В ГРАДИЕНТНЫХ МЕТОДАХ ВЫДЕЛЕНИЯ ГРАНИЦ

У ИЗОБРАЖЕНИЙ………………………………………………………16




SECTION 2.

Engineering (Технические науки)
Афонина Н. Б., Отроков А. В., Воронов П. Р.

Экспериментальные исследования погрузочных органов с нагребающими звездами………………………..24
Дудин М. П., Брума Е. В., Мулюкин О. П., Борзенков М. И.

КОНСТРУКТИВНО-ТЕХНОЛОГИЧЕСКИЕ ОСОБЕННОСТИ

ВЫБОРА ВЕЛИЧИН ЗАЗОРОВ В СОПРЯЖЕНИЯХ КЛАПАНА

С КОРПУСОМ И С СЕДЛОМ В ГЕРМЕТИЗИРУЕМОЙ

КЛАПАННО-СЕДЕЛЬНОЙ ПАРЕ «КОНУС-ОСТРАЯ КРОМКА»...35
Рыков В. П.

ФОРМАЛИЗАЦИЯ МОДУЛЬНОГО ПРИНЦИПА ОБУЧЕНИЯ ИСКУССТВЕННЫХ НЕЙРОННЫХ СЕТЕЙ (ИНС)…………….……51


Шабалина Н. А.

ОСОБЕННОСТИ МОДЕЛИ ТЕЛЕКОММУНИКАЦИОННОГО

КАНАЛА С ЗАМИРАНИЯМИ В ПОДЗЕМНОМ СООРУЖЕНИИ…54
Шатов М. М.

Аналитическая оценка предельной

расчётной вероятности отказа…………………………….61
SECTION 3.

Historical Sciences (Исторические науки)
Fidchenko O. V.

ANALISIS OF THE ENTREPRENEURIAL ACTIVITY RUSSIA

AT THE END OF XIX – AT THE BEGINNING OF XX CENTURIES

FROM THE ORTHODOX PERSPECTIVE…………………………………69



SECTION 4.

Economics (Экономические науки)
Внукова Е. М.

ФОРМИРОВАНИЕ РЕГИОНАЛЬНОГО ИНВЕСТИЦИОННО-СТРОИТЕЛЬНОГО КОМПЛЕКСА И РЕГУЛИРОВАНИЕ ЦЕН

ПО СТАДИЯМ СТРОИТЕЛЬСТВА И ЭКСПЛУАТАЦИИ СТРОИТЕЛЬНЫХ ОБЪЕКТОВ……………………………………………75
Докучаев Е. А., Порывкин П. В.

ПОВЫШЕНИЕ ЭФФЕКТИВНОСТИ ОРГАНИЗАЦИОННЫХ ПРЕОБРАЗОВАНИЙ НА ПРОМЫШЛЕННОМ ПРЕДПРИЯТИИ

ЗА СЧЕТ РЕАЛИЗАЦИИ КОНКУРЕНТНЫХ ИННОВАЦИОННЫХ СТРАТЕГИЙ…………………………………………………………….…..89
Sibiryaev A. S..M. K. Krivtsova, M. A. Podzorova

THE PROBLEMS OF CAREER ADVANCEMENT OF PUBLIC CIVIL SERVANTS AND THE WAYS OF THEIR SOLUTION……………….….92



Лузин Е. В.

ПРОЕКТИРОВАНИЕ ЦИФРОВЫХ ФИЛЬТРОВ

С ИСПОЛЬЗОВАНИЕМ ТЕОРИИ НЕЧЕТКИХ МНОЖЕСТВ……..…100



Соколова О. А.

АГЛОМЕРАЦИЯ КАК ИНСТРУМЕНТ

РЕГИОНАЛЬНОГО РАЗВИТИЯ…………………………………………104
Солодкий И. В., Астахова В. А.

АНАЛИЗ ПЕРЕХОДА МОСКОВСКОЙ БИРЖИ НА РЕЖИМ

С ОТСРОЧКОЙ РАСЧЕТОВ……………………………………..………109


Сухоруков А. В.

МЕЖФИРМЕННЫЕ СЕТИ КАК ФОРМА СТРАТЕГИЧЕСКОГО ПАРТНЕРСТВА В МЕБЕЛЬНОЙ ПРОМЫШЛЕННОСТИ……………114


Section 5.

Philosophy of Science (Философские науки)
Fidchenko E. V.

PR-COMMUNICATION AND MASS CONSCIOUSNESS:

THE PHILOSOPHY OF SCIENCE PERSPECTIVE……………………..123

SECTION 6.

Philology (Филологические науки)
Ивашина Т. М.

ПРОБЛЕМА РАЗЛИЧЕНИЯ Х-ТЕКСТОВ И ИХ ТИПОВ

В СОВРЕМЕННОЙ ВОСТОЧНОСЛАВЯНСКОЙ

ГУМАНИТАРИСТИКЕ………………………………………………….130


Видишева С. К.

FREE ASSOCIATION EST EXPIRIENCE IN ANALYZING

THE APPROPRIATION BY A LANGUAGE OF FOREIGN

COMPUTER TERMINOLOGY…………………………………………..138



SECTION 7.

Psychological science (Психологические науки)
Терёшина К. Ю.

Особенности супружеских отношений

в зарегистрированном и пробном браке…………..……..140

Section 1.

Information Technology (Информационные технологии)

ПРЕДСТАВЛЕНИЕ И/ИЛИ ДЕРЕВЬЕВ

В СИСТЕМЕ ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ

ПРИ ПОДГОТОВКЕ ПРОИЗВОДСТВА

СПОРТИВНОЙ ОДЕЖДЫ

Глянцев Валерий Константинович

ФГОУ ВПО «Госуниверситет – УНПК», г. Орел, Россия

Е-mail: vglyantsev@gmail.com

Тарапанов Андрей Александрович

ФГОУ ВПО «Госуниверситет – УНПК» г. Орел, Россия

Е-mail: tarapanov@rambler.ru
Современные системы поддержки принятия решения (СППР), возникшие как естественное развитие и продолжение управленческих информационных систем и систем управления базами данных, представляют собой системы, максимально приспособленные к решению задач повседневной управленческой деятельности, являются инструментом, призванным оказать помощь лицам, принимающим решения (ЛПР). С помощью СППР могут решаться неструктурированные и слабоструктурированные многокритериальные задачи.

СППР, как правило, являются результатом мультидисциплинарного исследования, включающего теории баз данных, искусственного интеллекта, интерактивных компьютерных систем, методов имитационного моделирования [1].

Одним из способов реализации системы принятия решений является использование И/ИЛИ деревьев. И/ИЛИ дерево может являться механизмом обработки информации о структуре объекта, а также способом организации данных в базе знаний.

Элементы описанные узлами И/ИЛИ дерева представляют собой факты, при условии наличия дополнительных свойств элементов, их взаимодействия с внешней средой, как указано в правилах при формировании новых моделей[2].

Структура И\ИЛИ деревьев не является типовой для хранения данных и поэтому способ ее хранения нуждается в дополнительном описании. Учитывая необходимость хранения больших объемов данных о моделях (в нашем случае внешний вид отдельных элементов) необходимо разработать как структуры для хранения дерева в оперативной памяти, так и общую структуру базы данных.

Для представления деревьев используется 2 подхода: представление в смежной и динамической памяти.



Представление деревьев на смежной памяти (одномерный массив) предполагает неявное присутствие ребер, переход по которым выполняется посредством арифметических операций над индексами элементов массива - смежной памяти. Существует много способов представления деревьев:

– полные деревья, сохраненные в массивах, используют наиболее эффективное и компактное представление;

– представление дерева в виде коллекций дочерних узлов упрощает работу с ними, но при этом программа выполняется медленнее и требует большего объема памяти. Формат нумерации связей позволяет быстро выполнять обход дерева и расходует меньше памяти, чем коллекции потомков, но в таком случае алгоритм сложно модифицировать. 

Общими недостатками смежной памяти является:

– ограниченность памяти;

– статичность, неизменность структуры.

Представление деревьев при подготовке производства одежды на динамической памяти более эффективно так как:

– позволяет работать с большими объемами данных;

– размер занимаемой памяти всегда соответствует объему хранимой информации;

– имеет большую гибкость структуры.

Структура представлена на рисунке 1.

r

b



e

f

a



d

h

g



c

Рисунок 1 - Универсальная структура представления n-арного дерева


Представление И/ИЛИ дерева мало отличается от обычного n-арного дерева. Вся разница заключается в том, что необходимо хранить информацию о типе связи.

И/ИЛИ дерево G можно описать тройкой , где:

1) множество вершин , где

– множество вершин i-го уровня дерева G, n – число уровней дерева G;

2) – множество ребер дерева G;

3) – множество двухуровневых «И» поддеревьев дерева G.[3]

Наиболее естественным для хранения дерева, будет форма представление узлов с раздельными ссылками на И и ИЛИ, рисунок 2.


Данные

Список И-ребер

Список ИЛИ-ребер

Список смежных узлов




Рисунок 2 – Структура хранения И/ИЛИ дерева
Для хранения связей между узлами необходимо разграничивать И/ИЛИ ребра, что приводит к избыточности и неоднородности структуры, поэтому И/ИЛИ дерево необходимо свести к виду, когда каждая его вершина имеют только И или только ИЛИ ребра. Для этого для множества И ребер вводим дополнительные вершины, так что у каждого узла есть ребра только одного типа (И-ребра или ИЛИ-ребра)[4].

Тогда структуру дерева, основанную не на типе ребер, а на типе узлов (узел имеет только И или только ИЛИ ребра), можно представить в виде показанном на рисунке 3.

Если в этой структуре можно отобразить И/ИЛИ-дерево вариантов моделей спортивной одежды, то оно примет вид приведенный на рисунке 4.

Необходимость работы с графикой при проектировании ставит вопрос об использовании базы данных как инструментального средства хранения (рисунок 5).

Данные

Тип узла (И/ИЛИ)



Список

смежных узлов

Список потомков




Рисунок 3– Структура хранения И/ИЛИ-дерева

Модель


Тип узла (И/ИЛИ)

Список


смежных узлов

Список потомков

Воротник

И

Спинка



И



Верхний рукав

И

Рукав


И

Нижний рукав

И

Цветовое решение



ИЛИ



Рисунок 4– Пример представления И/ИЛИ-дерева в динамической памяти

1

2



Рисунок 5 – Концептуальная схема структуры хранения дерева И/ИЛИ
Наиболее удобно использовать хранение данных о моделях в виде И-деревьев. Для этого необходимо представить модель в виде иерархической структуры, которую удобно хранить в таблице с рекурсивной связью. Для этого в концептуальной схеме разработана структура (блок 1). На основе таблицы «Элемент модели» строится И-дерево с изменением направление связи вершин: хранится ссылка на родителя, а не на потомка.

В блок 2 входят структуры для формирования функциональной схемы. На основе данных о функциях элементов И-деревья объединяются в И/ИЛИ. В отличие от классического представления И/ИЛИ-дерева, было решено выделить параметры элементов в отдельную сущность, что в совокупности с описание свойств модели может использоваться для расширения дерева или нахождения более оптимальных значений параметров.

Графическое представление элементов хранится в базе данных и переносится в приложение только при отображении конечного варианта. Графическое представление может включать в себя чертежи, эскизы, 2-х и 3-х мерные изображения. При проектировании спортивной одежды предполагается использовать 3-х мерные модели элементов одежды.

Динамическая структура дерева и база данных взаимно дополняют друг друга. База данных используется для хранения больших объемов информации и обеспечивает быстрый доступ к ней.

В структуре, представленной отображением дерева в динамической памяти, хранятся только отдельные проекции данных. Это позволяет производить их обработку и выполнять операции над деревьями, используя стандартные подходы и алгоритмы.
Список литературы

1. Сараев А. Д., Щербина О. А. Системный анализ и современные информационные технологии //Труды Крымской Академии наук. — Симферополь: СОНАТ, 2006. — С. 47-59

2. В.К. Глянцев. Основы логической реализации экспертной системы для подготовки производства специальной одежды[Текст] / В.К. Глянцев , А.А. Тарапанов // Труды второй международной научно-технической конференции «Компьютерные науки и технологии 2011» – 2011

3. Вовк, А.А. Технология формирования обобщенного «И/ИЛИ» дерева решения задач анализа изображений. Исследование скорости сходимости процесса формирования обобщенного «И/ИЛИ» дерева/ Вовк, А.А., Цибульский, Г.М., Латынцев, А.А.// Техника и технологии. Engineering & Technologies. 2009 2 (1) – С. 32-48

4. Ефимов Е.И. Решатели интеллектуальных задач / Е.И.Ефимов. — М.: Наука, 1982. — 320 с


ПРИМЕНЕНИЕ АГРЕГАЦИОННЫХ ОПЕРАТОРОВ

В ГРАДИЕНТНЫХ МЕТОДАХ ВЫДЕЛЕНИЯ

ГРАНИЦ У ИЗОБРАЖЕНИЙ

А. В. Мартьянова

УрФУ, ИРИТ-РтФ, г. Екатеринбург, Россия,

kurzinaav@gmail.com
Важнейшей целью цифровой обработки изображений является распознавание присутствующих на них объектов. Возможность различения заложена в высокой информативности изображения, но зачастую обрабатываемые картинки содержат много избыточных и малоинформативных сведений, которые занимают большие объемы памяти, и требующих выполнения большого количества вычислений при попытке использовать их для распознавания.

Поэтому широко применяются методы сокращения избыточности, опирающиеся на специфические особенности зрительного восприятия изображений. Считается, что субъективное восприятие наблюдаемой сцены происходит через ее представление в виде отдельных однородных областей и выделение контурных линий. Контурные, или граничные, линии разделяют на изображении участки с различными свойствами. Препарат, образующийся в результате выделения контурных линий, может самостоятельно эффективно использоваться для распознавания, поскольку, содержащаяся в нем информация с точки зрения зрительного восприятия, вполне достаточна для решения многих задач такого типа. [2,3].

Рассматриваемые градиентные методы основаны на выделении краевых точек, которые, малочувствительны к шумам и контрастности изображения. Они основываются на свойстве сигнала яркости – разрывности. Эффективным способом поиска разрывов является обработка изображения с помощью скользящей маски – пространственная фильтрация.

В ходе данной фильтрации маска фильтра перемещается от пикселя к пикселю. В каждой точке (х, у) отклик фильтра вычисляется с использованием предварительно заданных связей. В случае линейной пространственной фильтрации маской размера 3×3 отклик R линейной фильтрации в точке (х, у) изображения составит:





(1)

Для обнаружения перепадов яркости используются дискретные аналоги производных первого и второго порядков.

Первая и вторая производная одномерной функции1 f(x) определяются так, как представлено в формулах 2 и 3.





(2)



(3)

По определению, градиент изображения f(х, у) в точке (х, у) – это вектор:



(4)

Рассмотренные ниже маски применяются для получения составляющих градиента Gx и Gy. Для определения величины градиента эти составляющие необходимо использовать совместно:





(5)

В качестве масок для определения составляющих градиента используются такие, как Робертса, Превитта, Собеля и Щарра окрестностью 3×3 (рисунок 1).





0

0

0




0

0

0

0

-1

0




0

0

-1

0

0

1




0

1

0




-1

-1

-1




-1

0

1

0

0

0




-1

0

1

1

1

1




-1

0

1




а)

б)

-1

-2

-1




-1

0

1

0

0

0




-2

0

2

1

2

1




-1

0

1




-3

-10


-3

3

0



3

0

0



0
-10

0

10



3

10

3


-3

0

3




в)

г)

Рисунок 1 - Маски а) Робертса, б) Превитта, в) Собеля, г) Щарра


Для решения вопроса инвариантности в отношении поворота используются так называемые диагональные маски, предназначенные для обнаружения разрывов в диагональных направлениях (рисунок 2).


0

1

2




-2

-1

0

-1

0

1




-1

0

5

-2

-1

0




0

1

2

Рисунок 2 – Диагональные маски Собеля

(аналогично для масок Превитта и Щарра)

Для вычисления градиента по четырем направлениям Gx, Gy, Gxу и Gух, применены агрегационные операторы (см. ниже).


Под агрегацией понимается объединение n измерений некоторой физической или логической величины Х, где , k=1,2,…,n, в одну величину [1]:



(7)

Были рассмотрены следующие агрегационные операторы:

  1. Взвешенное среднее



    (8)

  2. Степенные р – средние



    (9)

  3. Максимальное



    (11)

  4. Медиана



(12)

Для каждой из описанных выше масок характерны свои особенности. Пример обработки изображения представлен в таблице 1. При исследованиях использовались программные реализации каждого из приведенных методов, которые показали свою надежность и правильность на протяжении большого количества времени. Тестовое изображение было выбрано случайным образом.



11
Рисунок 3. Тестовое изображение

Таблица 1.

Результаты работы градиентных методов выделения границ


Оператор

Изображение

Результат

Маска Робертса с применением агрегационного оператора максимум

робертс по максимуму

Данный оператор дает сравнительно тонкие контурные линии, слабо прослеживаются черты лица. Малоэффективен при решении поставленной задачи.


Продолжение Таблицы 1

Маска Превитта с применением агрегационного оператора степени

превитт степень 3

Позволяет опре-делить контур лица, прически, глаз и рта, несколько проблематично определение контура носа. Эффективен при решении постав-ленной задачи

Маска Собеля с примене-нием агрега-циионного оператора взвешенное среднее

собель взвешенное среднее

Позволяет определить контур всех черт лица, также прослежи-вается текстура волос. Эффективен при решении поставленной задачи.

Маска Щарра с применен-ием агрега-циионного оператора медиана

щарр по медиане

Выделяет излишнее количество границ, сливающихся между собой. Малоэффективен в решении поставлен-ной задачи.

Применение агрегационных операторов в задаче выделения границ позволяет в полной мере оценить работу градиентных методов. Применение агрегационного оператора максимум позволяет маске Робертса выделить максимальное количество границ, а агрегат медиана позволяет высокоядерной маске Щарра выделить наименьшее количество границ. Операторы степени и взвешенного среднего применительно к маскам Превитта и Собеля наилучшим образом определить границы лица. Явно выражены глаза, нос и рот, чего нельзя сказать о двух предыдущих.

Рассмотренные методы применяются в различных прикладных задачах. Обработка черт лица имеет свою специфику: это и форма объектов на снимках, и повышенное внимание к замкнутости контуров, а также неизбежность влияния искажающих факторов таких, как шумы, расфокусировка и прочие артефакты изображений. Для того, чтобы максимально точно определить границы лица на изображении необходимо выбрать наиболее оптимальный для этого метод выделения границ, а также агрегационный оператор для его реализации. Также необходимо определить оптимальные условия работы выбранного алгоритма на основе экспертной и статистической оценки.
Библиографический список


  1. Detyniecki M., Mathematical Aggregation Operators and their Application to Video Querying. Universite Curie. November 2000.

  2. Гонсалес Р., Вудс Р. Цифровая обработка изображений. М.: Техносфера, 2005. 1072с.

  3. Цифровая обработка изображений в информационных системах: Учеб. Пособие / И. С. Грузман, В. С. Киричук и др. Новосибирск: Изд-во НГТУ, 2002. 352с.


SECTION 2. Engineering (Технические науки)

Экспериментальные исследования погрузочных органов
с нагребающими звездами


следующая страница >>



Дураки выдумывают моду, а умные поневоле ей следуют. Сэмюэл Батлер
ещё >>