Новости

Программа предназначена для автоматизации неконтролируемой классификации текстурных данных.
Область применения - анализ данных дистанционного зондирования, представленных текстурными признаками. Может быть использована для исследования аэрокосмических, медицинских изображений, в задачах распознавания, а также для предварительного сжатия информации.
Используемый разработанный гистограммный кластерный алгоритм учитывает особенности сбора текстурных статистик изображения по окну конечных размеров [1].
Файл вычисленных текстурных признаков для всех точек односпектрального изображения является входным для программы. Сначала многомерное векторное пространство признаков разделяется на унимодальные кластеры с выбором детальности квантования пространства для обеспечения наибольшей средней разделимости кластеров в смысле предложенной меры. Затем алгоритм присоединяет ложные кластеры (те, сегменты которых на изображении значительно уже окна для сбора статистик) к остальным. Для присоединения кластера анализируется его разделимость с соседями в векторном пространстве признаков и контекст изображения.
В таблицу заносятся выходные данные: число уровней квантования векторного пространства, число кластеров и их характеристики. Можно получить карту кластеров в виде BMP-файла, где цвет связан с номером кластера, к которому отнесен пиксель (сегментация).
Может быть использовано до десяти статистических текстурных признаков, файл входного изображения объемом до 5 мегабайт.

[1] В.С. Сидорова. Алгоритм кластеризации текстурных данных дистанционного зондирования. // Автометрия, 2010, Т. 46, № 5,С. 43-52

Работа программы проиллюстрирована на сайте: http://loi.sscc.ru/lab/RFFI10/RU/svs10.htm

Инструментальные средства создания - алгоритм реализован в программной среде системы объектно-ориентированного программирования Visual C++ версии 5.0 фирмы Microsoft c библиотекой классов MFC, разработанной для ОС Windows. При разработке программы использовался механизм многодокументного интерфейса MDI..

2011-12-26

Реализация иерархического гистограммного кластерного алгоритма

Программа предназначена для автоматизации неконтролируемой классификации дискретных данных.
Область применения - анализ данных дистанционного зондирования, представленных спектральными признаками. Программа может быть использована для исследования аэрокосмических, медицинских изображений, в задачах распознавания, также для предварительного сжатия информации.
Разработан и реализован иерархический гистограммный кластерный алгоритм, оптимизирующий среднюю разделимость кластеров при выборе системы сеток квантования различной детальности в разных областях векторного пространства признаков. Иерархический подход позволяет дифференцированно подойти к различным областям многоспектральных данных и существенно сократить число кластеров.
Подробно алгоритм описан в:
[1] Sidorova V.S. Automatic Hierarchical Clustering Algorithm for Remote Sensing Data // Pattern Recognition and Image Analysis, 2011, Vol. 21, No. 2, P. 328-331
[2] В. С. Сидорова. Анализ многоспектральных   данных дистанционного зондирования покрова Земли с помощью гистограммного иерархического кластерного алгоритма. Труды международного конгресса “ГЕО-СИБИРЬ - 2011”, 2011, Т. 4, С. 116-122...
Алгоритм позволяет подробно исследовать структуру данных. Характеристики полученных кластеров заносятся в таблицу и могут быть показаны на экране. Можно получить карту кластеров в виде BMP-файла, где цвет связан с номером кластера, к которому отнесен пиксель(сегментация).
Функциональные возможности - могут быть обработаны многоспектральные изображения (вплоть до10 каналов) объемом до 3-5 мегабайт.
Работа программы проиллюстрирована на сайте:  http://loi.sscc.ru/lab/RFFI10/RU/sidorova_hierarch.htm

Алгоритм реализован в программной среде системы объектно-ориентированного программирования Visual C++ версии 5.0 фирмы Microsoft c библиотекой классов MFC, разработанной для ОС Windows. При разработке программы использовался механизм многодокументного интерфейса MDI .

2011-12-26

Определение характеристики надежности сети по отношению к заданному порогу

Назначение - Оценка характеристики надежности сети связи. Принятие решения, является ли сеть достаточно надежной по отношению к заданной величине надежности - порогу.
Область применения - анализ надежности и живучести современных сетей связи.
Задача точного вычисления характеристики надежности сети NP-трудна, точный расчет имеет экспоненциальную сложность. Если же стоит задача определить, превосходит ли надежность исследуемой сети величину заданного порога, не обязательно осуществлять полный перебор. В этом случае при помощи специальных методов объем вычислений можно значительно сократить.
Используемый алгоритм - за основу взят алгоритм из Won J.-M., Karray F. Cumulative Update of All-Terminal Reliability for Faster Feasibility Decision // IEEE Trans. On Reliability. September 2010. Vol 59, no 3. P. 551-562.
Алгоритм модифицирован, применяется декомпозиция сети на блоки. Модифицированный алгоритм опубликован в [1].
Функциональные возможности - можно исследовать сети с количеством элементов в несколько сотен.
Инструментальные средства создания - Delphi 5.
[1] Мигов Д.А., Родионов А.С. Принятие решения о надежности сети при помощи ее декомпозиции на двусвязные компоненты // Тезисы докладов Российско-Монгольской конф. молодых ученых по математическому моделированию, вычислительно-информационным технологиям и управлению (Иркутск, Россия – Ханх, Монголия, 2011). Иркутск, ИДСТУ СО РАН, 2011, с. 56.

2011-12-23

Программа PCR для решения системы линейных алгебраических уравнений предобусловленным методом сопряженных невязок

Назначение - решение СЛАУ с разреженной квадратной симметричной положительно определенной матрицей высокого порядка.

Область применения - решение СЛАУ с разреженной квадратной симметричной положительно определенной матрицей высокого порядка.

Используемый алгоритм - метод сопряженных невязок (автор Saad Y.), модификация Айзенштата метода симметричной последовательной верхней релаксации (автор Eisenstat), описание методов см. [1].

1. Ильин В.П. Методы и технологии конечных элементов.— Новосибирск: Изд. ИВМиМГ СО РАН, 2007.—370с.

Функциональные возможности - Операции умножения на предобуславливающую и исходную матрицы или реализуются пользователем или по умолчанию выбирается модификация Айзенштата метода симметричной последовательной верхней релаксации (SSOR) для СЛАУ, представимой в сжато-разреженном формате (CSR).

Инструментальные средства создания - Intel Fortran Compiler Professional Edition for Linux* version 11.1.051,

Intel Math Kernel Library for Linux* Version 10.2 Update 2.

2011-12-23

Программа для решения системы линейных алгебраических уравнений предобусловленным методом сопряженных градиентов

Назначение - решение СЛАУ с разреженной квадратной симметричной положительно определенной матрицей высокого порядка.

Область применения - решение СЛАУ с разреженной квадратной симметричной положительно определенной матрицей высокого порядка.

Используемый алгоритм - метод сопряженных градиентов (автор Hestenes M.R., Stiefel E.), модификация Айзенштата метода симметричной последовательной верхней релаксации (автор Eisenstat), описание методов см. [1].

1. Ильин В.П. Методы и технологии конечных элементов.— Новосибирск: Изд. ИВМиМГ СО РАН, 2007.—370с.

Функциональные возможности - Операции умножения на предобуславливающую и исходную матрицы или реализуются пользователем, или по умолчанию выбирается модификация Айзенштата метода симметричной последовательной верхней релаксации (SSOR) для СЛАУ, представимой в сжато-разреженном формате (CSR).

Инструментальные средства создания - Intel Fortran Compiler Professional Edition for Linux* version 11.1.051,

Intel Math Kernel Library for Linux* Version 10.2 Update 2.