научная статья по теме Применение многомерных нормализованных OLAP-кубов Биология

Текст научной статьи на тему «Применение многомерных нормализованных OLAP-кубов»

Прогнозирование на сегодняшний день занимает очень важное место в социально-экономическом развитии общества. Достаточно много проведено исследований и получены впечатляющие практические решения проблемы прогнозирования в науке, технике, экономике, демографии и других областях. Внимание к этой проблеме обусловлено, в том числе масштабами современной экономики, потребностями производства, динамикой развития общества, необходимостью совершенствования планирования на всех уровнях управления, а также накопленным опытом. Прогнозирование является одним из решающих элементов эффективной организации управления отдельными хозяйствующими субъектами и экономическими сообществами вследствие того, что качество принимаемых решений в большой степени определяется качеством прогнозирования их последствий. Поэтому решения, принимаемые сегодня, должны опираться на достоверные оценки возможного развития изучаемых явлений и событий в будущем.

Применение прогнозирования в информационных технологиях (ИТ) позволит воздействовать на ускоренный процесс получения, распространения и использования обширной базы информации, влияет на скорость развития интеллектуальных ресурсов общества и тем самым способствует решению глобальной задачи человечества — росту его благосостояния. Информационные технологии выступают своего рода катализатором эволюции в мире. Поэтому применение ИТ в прогнозирования приводит к развитию научно-технического прогресса и к использованию его результатов в хозяйственной практике. При этом становится залогом ускорения расчетов и повышения их точности, следовательно, средством адекватности плановых мер объективным явлениям жизни.

В результате чего совершенствование ИТ в прогнозировании прослеживается в развитии соответствующих информационных технологий.[1] Необходимость их применения обусловлена рядом причин, в числе которых: рост объемов информации; сложность алгоритмов расчета и интерпретации результатов; высокие требования к качеству прогнозов; необходимость использования результатов прогнозирования для решения задач планирования и управления.

На основе выше изложенного, мы предлагаем использовать следующие программы [2]: Mathe-matica; Maple; MatLab; MathCad.

Эти программы помогут сэкономить массу времени при вычислениях, а так же произвести математический анализ с использованием графиков. Все это поможет в решении задач прогнозирования для субъектов рынка, целесообразно проверку качества предлагаемых методов и алгоритмов, а также технологий в целом осуществлять по специально подобранным (тестовым) исходным данным.

Список использованных источников

1. Крылов, В. Е. Экономическое прогнозирование [Текст] / В. Е. Крылов, Ю.Н. Лапыгин, А.П. Чернявский // - М.: Эксмо, 2009. - с. 256

2. http://www.wolfram.com; http://www.maplesoft.com

УДК 004.42

С.И. Савин

ГОУ ВПО «Курский государственный технический университет»

г. Курск, Россия

ЛАБОРАТОРНЫЙ КОМПЛЕКС ДЛЯ ВИЗУАЛИЗАЦИИ ИЗУЧЕНИЯ МЕТОДОВ ОБРАБОТКИ ИНФОРМАЦИИ В СИСТЕМАХ ТЕХНИЧЕСКОГО ЗРЕНИЯ»

В данной статье рассматривается лабораторный комплекс, предназначенный для визуализации изучения методов обработки информации в системах технического зрения. Лабораторный комплекс представляет собой программу для ЭВМ, реализующую основные методы обработки изображений.

Первые научные труды, посвященные цифровой обработке изображений появились в 60-х годах двадцатого века. Сейчас существуют множество работ, посвящённой данной проблеме, причём развитие данного направления науки ускоряется общим прогрессом в области создания вычислительной техники. Разработки в области обработки изображений нашли применение в системах технического зрения, применяемых в робототехнике и автоматике. В системах технического зрения изображения обрабатываются с целью повысить их качество, выделить определённые объекты на изображении, получить из изображения информацию о геометрических свойствах изображенных объектов и т.п. Особенностью подобной обработки является, как правило, высокий объём обрабатываемой информации и высокое разнообразие задач. Причем многие задачи, такие как распознавание объектов, требуют инди-

видуального подхода. Это создаёт необходимость в специальной подготовке специалистов, которым предстоит работать системами технического зрения.

Изучение методов обработки информации, применяемых в системах технического зрения требует значительного количества учебных часов. В некоторых случаях полноценное изучение данного направления невозможно и проводится в ознакомительном виде. В таком случае студент испытывает трудности в восприятии материала. Это во многом связанно с тем, что материал насыщен формулами и абстрактными понятиями. Вместе с тем, значительная часть формул и методов, описываемых в рамках подобных курсов, имеет непосредственно практическое значение и может быть реализована в виде программного алгоритма [1]. Это позволяет увидеть результаты обработки изображения определённым методом, что в свою очередь делает обучение более наглядным.

С целью предоставить обучающимся применять методы обработки изображений, применяемые в системах технического зрения был создан виртуальный лабораторный комплекс Vision Lab. Лабораторный комплекс представляет собой приложение для персонального компьютера. Приложение позволяет, как независимо применять методы обработки, так и использовать последовательности методов, что важно, так как на практике обработка изображения редко ограничивается одним методом. В приложении реализованы следующие типы обработки: градиентная обработка, обработка бинаризацией, выделение контуров, обработка контуров, изменение цветовых каналов, наложение масок (обработка скользящим окном), сравнение изображений, составление спектров, нахождение линий, изменение размеров [2].

Градиентная обработка в данном лабораторном комплексе реализована методами обычного градиента, в том числе, градиента по красной, синей и зелёной цветовой составляющей, оператора Робер-тса, оператора Собела, оператора Лапласа. Обработка бинаризацией представлена методом бинаризации по яркости и методом бинаризации по произвольному цвету. Выделение и обработка контуров представлены рекурсивным методом поиска контура, различными методами утолщения контура. Обработка изменением цветовых каналов включает в себя методы изменения красного, зелёного и синего цветовых каналов. Обработка наложением масок (обработка скользящим окном) представлена наложением маски 3 на 3 и одновременно двух масок 3 на 3 ячейки с суммированием результата. Так же есть возможность накладывать маску 5 на 5 ячеек. У пользователя есть возможность создавать свои маски, так же имеется библиотека готовых масок. В неё входят: маска, реализующая градиент по оси OY, маска, реализующая градиент по оси OX, маска, реализующая градиент по осям OX и OY, маска Кирша, маска Кирша с поворотом на 45 градусов, две маски Лапласа, маска Певитта, маска Певитта с поворотом на 45 градусов, две маски размытия, маска реализующая эффект рельефа, маска Робертса, маска Роберста с поворотом на 45 градусом, маска Собела. Реализованы методы нахождения попиксельной разницы, между двумя изображениями, составления спектра бинаризованного изображения, нахождения линий на бинаризованном изображении.

Используя данный комплекс, студент может производить подбор последовательности методов обработки, которая позволит ему наиболее эффективно решить поставленную задачу по обработке изображения. Это способствует пониманию материала, то есть делает обучение более эффективным.

Список использованных источников

1. Сойфер В.А. Методы компьютерной обработки изображений [Текст] / В.А. Сойфер, ФИЗ-МАТЛИТ. - Москва, 2003.

2. Савин С.И. Виртуальный лабораторный комплекс Vision Lab [Текст] / С.И. Савин // Информационные и коммуникационные технологии в образовании. Сборник материалов X Международной научно-практической конференции. В 2 т. Т.2. / Борисоглебск: ГОУ ВПО «БГПИ». - Борисоглебск, 2009. - с. 129-130.

УДК 681.511.3

Е.С. Шевцов

Евразийский национальный университет им. Л.Н. Гумилева г. Астана, Казахстан

ПРИМЕНЕНИЕ МНОГОМЕРНЫХ НОРМАЛИЗОВАННЫХ 0LAP-КУБ0В

В настоящей работе рассматривается перспективы применения OLAP-технологий на предприятиях, общее описание технологии комплексного многомерного анализа данных.

В настоящее время современные предприятия все чаще автоматизируют деятельность путем внедрения информационных систем разного класса. Результатом успешного внедрения можно считать

Для дальнейшего прочтения статьи необходимо приобрести полный текст. Статьи высылаются в формате PDF на указанную при оплате почту. Время доставки составляет менее 10 минут. Стоимость одной статьи — 150 рублей.

Показать целиком