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
функционирующие информационные системы способные оперативно обрабатывать и накопленивать большой объем данных.
Информационные системы масштаба предприятия, как правило, содержат приложения, предназначенные для комплексного многомерного анализа данных, их динамики, тенденций и т.п. Такой анализ в конечном итоге призван содействовать принятию решений.
Для реализации хранилищ данных обычно используется несколько продуктов, одни из которых представляют собой собственно средства хранения данных, другие — средства их извлечения и просмотра, третьи — средства их пополнения и т.д.
Типичное хранилище данных, как правило, отличается от обычной реляционной базы данных. Обычные базы данных предназначены для того, чтобы помочь пользователям выполнять повседневную работу, тогда как хранилища данных предназначены для принятия решений.
OLAP (On-Line Analytical Processing) предоставляет удобные быстродействующие средства доступа, просмотра и анализа деловой информации. Пользователь получает естественную, интуитивно понятную модель данных, организуя их в виде многомерных кубов. Осями многомерной системы координат служат основные атрибуты анализируемого бизнес-процесса. Например, для продаж это могут быть товар, регион, тип покупателя. В качестве одного из измерений используется время. На пересечениях осей - измерений - находятся данные, количественно характеризующие процесс - меры.
Эффективность применения OLAP-систем обуславливается следующими факторами:
• возможность решения широкого круга аналитических задач, таких как анализ ключевых показателей деятельности, маркетинговый анализ, финансово-экономический анализ, сценарный анализ, моделирование, прогнозирование;
• независимость аналитического приложения от специфики различных систем и возможность работы со всеми необходимыми данными, независимо от их источников;
OLAP-продукты используются в компаниях самых разных отраслей и видов деятельности. С учетом сложности аналитических задач наиболее перспективными с точки зрения широкого использования OLAP-технологий, являются телекоммуникационные и торговые компании. Это отрасли, в которых средние и крупные компании, как правило, имеют территориально распределенную организационную структуру, широкую номенклатуру продукции и услуг, а также большое количество контрагентов.
Список использованных источников
1. Материалы сайта www.olap.ru.
2. Дюк В.А. Обработка данных на ПК в примерах. — СПб: Питер, 1997.
3. Материалы сайта http://www.softkey.info
АЛГЕБРА, ГЕОМЕТРИЯ И МАТЕМАТИЧЕСКИЙ АНАЛИЗ
УДК 512 + 514 + 372.016:51
Т.Ю. Хохлова, К.И. Пяткина
МОУ гимназия №11 «Гармония» г. Новосибирск, Россия
СИСТЕМЫ АЛГЕБРАИЧЕСКИХ УРАВНЕНИЙ ВТОРОЙ СТЕПЕНИ С ТРЕМЯ НЕИЗВЕСТНЫМИ: КОНСТРУИРОВАНИЕ ЗАДАЧ
В работе рассматриваются возможности конструирования и решения школьниками систем уравнений второй степени с тремя неизвестными, рассмотрены основные методы решения таких систем, приведены примеры.
С системами уравнений мы сталкиваемся при изучении различных разделов математики, а также других наук и областей знаний. Существуют универсальные методы решения систем линейных уравнений, а для нелинейных универсальным является итерационный (приближенный) метод отделения корней. Во многих частных случаях можно применить и другие методы. В литературе эта тема освещена мало, поэтому мы решили, ознакомившись с простыми и понятными методами решения систем нелинейных уравнений, в частности, второй степени, создать систему конструирования задач по данной теме, доступных для решения учащимся школ. Это ново и актуально в том смысле, что при переходе к профильному образованию в последние годы есть потребность в разработке дополнительных курсов для учащихся профильных классов, и необходим взгляд «со стороны учащихся» и их мнение о возможностях, доступности и целесообразности.
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.