авторефераты диссертаций БЕСПЛАТНАЯ БИБЛИОТЕКА РОССИИ

КОНФЕРЕНЦИИ, КНИГИ, ПОСОБИЯ, НАУЧНЫЕ ИЗДАНИЯ

<< ГЛАВНАЯ
АГРОИНЖЕНЕРИЯ
АСТРОНОМИЯ
БЕЗОПАСНОСТЬ
БИОЛОГИЯ
ЗЕМЛЯ
ИНФОРМАТИКА
ИСКУССТВОВЕДЕНИЕ
ИСТОРИЯ
КУЛЬТУРОЛОГИЯ
МАШИНОСТРОЕНИЕ
МЕДИЦИНА
МЕТАЛЛУРГИЯ
МЕХАНИКА
ПЕДАГОГИКА
ПОЛИТИКА
ПРИБОРОСТРОЕНИЕ
ПРОДОВОЛЬСТВИЕ
ПСИХОЛОГИЯ
РАДИОТЕХНИКА
СЕЛЬСКОЕ ХОЗЯЙСТВО
СОЦИОЛОГИЯ
СТРОИТЕЛЬСТВО
ТЕХНИЧЕСКИЕ НАУКИ
ТРАНСПОРТ
ФАРМАЦЕВТИКА
ФИЗИКА
ФИЗИОЛОГИЯ
ФИЛОЛОГИЯ
ФИЛОСОФИЯ
ХИМИЯ
ЭКОНОМИКА
ЭЛЕКТРОТЕХНИКА
ЭНЕРГЕТИКА
ЮРИСПРУДЕНЦИЯ
ЯЗЫКОЗНАНИЕ
РАЗНОЕ
КОНТАКТЫ


Pages:   || 2 | 3 | 4 | 5 |   ...   | 6 |
-- [ Страница 1 ] --

Министерство образования и наук

и РФ

Северо-Кавказский горно-металлургический институт

(государственный технологический университет)

СКГМИ (ГТУ)

Материалы

XIV Международной

научно-технической конференции

ит-технолоГии:

раЗВитие и ПриложениЯ

25 – 26 октября 2013 г.

ВладикаВказ, 2013 г.

30 Л

М-34

М-34 Материалы xiv Международной научно-технической конференции ИТ-технологии: развитие и приложения. 25 – 26 октября 2013 г. / Сев.-Кавказский горно-металлургич. ин-т (Гос. техн. ун-т. СКГМИ (ГТУ);

Научно-исследоват. ин-т теоретич. и прикладной информати ки (ИТПИ) – Владикавказ: «Фламинго», 2013 – 256 с.

©Издательство «Фламинго»

iSBN 978–5–87860–131–3 ©Издательство «Олимп»

орГаниЗационный коМитет конференции Председатель Шубин Н.Е., д.х.н., к.т.н., проф. (Владикавказ, Россия) Сопредседатели Гроппен В.О., д.т.н., проф. (Владикавказ, Россия) Клюев Р.В., к.т.н., доцент (Владикавказ, Россия) Члены оргкомитета Каменецкий Е.С., д.ф-м.н., доц. СОГУ (Владикавказ, Россия) Хатагов А.Ч., к.т.н., проф. (Владикавказ, Россия) Будаева А.А,, к.т.н., доц. (Владикавказ, Россия) Даурова А.А., к.т.н., доц. (Владикавказ, Россия) Секретариат Давыдова Е. (Владикавказ, Россия) 362021 Россия, Владикавказ, ул. Николаева, 44/1-310.

Тел.: 8(8627) 407107, 407518. Факс: 8(8672) E-mail: groppen@skgtu.ru материалы xiv международной научно-технической конференции Кафедра автоматизированной обработКи информации:

вчера, сегодня, завтра И сторически кафедра автоматизированной обработки информации зародилась на кафедре математики, где в 1973 г. на базе аналоговой вычислительной машины МН-17 (начальник группы техобслуживания – Хатагов А.Ч.) и цифровой вычислительной машины Раздан-2 (начальник группы техобслуживания – Баюров М.С.) был организован вычислитель ный центр. Первыми сотрудниками центра стали Гроппен В.О., Клетин В.А., Хатагов А.Ч., Бидеев Г., Баюров М.С., Росс Г.В., Абрамова О.Ю., Ма сленко П.Г., Мисикова Р., Акоев В., Акоева Е., Итазова Л., Косякова Г.А., Цагараев Б.М., Гвритишвили П.П., Мамаева С.А., Комелягина А.М., Гуса лова З.Б. В том же году усилиями инженерного состава центра за короткий срок в институте была развернута и запущена первая электронная вычи слительная машина Минск-22 (начальник группы техоблуживания – Мате восян В.Г., затем Танклаев С.Ц.).





Кафедра математики. 1989 г. В верхнем ряду третий справа – Гвритишвили П.П., первый справа – Цагараев Б.М. В нижнем ряду третий справа – Гроппен В.О., вторая справа – Григорович Г.А., ныне заведующая кафедрой математики.

Кафедра автоматизированной обработки информации Но даже создание вычислительного центра не удовлетворяло растущих потребностей института в применении ЭВМ в учебном процессе и для проведения НИР. Так было принято решение об открытии кафедры авто матизированной обработки информации, первое заседание которой состо ялось осенью 1989 года. Заведующим кафедрой стал доктор технических наук, профессор Гроппен Виталий Оскарович. Он возглавляет кафедру и сегодня.

Сначала кафедра являлась общеобразовательной, а с 1992 года, осуще ствив набор студентов на специальность «Автоматизированные системы обработки информации и управления», стала выпускающей. Надо отме тить, что в том же году была набрана и первая группа бакалавров, обуча ющихся по направлению «Информатика и вычислительная техника». Так что обязательная сегодня двухступенчатая система образования «бакалав риат – магистратура» для кафедры – обычное дело.

Год 1989-й ознаменовался и появлением целых классов ЭВМ, сравни тельно большой парк которых позволял всем преподавателям и научным сотрудникам института решать свои учебные и научные задачи с привле чением средств вычислительной техники. В связи с этим кафедра проявила высокую активность по обучению преподавателей и сотрудников инсти Первое заседание кафедры АОИ проводит заведующий – Гроппен В.О.

Сотрудники кафедры (сидят слева направо): В. Клетин, Н. Дрындина, Б. Цагараев, Е. Татари нов, З. Гусалова, О. Джиоев, П. Гвритишвили, А.Червяков.

материалы xiv международной научно-технической конференции тута основам программирования и работы на ЭВМ. Это способствовало более широкому и интенсивному применению вычислительной техники в учебном процессе и научных исследованиях, а также адаптации препо давателей к компьютерным средствам и повышала авторитет кафедры в институте.

C 1989 по 2013 гг. на кафедре постоянно разрабатываются учебные дис циплины, что связано с появлением дисциплин новых и обновлением со держания старых. Это определило необходимость разработки соответству ющих учебно-методических пособий. Поэтому на кафедре методическая работа была построена таким образом, что ежегодно каждый преподава тель подготавливал к изданию не менее одной работы, при этом уровень их был настолько высок, что и в настоящее время многие издания являются настольными методическими материалами для преподавателей кафедры.

За указанный период преподаватели кафедры разработали более 50 учеб но-методических пособий.

Сегодня методическая работа осуществляется по следующим направ лениям:

1. Разработка и модернизация рабочих программ.

2. Разработка учебных и учебно-методических пособий, в том числе электронных.

3. Создание автоматизированных систем контроля знаний.

4. Разработка задач индивидуального тестирования знаний студентов в ходе зачетной, экзаменационной сессии и рейтинг-контроля.

По первому направлению разработаны и находятся в состоянии посто янной модернизации рабочие программы практически по всем читаемым на кафедре дисциплинам. Кафедра в основном обеспечена учебными посо биями. По ряду дисциплин на кафедре разработаны свои учебные пособия, методические указания и готовятся к изданию новые методические раз работки.

Сегодня кафедра АОИ осуществ ляет подготовку бакалавров (срок обучения 4 года), инженеров (срок обучения 5 лет), магистров (срок об учения 2 года). На кафедре созданы все условия для получения совре менных и качественных знаний.

Кафедра оснащена современны- Экспонаты музея СКГМИ – первые ЭВМ первых учебных лабораторий.

ми вычислительными средствами, Кафедра автоматизированной обработки информации эффективными программными продуктами и квалифи цированными кадрами. Ее сотрудники участвуют в ре гиональных, национальных и международных конкур сах и проектах, создают и внедряют новые технологии программирования, обработки изображений, защиты данных от вирусных атак и несанкционированного до ступа, разрабатывают и внедряют в учебный процесс новые образовательные технологии.

Д.т.н., проф. Гроп Кафедра проводит значительную работу по совер пен В.О., бессменный шенствованию учебного процесса. На лекциях препо- руководитель кафе даватели знакомят студентов с новыми достижениями дры АОИ и директор НИИТПИ.

в области информационных технологий, их практиче скими ценностями, а также стремятся рассмотреть проблемные ситуации, связанные с будущей деятельностью студентов. При изложении материа ла используются средства ТСО и учебные пособия, созданные на основе стандартов второго поколения. При проведении лабораторных и практиче ских занятий акцент делается на индивидуализацию обучения.

Основная роль в организации учебного процесса отводится замести телю заведующего кафедрой старшему преподавателю Астаховой Л.Г. Ее профессионализм, умение найти компромисс как с пре подавателями, так и с сотрудниками учебного управле ния позволяют грамотно спланировать и организовать исполнение учебной нагрузки.

Помимо педагогической работы сотрудники кафе дры принимали и принимают деятельное участие в международной научной деятельности, осуществляя научный обмен кадрами, а также участвуя и организуя Заместитель зав.

международные семинары по проблемам информати каф. АОИ, ст.преп.

зации. Так, сотрудники кафедры принимали участие в Астахова Л.Г.

международных совещаниях и семинарах, проводив шихся в Лондоне в 1991 г., Сеуле в 1995 г., Дублине в 1995–1996 гг., Гон конге в 1994 г., Париже в 1997 г., Сан-Диего в 2000 г.

В 2002 и 2003 годах во Владикавказе проведены два международных совещания по теоретическим и прикладным вопросам развития и исполь зования информационных технологий.

В 2003 году в Барселоне, Испания, в рамках международной конфе ренции по использованию эволюционных алгоритмов для нужд техники и технологий силами кафедры был организован и проведен мини-симпозиум по эффективной организации вычислительных процессов.

материалы xiv международной научно-технической конференции В 2004 году сотрудники кафедры приня ли активное участие в работе v Международной конференции«Устойчивое развитие горных террито рий: проблемы и перспективы интеграции науки и об разования».

В 2005–2006 гг. сотрудники кафедры участвовали в международных конкурсах корпораций «SUMSUNG»

К.т.н., доц. Мирош- и «intel», заняв второе и первое места соответственно.

ников А.С.

В 2007 году кафедра участвовала в работе vi Ме ждународной конференции «Инновационные технологии для устойчиво го развития горных территорий», проведенной во Владикавказе под эги дой «ЮНЕСКО» и в работе Международной конференции Eurogen- «Evolutionary and Deterministic Methods for Design, Optimization and Control with Applications to industrial and Societal Problems», прошедшей в Финлян дии.

В 2008 году кафедра участвует в двух Международных конференциях:

iii научно-техническая конференция «Аналитические и численные методы моделирования естественнонаучных и социальных проблем», проходив шая в Пензе, и научно-техническая конференция «iT-технологии: развитие и приложения», организованная Северо-Кавказском горно-металлургиче ским институтом.

2009 год ознаменовался участием уже в четырех Международных кон ференциях: iv научная конференция «Информационные технологии и си стемы. Наука и практика» в г. Владикавказе, Х научно-техническая кон ференция «iT-технологии: развитие и приложения» в СКГМИ (ГТУ), “iv international Conference on Adaptive Modeling and Simulation” в Бельгии и симпозиум “Mathematics and Astronomy:

a joint long journey” в Испа нии.

В 2010 году сотрудники ка федры приняли участие в двух м е ж д у н а р од ных конферен Молодые преподаватели кафедры – наши выпускники:

к.т.н., асс. Петров А.Ю., асс. Панарин В.П., к.т.н., доц. Соколова Е.А. циях, одна из Кафедра автоматизированной обработки информации которых состоялась во Франции – Международный симпозиум союза ас трономов в Ницце, а другая в России – во Владикавказе. Специалистами кафедры была подготовлена и проведена xi Международная юбилейная научно-техническая конференция «iT-технологии: развитие и приложе ния», в которой приняли участие докладчики из семи регионов России и СНГ.

Деятельность кафедры в 2010 году определялась целым рядом направ лений:

• развитие технологии программирования оптимальных программных единиц и внедрение этой технологии в учебный процесс;

• совершенствование и внедрение в учебный процесс систем параллель ной обработки данных в локальных вычислительных сетях, эффективно использующих ресурсы последних;

• развитие подсистем АСУ СКГМИ;

• создание и совершенствование новой технологии компрессии изобра жений;

• развитие технологий параллельной обработки изображений в неодно родных вычислительных сетях;

• создание интегрированной научно-образовательной среды вузов;

• защита данных от вирусных атак и несанкционированного доступа.

В 2011 году сотрудники кафедры приняли участие в нескольких между народных конференциях. Это научно-практическая конференция «Оптика, астрофизика, астрономия», проходившая в Великобритании, научная кон ференция «Прикладная и вычислительная математика» в Испании, науч но-техническая конференция «Адаптивное моделирование и имитация» во Франции, а также научная конференция студентов, аспирантов и молодых ученых «Ломоносов – 2011», проходившая в Москве и ставшая традици онной xii научно-техническая конференция «iT-технологии: развитие и приложения», организованная силами кафедры.

В 2012 году кафедра также отметилась участием в ряде международ ных конференций: научно-практические конференции “Recent Researches in Applied Mathematics and Economics» в Греции и «Recent Advances in Systems Science and Mathematical Modeling» во Франции, Шестой всерос сийский форум студентов, аспирантов и молодых ученых «Наука и инно вации в технических университетах» в Санкт-Петербурге и xiii научно техническая конференция «iT-технологии: развитие и приложения» во Владикавказе.

Пять лет назад, в 2008 году, при кафедре был создан НИИТПИ – науч но-исследовательский институт теоретической и прикладной информати материалы xiv международной научно-технической конференции ки, ставший преемником Северо-Осетинского центра новых информационных технологий. Под чутким вни манием замечательного организатора Аксеновой Ве славы сотрудниками института выполняются научно исследовательские работы по грантам РФФИ и других российских и зарубежных фондов.

Вот наиболее важные результаты работы:

• новая технология адаптивной защиты данных от Аксенова В.А., веду вирусных атак;

щий программист • новая технология прогнозирования персональной НИИТПИ.

успеваемости студентов;

• новая технология прогнозирования персональной активности аспиран тов и докторантов;

• новая технология проектирования эффективных программных комплексов;

• система управления параллельными вычислениями в локальных вычи слительных сетях (кластерные вычисления и использование Grid-сетей);

• экспертная система оптимального кэширования данных;

• новая технология ликвидации кризиса взаимных неплатежей;

• программное и организационное обеспечение выставки достижений Министерства образования РФ, и ряд других разработок;

• новая технология компрессии изображений вариабельными фрагментами;

• технология принятия решений с помощью эталонов;

• технология программирования оптимальных про граммных единиц;

• принципы и программные средства поддержки оп тимизации вычислительных процессов;

• технология использования смарт-карт для защиты банков данных от несанкционированного доступа;

• система математических моделей, алгоритмов и реализующих их программных средств, предназна К.т.н., доц.

ченных для поиска и реализации оптимальных стра Будаева А.А.

тегий кэширования данных.

Почти все защищенные дипломные проекты на кафедре содержат как научную, так и прикладную компоненты и базируются на действующих программных разработках студентов.

Более 90% преподавателей кафедры имеют базовое университетское образование, 70% штатных сотрудников кафедры имеют ученую степень.

Уровень профессиональной подготовки и опыт персонала кафедры доста точен для качественной подготовки выпускников.

Кафедра автоматизированной обработки информации На кафедре организована система повышения ква лификации преподавателей, включающая два направ ления: к первому относятся открытые занятия и их обсуждение, ко второму – стажировки, соискательство, аспирантура, работа по диссертационным темам.

Материально-техническую базу кафедры составляют 4 сетевых компьютерных класса c 48 рабочими местами, в том числе 2 современных класса «тонких клиентов», К.т.н. Гутиев А.Ю.

насчитывающие 24 рабочих места.

Работоспособность учебных классов, а также бесперебойное функци онирование университетских Web-портала и ЛВС обеспечиваются уси лиями системного администратора Проскурина А.Е. Он же обеспечивает безопасность АСУ СКГМИ – созданная им программа «Цербер» без сбоев функционирует уже второй десяток лет, несмотря на периодические по пытки хакеров ее взломать.

Конечно, круглогодичная работа всего парка ЭВМ – результат труда не только системного администратора, но и лаборантов. Масленко П.Г., Давы дова Е.В., Чельдиева А.М., Анисимов Г.С. – вот добрые гении наших ла бораторий, решающие все «машинные» проблемы от заражения вирусами до замены блоков.

Современные информационные технологии развиваются стремитель ными темпами, предоставляя огромные возможности тем, кто ими владеет.

Кафедра по праву может гордиться своими выпускни ками. По-настоящему первые и лучшие – это Мирош ников Андрей, Гутиев Аслан и Томаев Мурат. Все трое – из первого выпуска кафедры. Ныне сотрудники кафе дры АОИ, Мирошников А.С. и Томаев М.Х. – кандида ты технических наук, доценты – передают свой опыт сегодняшним студентам. Гутиев А.Ю., также успешно защитивший кандидатскую диссертацию, в настоящее К.т.н., доц.

время работает в Правительстве Республики Северная Томаев М.Х.

Осетия-Алания в должности заместителя начальника Управления внешнеэкономических связей Министерства экономического развития РСО-А.

Доцент Будаева Алина, прошедшая все звенья цепочки бакалавр-ма гистр-кандидат технических наук, тоже решила связать свою жизнь с род ной кафедрой. Она – одна из лучших программистов республики. Сейчас Будаева А.А. совмещает преподавание с научно-исследовательской рабо той в НИИТПИ и подготовкой докторской диссертации.

материалы xiv международной научно-технической конференции Успехи однокурсника Алины – Копылова Игоря – также не могут не радовать. После защиты кандидат ской диссертации в стенах родного вуза, вооруженный знаниями и волей к победе, Игорь уехал в Москву, где, получив специальность, связанную с управлени ем финансами, стал финансовым директором между народной архитектурно-инжиниринговой компания Homeland Group.

Проскурин А.Е., Еще один наш выпускник, Дадаян Левон, сегодня системный работает в должности заместителя технического ди администратор ректора ООО «Bradbury Lab». Эта российская компа ния занимается разработкой и предоставлением интегрированных серви сов для дистрибуции теле-, кино- и видеоконтента операторам сетей связи.

Нелишним в этой связи будет отметить, что кандидатская диссертация Ле вона была посвящена разработке новой технологии сжатия изображений, разработанной на кафедре.

В планах кафедры АОИ много нового и интерес ного. Первое и главное – планируется открытие новой специальности – «Информационная безопасность». В этой связи кафедра проводит большую работу по под готовке и переподготовке преподавателей, разрабаты вает новые методические пособия, осваивает новые, современные технологии обучения. Кроме этого, ка федра расширяет и укрепляет сотрудничество с вузами К.т.н. Копылов И.В.

нашей страны и ближнего зарубежья.

В связи с беспрецедентными темпами развития информацион ных технологий кафедра АОИ приступила к освоению и внедрению в учебный процесс основных компонент непрерывного, длящегося всю жизнь образования, являющегося основной стратегией совре менного образовательного процесса. В рамках этого подхода сов местно с педагогами Полоцкого государственного университета (Республика Беларусь) на кафедре АОИ под руководством и при непосредственном участии к.т.н. доцента Будаевой А.А. разработан пакет программ, обеспечивающий дистанционное образование по направлению «бакалавр информа тики и вычислительной техники». Все лекционные занятия сопровождаются презентациями, выпол К.т.н. Дадаян Л.С.

ненными в PowerPoint, и текущим on-line тести Кафедра автоматизированной обработки информации рованием студентов. Для этого все лекционные аудитории оснащены большими плазменными па нелями и компьютерами. Широкое распростране ние при решении прикладных задач параллельной обработки информации потребовало модернизации учебных планов и лабораторного оборудования: на кафедре созданы и используются в учебном про цессе Grid-сети, локальные вычислительные сети и Чельдиева А.М., сети многопроцессорных ЭВМ, каждая из которых лаборант оснащена несколькими сотнями процессоров. Для того, чтобы «держать руку на пульсе» современных информационных технологий, на заседаниях кафедры регулярно обсуждаются вопросы стратегии обучения и разрабатываются подходы, реализация которых позволяет выпускать квалифицированных специалистов, успешно вы держивающих конкуренцию не только в региональном масштабе, но и на международном рынке труда.

Забота о будущем кафедры – это и непрерывная подготовка молодой смены. Сегодня на кафедре ведут учебные занятия и готовят к защите кандидатские диссертации аспиранты Панарин Вадим, Гречаный Сергей, Чахоян Станислава, Ерина Юлия, Шепилова Елена и Джиоева Светлана.

Зам. зав. каф. Астахова Л.Г. (вторая слева) с выпускниками-бакалаврами ныне магистрантами (слева направо): Каграманян Диана, Малкондуева Фатима, Колосова Арина.

материалы xiv международной научно-технической конференции Их работы во многом определяются научным профилем кафедры, но и не ограничиваются им. Конечно, не все из этих ребят, защитившись, решат остаться в стенах родного вуза, но то, что все они составят его гордость, сомнению не подлежит. Как и не подлежит сомнению то, что и годы учебы в магистратуре, предполагающие и педагогическую практику, и серьезную научно-исследовательскую работу, обязательно помогут нынешним маги странтам после защиты магистерских диссертаций правильно сориентиро ваться в большом мире образования и науки.

Кафедре автоматизированной обработки информации двадцать пять лет. Это 25 лет непрерывного освоения новых информационных техноло гий. Это 25 лет профессиональной подготовки специалистов, востребован ных обществом.

Нам есть, кем гордиться и чем гордиться. Мы желаем нашим студентам и выпускникам благополучия, здоровья и плодотворной работы, а нашему коллективу – успехов в профессиональной деятельности, воплощения в жизнь задуманных планов и уверенности в будущем!

Даурова А.А., канд. техн. наук, доцент кафедры АОИ СКГМИ (ГТУ), г. Владикавказ, Россия визуализация и обработка изображений сеКция 1:

визуализация и обработКа изображений методЫ интеллеКтуалЬной УДК 004. оцифровКи даннЫХ геофизичесКиХ Хашпер а.Л., исследований сКважин бакалавр наук, Россия, Уфа С ФГБОУ ВПО Баш овременные технологии разработки нефтяных ГУ, ООО «БашНИ месторождений предполагают компьютеризи ПИнефть», ФГБОУ ВПО БашГУ рованную обработку и интерпретацию данных геофи зических исследований скважин, в частности каротажа.

рассматривается В настоящее время данные ГИС представляются в элек решение задачи автоматической тронном виде, удобном для анализа и интерпретации.

оцифровки данных Однако во многих нефтяных организациях, в частности ГИС посредством в ООО «БашНИПИнефть» накоплен большой объем ка использования функций обработ ротажных диаграмм по ранее пробуренным скважинам ки изображений на бумажных носителях, для которых нет количествен программной среды Borland C++ ных аналогов. Поэтому актуальной задачей является Builder и примене оцифровка таких данных с целью их последующего ана ния математи лиза, т.е. необходимо разработать программный продукт, ческих методов усреднения, реализующий считывание и распознание файлов, пред интерполирования ставляющих собой скан-копии каротажных диаграмм.

и нормировки.

В ООО «БашНИПИнефть» существует два вида ар хивных каротажных диаграмм: изображения, получен ные программно, но для которых утеряны исходные дан ные, и диаграммы, построенные аналоговым способом 450080, Россия, на бумажных носителях. Задача распознания файлов с РБ, г. Уфа, ул. Мен каротажными диаграммами, полученными на компью делеева, д.173/1, кв.179, тере, характеризуется следующими проблемами:

anna_bella_tw@ – различное начертание кривых (пунктир, толстые mail.ru, Т.: 89270858823 линии и т. п.);

материалы xiv международной научно-технической конференции – совпадение цветов для различных кривых (дублирование цвета);

– наличие надписей и лишних цветов;

– неоднозначность кривых (одной точке по глубине сопоставляется не всегда единственное значение каждого параметра).

Указанные проблемы решаются с использованием математических ме тодов усреднения, интерполяции и нормировки получаемых изображений.

Усреднение требуется, если на кривой ГИС некоторым значениям глу бины сопоставляется более одного значения каротажа. Это может быть вызвано начертанием кривой (толстая линия), либо некорректной увяз кой нескольких кривых (рис. 1).

Рис. 1. Пример некорректной увязки кривых ГИС.

В программе усреднение реализуется следующим образом. Пусть глуби не x соответствует n значений каротажа y1, y2, …, yn, где y1y2…yn. Тогда в качестве значения каротажа, соответствующего глубине x, выбирается yn/2.

Кривые ГИС требуется интерполировать, если они разрывны (в дан ном случае это означает, что для некоторых значений глубины нет соот ветствующего значения кривой ГИС), что может наблюдаться по следу ющим причинам:

1) пунктирное начертание кривой;

2) две кривые пересекаются, вследствие чего точки одной кривой пе рекрываются точками другой кривой;

3) некоторые точки кривой были утеряны в процессе оцифровки.

Устранить разрывность кривой можно путем интерполяции.

Различают два вида интерполяции:

1) глобальная – соединение всех точек f(x) единым интерполяцион ным полиномом;

2) локальная – соединение точек отрезками прямой (по двум точкам), отрезками параболы (по трем точкам) [1].

В данной работе применяется простейший вид локальной интерпо ляции – линейная интерполяция: заданные точки соединяются прямоли нейными отрезками. Для каждого из интервалов в качестве уравнения интерполяционного полинома используется уравнение прямой, проходя щей через две точки.

Нормировка – это корректировка ряда (вектора) значений в соответ ствии с некоторыми функциями преобразования, приведение кривых к стандартным условиям измерений.

визуализация и обработка изображений В заголовке каротажной диаграммы указываются границы изменения каждого из приведенных видов ГИС (рис. 2).

Рис. 2. Заголовок каротажной диаграммы.

При считывании кривой ей сопоставляются координаты в пикселах.

Необходимо привести эти значения к реальным (т.е. по ширине значения должны изменяться в соответствии с границами для данного каротажа, а по длине – в соответствии с заданной глубиной). Следовательно, необ ходимо выполнить преобразование координат по следующим формулам:

, где Xmin и Xmax – соответственно, минимальное и максимальное значе ния каротажа (в соотв. ед. изм.), Pmin и Pmax – соответственно, минимальное и максимальное значения соответствующей кривой в ширину (в пикселах), Х и P – соответственно, текущее значение каротажа (в соотв. ед. изм.) и абсциссы соответствующей точки кривой (в пикселах);

где Ymin и Ymax – соответственно, минимальное и максимальное значе ния глубины (в метрах), Imin и Imax – соответственно, минимальное и максимальное значения со ответствующей кривой в длину (в пикселах), Y и I – соответственно, текущее значение глубины (в метрах) и орди наты соответствующей точки кривой (в пикселах).

материалы xiv международной научно-технической конференции Значения кривых ГИС, полученные по этим формулам, можно ис пользовать для дальнейшей интерпретации.

Программа, реализующая указанные алгоритмы, производит попиксель ное считывание указанного файла, используя функции обработки растро вых изображений программной среды Borland C++ Builder, распознает цветные пиксели с помощью RGB-модели, создает массивы данных по числу цветов и оцифровывает изображение с учетом названных особен ностей (рис. 3 – 4, табл. 1).

Рис. 3. Исходная каротажная диаграмма (фрагмент).

Рис. 4. Изображение, полученное в результате работы программы.

Таблица цифровое представление каротажной диаграммы (фрагмент) Глубина, ПЗ, ДС, ГК, ПС, НГК, м Ом*м м мкР/ч мВ мкР/ч 979,2 108,8 0,1622 1,267 2,818 2, 979,3 123,4 0,1622 1,267 2,834 2, 979,4 130,6 0,1662 1,267 2,864 2, 979,5 130,6 0,1662 1,267 2,864 2, 979,6 130,6 0,1662 1,267 3,026 2, 979,7 130,6 0,1662 1,423 3,056 2, 979,8 130,6 0,1703 1,423 3,101 2, визуализация и обработка изображений (Продолжение) 979,9 137,9 0,1703 1,578 3,175 2, 980,0 137,9 0,1703 1,578 3,234 2, 980,1 137,9 0,1703 1,423 3,294 2, 980,2 137,9 0,1703 1,267 3,323 2, 980,3 145,2 0,1703 1,267 3,368 2, 980,4 145,2 0,1703 1,111 3,383 2, 980,5 145,2 0,1662 1,111 3,546 2, 980,6 145,2 0,1662 1,111 3,576 2, Характерными проблемами при оцифровке изображений каротажных диаграмм, построенных аналоговым способом, являются необходимость считывания рукописного текста, которым подписаны глубины и «шапка»

диаграммы, и неоднородность масштаба по глубине, возникающая при сканировании бумажных носителей. В настоящее время производится отладка программы решения упрощенной задачи распознания символов на каротажных кривых, полученных программно. При этом необходимо распознавать цифры и буквы русского алфавита (рис. 5).

Рис. 5. Символы, которые необходимо распознавать на диаграмме.

В первую очередь поставлена задача распознавания чисел. Цифровые символы, которые необходимо распознать, относятся к трем категориям материалы xiv международной научно-технической конференции (см. рис. 5): глубина по стволу скважины (курсив), глубина по вертикали (полужирный курсив) и границы значений каротажей (цветной шрифт).

Каждая из этих категорий распознается по отдельности, переходя от про стого к сложному (сначала параметрами выступают цвет и размер шриф та, затем добавляется курсив и полужирный шрифт).

Математически данная задача сводится к задаче распознавания объ ектов: требуется построить алгоритм, который по любому входному объ екту, не обязательно принадлежащему обучающему множеству, решает, какому классу этот объект принадлежит [2]. Для решения этой задачи применяются различные методы искусственного интеллекта: дискрими нантные функции, нейронные сети, метод опорных векторов, векторное квантование. В данной работе решение этой задачи осуществляется с ис пользованием искусственной нейронной сети – многослойного персеп трона.

Многослойный персептрон представляет собой нейронную сеть, со стоящую из нескольких слоев. Каждый слой персептрона образован ней ронами, и нейроны последующего слоя соединены с нейронами преды дущего слоя при помощи системы весов. Обучение персептрона реализу ется посредством настройки весов с целью уменьшения разности между целевыми и получаемыми векторами на выходе по алгоритму обратного распространения ошибки (рис. 6) [3].

Рис. 6. Блок-схема обучения персептрона.

Сопоставление распознанных значений глубины и границ каротажа с координатами соответствующих точек позволяет нормировать значения каротажей и привязать их к полученным глубинам, что является необхо димым условием их корректной интерпретации.

визуализация и обработка изображений Далее планируется решить задачу в более сложной постановке рас познавания надписей от руки, для чего необходим учет почерка, наклона, высоты и других характеристик, присущих рукописному тексту. Полу ченные результаты позволят учитывать возможное больше скважин ме сторождения, по которым предоставлены данные ГИС, при построении геологической модели месторождения и подсчете запасов углеводоро дов, снижая влияние человеческого фактора и повышая эффективность проектировании разработки месторождений. В целом, методы искусст венного интеллекта позволяют создавать прикладные нейросистемы, ре ализующие структурную и параметрическую идентификацию объектов и позволяющие эффективно решать задачи распознавания образов в неф тегазовой отрасли.

литература:

1. Ханова А.А. Интерполяция функций. Методическое пособие для студентов Института информационных технологий и коммуникаций. Астрахань: изд-во АГТУ, 2001. – 22 с.

2. Лепский А.Е., Броневич А.Г. Математические методы рас познавания образов. – Таганрог: ТТИ ЮФУ, 2009. – 155 с.

3. Haykin S. Neural Networks – a Comprehensive Foundation. – Person Education, 2005. – 823 p.

материалы xiv международной научно-технической конференции ЭКсперименталЬнЫй анализ УДК 004.4’ ЭффеКтивности различнЫХ методов филЬтрации точечнЫХ помеХ Введение Актуальность цифровой обработки изображений объ ясняется ее востребованностью во многих, если ни сказать во всех сферах человеческой деятельности [1 – 7].

Работа шепиЛова е.в., с изображениями имеет место в медицине (например, рен тгеновские снимки), в киноиндустрии [10], в криминали стике (снимки с места преступления), в науке (например, биология, астрономия), в производстве, в образовании и т.д.

И, разумеется, для эффективного получения, обработки, хранения и представления цифровых изображений необхо димо такое направление информационных технологий, как цифровая обработка изображений [8 – 9, 11].

В данной работе рассматриваются различные стра тегии улучшения и восстановления цифровых изобра Гречаный С.в.

жений. Основное их различие заключается в том, что Владикавказ, Николаева 44, раздел улучшения рассматривает изменение цифрово СКГМИ, НИИТПИ.

го изображения для улучшения его субъективного вос приятия конкретным лицом. В свою очередь, восста рассматриваются различные новление изображений преследует цель устранения стратегии шума на изображениях. Актуальность этих направле улучшения и ний оправдывается тем, что в первом случае работа восстановления цифровых с изображением, не очень хорошо воспринимаемым изображений.

человеком, довольно затруднительна, а во втором слу чае работа с зашумленным изображением почти не возможна, если не сказать, совсем невозможна.

В [1] приведены следующие выводы, связывающие рациональность использования различных стратегий улучшения изображений с конкретными условиями:

• Фильтр среднего арифметического (см. ниже (1)) Bittergirl1987@ характеризуется наибольшим сглаживанием. Он оди list.ru greek_s@mail.ru наково хорошо работает в случае с разными шумами, визуализация и обработка изображений но при больших размерах маски возможна значительная расфокусировка контуров объектов изображения.

• Фильтр среднего геометрического (уравнение (2), ниже) особенно хорошо справляется с черным и белым шумом. Применение его приво дит к сглаживанию, сравнимому с тем, которое достигается при исполь зовании среднеарифметического фильтра, но при этом теряется меньше деталей изображения.

• Среднегармонический фильтр (уравнение (3) в параграфе 2) хорошо работает в случае униполярного «белого» импульсного шума (т.е., когда значение шума соответствует появлению белых точек на изображении), но не работает в случае униполярного «черного» импульсного шума (ког да значение шума соответствует появлению черных точек).

• Фильтр среднего взвешенного (уравнение (5), ниже) своей особен ностью имеет то, что он «мягче» остальных фильтров сглаживает изобра жение, при этом бережно устраняя шум и минимально расфокусировы вая мелкие детали.

Целью настоящей работы является программная реализация методов линейной сглаживающей фильтрации цифровых изображений и исполь зование созданного программного обеспечения для статистического ана лиза эффективности его работы.

1. содержательная постановка задачи Для достижения поставленной цели были поставлены две следующие задачи:

• разработка общего алгоритма изучения выбранных линейных сгла живающих фильтров;

• проведение эксперимента посредствам разработанного программно го обеспечения и сбор статистических данных для анализа фильтрации цифровых изображений, выявление зависимостей.

2. алгоритм Для создания алгоритма ниже введены следующие обозначения:

Pq – количество измененных пикселей на q проходе, m – ширина изображения в пикселях, n – высота изображения в пикселях, D – допустимое отклонение (%) абсолютной разности измененных пикселей на q и q-1 проходах, u – количество пикселей в апертуре, Sxy – окрестность рассматриваемого пикселя, Cxy – новое значение рассматриваемого пикселя, g(s,t) – значение пикселя, имеющего координаты (s, t), материалы xiv международной научно-технической конференции Rxy – значение красной компоненты пикселя, Gxy – значение зеленой компоненты пикселя, Bxy – значение синей компоненты пикселя, – допустимая погрешность, s – вариабельная величина, помогающая перебирать множество значе ний, принадлежащих апертуре по оси х, t – вариабельная величина, помогающая перебирать множество значе ний, принадлежащих апертуре по оси у, w(s,t) – значение коэффициента апертуры в точке с координатами (s, t), x – координата текущего пикселя по оси х, y – координата текущего пикселя по оси у, a – порядок фильтра.

Апертура была выбрана следующих типов (рис. 1):

a б в Рис. 1. Виды апертур. (а – апертура типа «крест», включающая 5 пикселей;

б – апертура, состоящая из трех пикселей, расположенных на одной линии;

в – апертура типа «матрица 3х3», состоящая из 9 пикселей).

Алгоритм работы состоит из следующих шагов.

1) Ввод цифрового изображения;

2) Определение ширины и высоты изображения;

3) Создание трех двумерных массивов R, G, B, имеющих размеры вве денного цифрового изображения, и заполнение их значениями соответ ственно красной, зеленой и синей компонент цифрового изображения;

4) Выбор конкретного метода фильтрации из следующих:

• Метод среднего арифметического [1]:

(1) • Метод среднего геометрического [1]:

(2) • Метод среднего гармонического [1]:

(3) • Метод среднего контрагармонического [1]:

(4) визуализация и обработка изображений • Метод среднего взвешенного [1]:

(5) 5) Выбор вида апертуры (рис. 1);

6) Создание трех переменных newR, newG, newB для хранения новых значений компонентов обрабатываемых пикселей;

7) Обнуление счетчика проходов фильтрации q = 0;

8) Обнуление количества измененных пикселей на q-ом проходе Pq= 0;

9) Установка центра апертуры в левом верхнем углу изображения в начальной точке с координатами x = 1, y = 1;

10) Обнуление переменных newR, newG, newB;

11) Вычисление новых значений трех компонент обрабатываемого пикселя в соответствии с методом, выбранным на шаге 4, и сохранение их соответственно в переменных newR, newG, newB;

12) Замена прежних значений компонентов пикселя новыми.

13) Увеличение Pq на 1 в случае выполнения следующего условия:

(6) 14) Пока y меньше ширины изображения, y = y + 1 и переход к шагу 10, иначе переход к шагу 14;

15) Если x меньше высоты изображения, то x = x + 1 и y = 0, переход к шагу 13, иначе переход к шагу 15;

16) q = q + 1;

или Pq=0, то переход к шагу 17, иначе переход 17) Если к шагу 8 (т.е. определяется необходимость еще одного прохода);

18) Конец алгоритма.

На шаге № 13 в приведенном алгоритме поэлементно обрабатывается вся текущая строка изображения. На шаге № 14 происходит переход к очередной строке изображения. На шаге № 15 завершается перебор пик селей по всему изображению.

3. Эксперимент Главной исследуемой характеристикой работы алгоритмов является величина показывающая количество измененных пикселей. В ходе экспе риментов исследовалось изменение этой величины при различных видах апертуры и различных уровнях шума.

материалы xiv международной научно-технической конференции Параметры фильтрации: размер апертуры 3х3 (рис 1.в), e=100, D=0,05.

3.1 изображение – орнамент Следующим на эксперимент было поставлено изображение, пред ставленное на рис. 2(а).

(а) (б) Рис. 2, (а) – изображение без шума, (б) – изображение с шумом в 6%.

Это изображение формата bmp и имеет размеры 512х320.

На рис. 2(б) представлено это же изображение с добавленным к нему шумом уровнем в 6%.

В эксперименте использовалась апертура вида «квадрат» (рис 1. В).

Метод среднего арифметического (1) Рис. 3. График зависимости количества измененных пикселей от уровня помех до оптимизации (ромбы) и после оптимизации (квадраты).

Результат фильтрации данного изображения методом среднего ариф метического представлен на рис. 4.

визуализация и обработка изображений Рис. 4. Отфильтрованное изображение, полученное из рис. 2(б), с помощью метода среднего арифметического.

Метод среднего гармонического (2) Рис. 5. График зависимости количества измененных пикселей от уровня помех до оптимизации (ромбы) и после оптимизации (квадраты).

Результат фильтрации данного изображения методом среднего геоме трического представлен на рис. 6.

Рис. 6. Отфильтрованное изображение, полученное из рис. 2(б), с помощью метода среднего геометрического.

материалы xiv международной научно-технической конференции Метод среднего гармонического (3) Рис. 7. График зависимости количества измененных пикселей от уровня помех до оптимизации (ромбы) и после оптимизации (квадраты).

Результат фильтрации данного изображения методом среднего гармо нического представлен на рис. 8.

Рис. 8. Отфильтрованное изображение, полученное из рис. 2(б), с помощью метода среднего гармонического.

Как видно, при фильтрации данного изображения методом среднего гармонического появляются артефакты.

Метод среднего гармонического (4) Рис. 9. График зависимости количества измененных пикселей от уровня помех до оптимизации (ромбы) и после оптимизации (квадраты).

визуализация и обработка изображений Результат фильтрации данного изображения методом среднего контр агармонического представлен на рис. 10.

Рис. 10. Отфильтрованное изображение, полученное из рис. 2(б), с помощью метода среднего контрагармонического.

Здесь в результате фильтрации появились артефакты.

Рис. 11. График зависимости количества измененных пикселей от уровня помех до оптимизации (ромбы) и после оптимизации (квадраты).

Результат фильтрации данного изображения методом среднего взве шенного представлен на рис. 12.

Рис. 12. Отфильтрованное изображение, полученное из рис. 2(б) с помощью метода среднего взвешенного.

материалы xiv международной научно-технической конференции Рис. 13. Гистограмма, отображающая среднее количество повторов фильтрации различными методами, согласно схеме оптимизации, приведенной в параграфе №2.

Как видно из гистограммы – самым продолжительным по времени методом является метод среднего гармонического, а наиболее быстрым – метод среднего взвешенного.

сравнение методов Рис. 14. Общий вид графиков зависимостей методов фильтрации от числа параметров фильтрации.

Как видно из рис. 14, самым эффективным методом фильтрации, согласно поставленной оптимизации, является метод среднего взве шенного. Остальные же методы, за исключением среднего гармониче ского и контрагармонического, показали так же хорошие результаты, визуализация и обработка изображений они приближены к результатам метода среднего взвешенного. Метод среднего контрагармонического показал наименьшую эффективность.

Заключение В работе были продемонстрированы возможности методов линей ной сглаживающей фильтрации: среднего арифметического, среднего геометрического, среднего гармонического, среднего контрагармони ческого, среднего взвешенного. Самым эффективным методом в се рии экспериментов линейной фильтрации оказался метод среднего взвешенного, наименее эффективным оказался метод среднего гармо нического.

Таким образом, на практике выводы, сделанные в параграфе 1[1], под тверждаются.

литература:

1. Р. Гонсалес, Р. Вудс. Цифровая обработка изображений, Мо сква: Техносфера, 2005 г.

2. Красильников Н.Н. «Цифровая обработка 2D- и 3D- изобра жений», Санкт-Петербург: БХВ-Петербург, 2011 г.

3. Гречаный С.В., Мансуров Ш.М., Мирошников А.С., Петров А.Ю., Проскурин А.Е., Соколова Е.А. «Параллельная обработка изображений. Владикавказ: «Фламинго», 2009 г. Т. 1.

4. Гречаный С.В., Мансуров Ш.М., Мирошников А.С.,. Петров А.Ю, Проскурин А.Е., Соколова Е.А., Шепилова Е.В. Параллельная обработка изображений. Владикавказ: Фламинго, 2010 г. Т. 2.

4. Гроппен В.О., Шепилова Е.В. Использование компрессии вариабельными фрагментами для быстрой передачи изображений по каналам с шумом // Материалы xi Международной юбилей ной научно-технической конференции ИТ-Технологии: развитие и приложение. Владикавказ: «Фламинго». 2010 г. С. 30-40.

5. Соколова Е.А. Компрессия изображений функциями n-пере менных: формальная постановка и методы решения // Материалы xi Международной юбилейной научно-технической конференции ИТ-Технологии: развитие и приложение. Владикавказ: Фламинго, 2010 г. С. 152-156.

6. Гроппен В.О., Гречаный С.В., Шепилова Е.В. Быстрая пе редача изображений по каналу с шумом // Устойчивое развитие горных территорий, № 3(9). С. 43-49. Владикавказ, 2011 г.

7. Шепилова Е.В. Передача изображений по каналу с шумом // Труды молодых ученых, Владикавказ: Терек, 2011 г. С. 130 – 137.

8. Гречаный С.В. Сравнение уровня и качества сжатия видео с помощью форматов scv и помехоустойчивого mpeg в условиях материалы xiv международной научно-технической конференции различного уровня помех // Материалы xii Международной науч но-технической конференции ИТ-Технологии: развитие и прило жения. Владикавказ: Фламинго. 2011 г. С. 83 – 85.

9. Соколова Е.А., Гречаный С.В. Исследование компрессии в зависимости от специфики видеопоследовательностей // Ма териалы xii Международной научно-технической конференции ИТ-Технологии: развитие и приложения. Владикавказ: Фламинго, 2011 г. С. 99 – 103.

10. Шепилова Е.В. Быстрая передача изображений по каналу с шумом // Материалы xii Международной научно-технической конференции «ИТ-Технологии: развитие и приложения». Влади кавказ: Фламинго, 2011 г. С. 104-113.

визуализация и обработка изображений методЫ вЫбора оптималЬной УДК 004. модели алгоритма сжатия графичесКой информации Р ациональное размещение, сохранность и уменьшение физического объема информации всегда были в числе важнейших вопросов информа тики. При работе на ПК иногда возникают ситуации, приводящие к пропаже или порче информации на Цараева З.Г., канд.пед.наук, винчестере. Поэтому рекомендуется иметь резервные кафедра информа копии важнейших программ и данных и периодиче тики ФГБОУ ВПО ски их обновлять. Опытные пользователи имеют ар «СКГМИ (ГТУ)»

г. Владикавказ, хив данных на внешних носителях. Однако прежде, РСО-Алания.

чем переносить данные на диски, необходимо предва рительно файлы сжать с помощью программ-архива рассматривают ся крайне акту торов, использование которых позволяет уменьшить альные вопросы объем копий на 10 – 90%. [1] Широкое распростра уменьшения объе ма данных, в част- нение архивы получили и в Интернете. Передача по ности, вопросы компьютерным сетям файлов в сжатом виде позволя сжатия графиче ет экономить время и средства. Это особенно актуаль ской информации.

В случае необходи- но в отношении графических форматов, так как они мости сохранить занимают значительные объемы памяти.

изображение в Основными техническими характеристиками про оригинальном виде использу цессов сжатия и результатов их работы являются:

ются методы сжа • степень сжатия (compress rating) или отноше тия данных без ние (ratio) объемов исходного и результирующего по потерь.

токов;

• скорость сжатия – время, затрачиваемое на сжа тие некоторого объема информации входного потока до получения из него эквивалентного выходного по тока;

• качество сжатия – величина, показывающая на сколько сильно упакован выходной поток при помощи применения к нему повторного сжатия по этому же или иному алгоритму. [2] материалы xiv международной научно-технической конференции Наиболее используемыми в Интернете графическими форматами, являются.GiF (Graphics interchange Format) и.JPEG (Joint Photographic Experts Group). Формат GiF наиболее приемлем для чертежей и рисун ков, он позволяет сохранить высокое качество цветных фотографий, но за счет большого объема занимаемой памяти. Формат JPEG более экономи чен при представлении фотографий с богатой палитрой цветов.

JPEG – один из самых новых и достаточно мощных алгоритмов, пред ставляющий сжатие с потерями. Практически он является стандартом де факто для полноцветных изображений. Оперирует алгоритм областями 8х8, на которых яркость и цвет меняются сравнительно плавно. Вследст вие этого, при разложении матрицы такой области в двойной ряд по ко синусам значимыми оказываются только первые коэффициенты. Таким образом, сжатие в JPEG осуществляется за счет плавности изменения цветов в изображении. [3] Существенными положительными сторонами алгоритма является то, что задается степень сжатия, а выходное цветное изображение может иметь 24 бита на точку. Отрицательными сторонами алгоритма является то, что во первых, при повышении степени сжатия изображение распадается на отдельные квадраты (8x8). Это связано с тем, что происходят большие потери в низких частотах при квантовании, и восстановить исходные данные становится невозможно. И во вторых, проявляется эффект Гиббса – ореолы по границам резких переходов цве тов.

Широкое применение JPEG долгое время сдерживалось тем, что он оперирует 24-битными изображениями. Поэтому для того, чтобы с прием лемым качеством посмотреть картинку на обычном мониторе в 256-цвет ной палитре, требовалось применение соответствующих алгоритмов и, следовательно, определенное время. В приложениях, ориентированных на придирчивого пользователя подобные задержки неприемлемы. Кроме того, если имеющиеся у вас изображения, например, в 8-битном форма те GiF перевести в 24-битный JPEG, а потом обратно в GiF для просмо тра, то потеря качества произойдет дважды при обоих преобразованиях.

Тем не менее, выигрыш в размерах архивов зачастую настолько велик (в 3-20 раз), а потери качества настолько малы, что хранение изображений в JPEG оказывается очень эффективным.


Lossless JPEG разработан группой экспертов в области фотографии. В отличие от JBiG, Lossless JPEG ориентирован на полноцветные 24-бит ные или 8-битные в градациях серого изображения без палитры. Он представляет собой специальную реализацию JPEG без потерь. Степени сжатия: 20, 2, 1. Lossless JPEG рекомендуется применять в тех приложе визуализация и обработка изображений ниях, где необходимо побитовое соответствие исходного и декомпресси рованного изображений.

Групповое кодирование – от английского Run Length Encoding (RLE) – один из самых старых и самых простых алгоритмов архивации графи ки (сжатие без потерь). Одна из моделей этого алгоритма имеет боль шую максимальную степень сжатия и малое увеличение в размерах ис ходного файла. Алгоритм декомпрессии для него выглядит так:

initialization(...);

do { byte = imageFile.ReadNextByte();

counter = Low7bits(byte)+1;

if(если признак повтора(byte)) { value = imageFile.ReadNextByte();

for (i=1 to counter) CompressedFile.WriteByte(value) } else { for(i=1 to counter){ value = imageFile.ReadNextByte();

CompressedFile.WriteByte(value) } } while(!imageFile.EOF());

[3] Ориентирован алгоритм на изображения с небольшим количеством цве тов: деловую и научную графику. Алгоритм не требует дополнительной памя ти при архивации и разархивации, а также быстро работает. Интересная осо бенность группового кодирования состоит в том, что степень архивации для некоторых изображений может быть существенно повышена всего лишь за счет изменения порядка цветов в палитре изображения.

Характеристики алгоритма зависят от конкретных условий, в которые будет поставлен алгоритм. Так, степень компрессии зависит от того, на каком классе изображений алгоритм тестируется. Аналогично, скорость компрессии нередко зависит от того, на какой платформе реализован алгоритм. Преимущество одному алгоритму перед другим может дать, например, возможность использования в вычислениях алгоритма техно логий нижнего уровня, типа MMx, а это возможно далеко не для всех алгоритмов. Так, JPEG существенно выигрывает от применения техноло гии MMx, а LZW нет. Кроме того, приходится учитывать, что некоторые алгоритмы распараллеливаются легко, а некоторые нет.

материалы xiv международной научно-технической конференции Таким образом, невозможно составить универсальное сравнительное описание известных алгоритмов. Это можно сделать только для типовых классов приложений при условии использования типовых алгоритмов на типовых платформах. Однако такие данные необычайно быстро устаре вают. Особое качество эффективной модели алгоритма сжатия графиче ской информации – устойчивость к ошибкам. Именно за алгоритмами, обладающими этой характеристикой, будущее.

литература:

1. Микляев А. Настольная книга пользователя iBM PC.

М.: Солон-Р, 2000. С. 2. Oleg Grebenyow. Алгоритмы архивации данных.

structur@freemail.ru.

3. Ватолин Д., Ратушняк А., Смирнов М., Юкин В. Ме тоды сжатия данных. Устройство архиваторов, сжатие изо бражений и видео. – М.: ДИАЛОГ – МИФИ, 2002. 384 с.

Информационные технологии в образовании сеКция 2:

информационнЫе теХнологии в образовании 2.1. подсистемЫ асу вуз УДК 004. определение возможнЫХ опечатоК в вопросе системЫ дистанционного образования С егодня к современному человеку предъявля ются более высокие требования, чем пятнад цать или двадцать лет назад. Ориентир советского БирюКова времени «обучение на всю жизнь» трансформировал Мария вячеславовна ся в установку – «образование через всю жизнь». Но при современном ритме жизни человеку сложно най рассмотрен алго ти время для обучения. Это одна из причин широкого ритм определения возможных опе- внедрения и использования возможностей дистанци чаток в вопросе онного обучения. Технологии дистанционного обуче системы дистан ния дают возможность заниматься самообразованием, ционного образо вания. Описаны позволяют учиться по индивидуальному графику, сов типы опечаток мещая работу, учебу и личную жизнь.

и процесс поиска Широкое распространение имеет система дистан опечаток в отве те студента.

ционного образования Moodle, которая распространя ется бесплатно по лицензии GNU GPL. Важным эле ментом системы интерактивного обучения является блок контроля знаний. В системе дистанционного об разования Moodle данный блок имеет широкие функ циональные возможности.

Тест – это контрольно-измерительный инструмент системы Moodle. Тест состоит из упорядоченного Россия, Волгоград списка вопросов. Данные вопросы выбираются из Т.: материалы xiv международной научно-технической конференции базы вопросов, и имеет единую оценку, рассчитываемую как взвешенная сумма оценок вопросов. Наличие большого количества настроек, позво ляет создавать тесты, соответствующие различным целевым потребно стям преподавателя.

Одним из типов вопроса является CorrectWriting, который позволяет автоматически определять ошибки на вопрос с открытым ответом. Дан ный тип вопроса используется для обучения студентов языкам, в которых важен порядок расположения лексем. К данной категории относятся боль шинство формальных и некоторых естественных языков. CorrectWriting позволяет проводить комплексный анализ ответа студента на предмет ошибок, связанных с синтаксисом целевого языка и выдавать на основе данных сообщения об ошибках, поясняющих студенту содержание допу щенных им ошибок.

Однако данный тип вопроса не дает пояснения ошибок внутри лексем.

К таким видам ошибок можно отнести опечатку, пропущенный раздели тель между двумя лексемами, лишний разделитель. Распознавание боль шего количества ошибок повысит качество вопроса CorrectWriting и сде лает его применение более удобным для преподавателей и, главное, более полезным для студентов.

В настоящее время текстовая информация все чаще хранится в элек тронном виде. При наборе текста на компьютере неизбежно возникают непреднамеренные опечатки. Они возникают случайно, и причиной им яв ляется человеческий фактор.

Опечатка – это ошибка в печатном тексте, возникающая обычно в ре зультате невнимательности наборщика.

В результате опечатки нарушается порядок букв в слове (двреь вместо дверь), одна буква исчезает из слова (челвек вместо человек), одна бук ва появляется в слове (оценека вместо оценка) или одна буква заменяется другой (статбя вместо статья). Естественно, в одном слове могут появиться сразу несколько опечаток (онтролбная вместо контрольная). Иногда опе чатка может менять смысл слова (печень вместо печенье).

Для того чтобы выдвинуть новые требования к имеющейся системе не обходимо проанализировать какие параметры необходимы, чтобы система определяла ошибки внутри лексем.

Система позволяет задавать эталонный ответ, с которым будет сверять ся ответ студента. Это наиболее быстрый и удобный способ проверить кор ректность ответа, который должен быть написан в результате.

В практике преподавания часто встречаются случаи, когда студент совершает ошибку внутри лексемы. По данным статистики Яндекса [1], Информационные технологии в образовании опечатки совершаются в каждом 10 случае набора текста. Данные ошиб ки связаны с пропуском, вставкой, удалением, транспозицией символов и приводят к орфографическим ошибкам. Поэтому одним из критериев яв ляется возможность определения ошибок на уровне лексем.

Ответ студента может содержать лексемы различного типа. Результат может состоять из нескольких лексем, одни из которых принимают число вое значение, а другие строковые (например, «The distance is 3»). Поэтому еще одним критерием является возможность сравнения лексем различного типа.

Количество лексем в ответе студента не должно ограничиваться толь ко одной лексемой. Некоторые ответы могут содержать сразу несколько лексем, поэтому в качестве критерия, возможно, рассмотреть количество лексем в ответе.

Еще одним критерием требований к системе является возможность ин теграции в систему дистанционного образования Moodle.

На данный момент существует достаточно много решений, которые позволяют анализировать ответ студента. Анализ ответа студента может включать и поиск опечаток. Система Moodle предоставляет большой вы бор типов вопросов, которые сравнивают ответ преподавателя и ответ сту дента. Поэтому в данной главе будут проанализированы CorrectWriting, PMatch, которые применяются в Moodle.

Тип вопроса CorrectWriting применяется в Moodle с версии 2.3 и в на стоящий момент находится в процессе усовершенствования в ВолгГТУ в рамках разработки системы дистанционного образования Moodle.

Этот тип вопроса направлен на автоматическое определение ошибок студентов в вопросе с открытым ответом, когда студент учится языку про граммирования или другому языку, когда студент должен написать пра вильную строку (предложение) [2]. Студент получает информацию о про пуске некоторых лексем, наличии лишних лексем или размещения лексем в неправильном порядке.

Для определения местоположения лексем в CorrectWriting использует ся алгоритм LCS, т.е. алгоритм нахождения наибольшей общей подпосле довательности.

Данный тип вопроса позволяет задать различные виды параметров:

штраф за отсутствие лексемы, штраф за лишнюю лексему, штраф за не правильную лексему, максимальный процент ошибок в ответе студента, минимальную оценку за ответ для поиска и отображения ошибок [2].

Например, преподаватель задал ответ «The cat ate the mouse.», а студент ответил как «The mouse eat a cat». В результате будет определено что лек материалы xiv международной научно-технической конференции сема «The» совпала в ответе преподавателя и студента, «mouse» находится не на своем месте, «eat» и «a» являются неправильными, а «ate», «the», «.»

отсутствуют. Также данный тип вопроса поддерживает возможность под сказок студенту, где совершена ошибка.

Данный тип вопроса не определяет никакие виды опечаток на текущий момент, но может быть усовершенствован в данном направлении.

Данная система хорошо подходит для поиска опечаток внутри лексем.


При этом поиск опечаток существенно расширяет функциональные воз можности CorrectWriting и делает его более пригодным для обучения.

Тип вопроса PMatch позволяет проводить анализ ответа студента, с по мощью задания ответа преподавателя в виде шаблонов описания ответа, сходными по структуре с регулярными выражениями [3].

Он позволяет оценивать близость ответа студента с учетом ошибок в порядке слов, ошибок вида перемещения символов внутри слова и дру гих. Однако он не позволяет обнаружить сами эти ошибки и оценить ответ студента. Это делает его неприменимым для решения данной задачи, хотя он и умеет работать с лексемами, так как слова в естественном языке могу быть рассмотрены как лексемы.

PMatch использует для определения опечаток алгоритм Дамерау-Ле венштейна и позволяет определить вставку символа, удаление символа, замену символа, транспозицию символов.

На текущий момент данная система используется для обучения различ ным предметам и обработки результата ответа на естественном языке, где важными ошибкой являются ошибки в отдельных словах.

Однако данная система имеет прямо противоположную цель – разреша ет допускать опечатки, вставлять лишние символы или удалять их. Данная подсистема не выдает подсказок о совершенных опечатках. Поэтому дан ная система не может быть использована для решения данной задачи.

На основе полученной информации можно сделать вывод о достоинст вах и недостатках каждой из них и использовать эту информацию в данной работе для решения задачи о поиске опечаток.

CorrectWriting может служить хорошей основой для решения постав ленной задачи, и его архитектура позволяет беспроблемно внедрить в него функцию поиска опечаток. Это позволит увеличить функциональные воз можности данного типа вопроса.

PMatch для поиска опечаток использует алгоритм Дамерау-Левенштей на, который возможно использовать для решения данной задачи, так как он охватывает большое количество типов опечаток.

Можно выделить следующие виды опечаток:

Информационные технологии в образовании - опечатки в отдельных словах;

- опечатки в последовательностях слов.

К опечаткам в отдельных словах относятся следующие виды опечаток:

- удаление символа (агенство вместо агентство);

- перестановка символа (кокши вместо кошки);

- вставка символа (парраллельный вместо параллельный);

- замена символа (одноклассвики вместо одноклассники);

- вставка пробела как частный случай вставки (апель син вместо апель син);

- транспозиция символов (конотра вместо контора).

К опечаткам в последовательностях слов относится склейка слов (не движимостьв Москве вместо недвижимость в Москве).

От 80% до 90% всех опечаток отстоят от оригинала на одно измене ние символа [1]. При этом среди всех опечаток, если присутствует одна ошибка, то на удаление символа приходится 8% случаев, на перестановку символа – 4% случаев, на вставку символа – 4% случаев, на замену сим вола – 80% случаев. В случае двух и более опечаток словах 80% случаев приходится на транспозицию.

При этом вставка пробела как частный случай вставки, по сути, явля ется лишним разделителем между двумя лексемами и имеет место только между соседними лексемами.

Склейка слов, по сути, является случаем пропущенного разделителя и также может рассматриваться только между соседними лексемами.

Для нахождения опечаток рассматривалась возможность использовать большой словарь правильных слов, как например в Microsoft Word. Од нако у данного алгоритма был выявлен ряд недостатков. Во-первых, не возможность получения подробной информации о совершенных ошибках.

Во-вторых, невозможность определения ошибок типа «пропущенный раз делитель» и «лишний разделитель». В-третьих, некоторые слова близки по написанию, однако несут разный смысл. Например, печень и печенье. И то и то правильное слово, но они разные по смыслу.

Для нахождения опечаток необходимо разработать алгоритм поиска опе чаток. После прохождения вопроса типа CorrectWriting теста имеется ответ студента, разбитый на отдельные лексемы и правильный ответ преподава теля, также разбитый на лексемы. Так как порядок лексем в ответе студента может не совпадать с порядком лексем в ответе преподавателя, то необходи мо сначала сопоставить каждую лексему из ответа преподавателя с каждой лексемой из ответа студента. При этом необходимо не упустить из рассмо трения варианты опечаток пропущенный разделитель и лишний раздели материалы xiv международной научно-технической конференции тель. При сопоставлении лексем будут получаться пары, каждая из которых будет иметь свое редакционное расстояние между лексемами. Многие пары можно будет убрать из рассмотрения, так как лексемы не будут подходить под заданный порог соответствия. В итоге получены все возможные пары лексем. Из данных пар лексем необходимо будет составить наилучший на бор пар лексем, который наилучшим образом бы сопоставлял ответ студента и ответ преподавателя. Далее из данного набора необходимо составить ис правленную строку, выделить в лексемах совершенные студентом опечатки и выдать подсказки об ошибках. Исправленная строка будет передаваться синтаксическому анализатору для проверки на порядок лексем.

Для определения ошибок в лексеме используют понятие «редакцион ное расстояние».

Редакционное расстояние – это один из способов формализации род ственности двух строк. Альтернативным способом является измерение не различия, а их сходства. Этот подход выбирается в большинстве биологи ческих приложений [4].

Для определения редакционного расстояния разработаны специальные алгоритмы, называемые классическими алгоритмами редакционного рас стояния.

К таким редакционным расстояниям относятся расстояние Хемминга, расстояние Левенштейна, расстояние Дамерау-Левенштейна, взвешенное расстояние, расстояние преобразования.

Наиболее применим к данной задаче алгоритм Дамерау-Левенштейна, который позволяет обнаружить ошибки вставки лишнего символа, ошибку удаления символа, замены одного символа на другой и транспозиции сим волов. Также его можно использовать для определения лишнего раздели теля или пропущенного разделителя между лексемами. Данный алгоритм позволяет обнаружить данные опечатки на уровне лексем, и имеет пригод ную для решения задачи алгоритмическую сложность.

Алгоритм Дамерау-Левенштейна необходимо применить для всех лек сем, имеющихся в строке ответа студента и преподавателя. Используя полный перебор, получим для каждой лексемы правильного ответа пре подавателя набор пар, которые содержат лексему из правильного ответа и лексему из неправильного ответа студента.

Также в качестве лексемы неправильного ответа рассматривается слу чай лишнего разделителя между двумя лексемами. Для лексем из непра вильного ответа студента рассматривается случай пропущенного раздели теля. Таким образом, данные пары будут полностью охватывать все соче тания лексем.

Информационные технологии в образовании Однако некоторые сочетания лексем не всегда отражают опечатки. Аб солютно разные лексемы не должны рассматриваться. Для этого вводится понятие «порог соответствия».

Порог соответствия это уровень, по которому можно судить о схожести лексем. Порог нельзя рассматривать как статический для каждой лексемы, иначе можно получить неправильные результаты на лексемах небольшой длины. Поэтому порог должен быть динамический для каждой лексемы и зависеть от длины лексемы.

Порог позволяет убрать из рассмотрения две большие категории пар лексем. В первую категорию входят лексемы, чьи длины намного длиннее или короче лексемы, с которой идет сравнение. Во вторую категорию вхо дят лексемы, чьи длины сопоставимы с длиной правильной лексемы, но количество опечаток превышает пороговое значение. Порог вводится для того, чтобы сократить число сравнений, а следовательно уменьшить коли чество времени на расчеты в дальнейшем.

Особый случай при составлении пар имеют одинаковые лексемы. Ре дакционное расстояние таких лексем равно нулю, однако иногда не сто ит рассматривать их как единственно правильный вариант. Одинаковые лексемы могут блокировать другие сочетания пар, что не хорошо при со ставлении оптимального набора. После получения всего множества пар может оказаться, что их количество не соответствует количеству лексем.

Это может быть связано с пропуском лексем, наличием похожих (а иногда даже одинаковых) лексем в предложении и т.д. Из данного множества пар необходимо выделить один набор, который лучшим образом бы характе ризовал ответ студента. При этом не исключается возможность получения нескольких равноценных наборов подмножеств пар.

Лучшим образом характеризует ответ студента набор пар лексем, в ко тором лексемы ответов встречались бы не более одного раза, и количество лексем из ответа студента было максимальным, суммарное редакционное расстояние минимальным.

Для обхода всех пар может использоваться полный перебор. Основное достоинство данного варианта, получение, в конечном счете, правильного ответа, основной недостаток – долгое время работы и рассмотрение всех возможных вариантов, среди которых есть как наилучшие, так и наихуд шие. Перебор, начатый с минимального количества пар в наборе, может быть не оптимальный по времени работы в том случае, когда все лексемы покрыты парами. А перебор, начатый с максимального количества пар в наборе, может быть не оптимальный по времени работы в том случае, ког да имеется большое количество пар из-за схожести лексем.

материалы xiv международной научно-технической конференции Для обхода всех пар может использоваться алгоритм поиска остового дерева максимального веса. Основное достоинство данного алгоритма в быстром получении набора, однако, недостатком является то, что данный набор не всегда будет оптимальным. Если выбор будет осуществляться по количеству лексем в паре (например, вначале лучше выбрать пропущен ный разделитель или лишний разделитель), то суммарное редакционное расстояние не всегда будет минимальным, а если по редакционному рас стоянию, то количество пар может оказаться минимальным.

Для обхода всех пар может использоваться префиксный обход графа в глубину с отсечением. Данный метод наилучшим образом подходит для решения данной задачи. Следует также отметить, что этот алгоритм доста точно эффективен, поскольку время его работы пропорционально размеру используемой для представления графа структуры данных.

В качестве корня дерева можно представить пустой набор пар. На сле дующем уровне дерева будет набор пар, в котором выбрана только одна пара. Однако данная пара может повлечь за собой блокировки других пар, поэтому данная информация также должна быть отражена в наборе. На следующем уровне дерева добавляется еще одна возможная незаблокиро ванная пара и т.д. Отсечение позволяет не проходить все вершины графа.

Именно глубина дерева влияет на длительность работы алгоритма. Однако отсечение не должно убирать из рассмотрения возможные правильные ва рианты.

Отсечение можно добиться за счет сохранения промежуточных резуль татов при составлении набора. Когда составлен первый возможный набор, целесообразно сохранить количество задействованных лексем и суммар ное редакционное расстояние. При составлении следующего набора воз можно сравнить получаемые данные с уже имеющимися. В случае если получаемые данные хуже имеющихся, продолжать рассмотрение набора по данному направлению до конца не имеет смысла.

На основе имеющегося набора необходимо выдать информацию о со вершенных опечатках. Информации о том, что имеется некоторое редак ционное расстояние между строками недостаточно для выдачи студенту.

Последовательность действий, которую необходимо совершить для прео бразования одной лексемы в другую называется редакционным предписа нием. Это позволяет сказать, какие именно опечатки совершены в ответе студента.

После получения наилучшего набора необходимо исправить лексемы из строки написанной студентом, где совершены опечатки. Если опечаток в лексеме не было допущено, то имеет смысл оставить лексему написан Информационные технологии в образовании ную студентом. Если была совершена опечатка, то необходимо заменить ее на другую лексему или пару лексем. В случае если добавлена лишняя лек сема, то оставляем ее на ее текущем месте, так как это является не лекси ческой, а синтаксической ошибкой и ее отслеживает CorrectWriting. Также возможен случай, когда пара лексем будет заменена на одну, но правильную лексему. В итоге после всех данных замен получим исправленную строку.

Например, Ответ преподавателя: the cat ate the mouse Ответ студента: thecat at thes mou se Шаг 1: построение всех возможных пар [0] the (0) – thes (2) – [1] the cat (0,1) – thecat (0) – [2] cat (1) – at (1) – [3] ate (2) – at (1) – [4] the (3) – thes (2) – [5] mouse (4) – mou se (3,4) – Шаг 2: составление наборов пар лексем и выбор наилучшего набора Варианты наборов (фрагмент):

№ набор пар лексем характеристики набора [0] the (0) – thes (2) – 1 3 пары 1 [2] cat (1) – at (1) – 1 Ред.расс.= [5] mouse (4) – mou se (3,4) – 1 Количество лексем – [0] the (0) – thes (2) – 1 3 пары 2 [3] ate (2) – at (1) – 1 Ред.расс.= [5] mouse (4) – mou se (3,4) – 1 Количество лексем – [1] the cat (0,1) – thecat (0) – 4 пары [3] ate (2) – at (1) – 3 Ред.расс.= [4] the (3) – thes (2) – Количество лексем – [5] mouse (4) – mou se (3,4) – Наилучший набор пар лексем:

[1] the cat (0,1) – thecat (0) – [3] ate (2) – at (1) – [4] the (3) – thes (2) – [5] mouse (4) – mou se (3,4) – Шаг 3: восстановление строки, выделение опечаток материалы xiv международной научно-технической конференции Восстановленная строка: the cat ate the mouse Ответ студента: the_cat ate thes mou_se В дальнейшем планируется графически показывать, где совершена ошибка, добавить возможность получения студентом подсказок, а также выделить специфические ошибки.

литература:

1. Карпенко М.П. Некоторые методы очистки словаря запросов поиска / М.П. Карпенко, С.В. Протасов // Мате риалы 17 Международной конференции по компьютерной лингвистике и интеллектуальным технологиям «Диалог 2011», Наро-Фоминск, 25 – 29 мая 2011 г.

2. СДО Moodle. CorrectWriting question type [электрон ный ресурс] – Режим доступа : http://docs.moodle.org/23/en/ question/type/correctwriting (дата обращения: 11.03.2013).

3. СДО Moodle. PMatch question type [электронный ресурс] – Режим доступа: http://docs.moodle.org/22/en/ question/type/pmatch (дата обращения: 20.03.2013).

4. Гасфилд Д. Строки, деревья и последовательности в алгоритмах. Информатика и вычислительная биология. / Д. Гасфилд. С-П.: Невский Диалект БВХ, 2003. – 654 с.

Информационные технологии в образовании теХнология сбора и анализа сведений об исполЬзовании КорпоративнЫХ лицензий Введение Стратегия и тактика управления крупным пред приятием или учреждением предполагает глубокий анализ эффективности различных вложений. Сущест ЛаЗарева С.а., вует множество методов оценки эффективности вло к.т.н., доцент;

жений в различные сферы деятельности организации.

Данная статья посвящена анализу использования кор поративных лицензий на программное обеспечение.

Корпоративный сетевой вариант лицензионного программного обеспечения (ПО) отличается от ло кального тем, что сама программа (с электронным ключом или без него) и/или управляющая программа (Менеджер лицензий) устанавливаются на сервере, а СаЛтыКова н.н., зарегистрированные клиентские компьютеры полу к.т.н., чают доступ к программе (разрешение ее запустить) Южный федераль по сети. Чаще такие лицензии называют «плавающи ный университет, г. Ростов-на-Дону. ми» (float). При этом количество зарегистрирован ных пользователей произвольно, но одновременно в Дан анализ исполь зования корпора сеансе могут участвовать пользователей не больше тивных лицензий чем максимальное количество приобретенных орга на программное обеспечение.

низацией лицензий. Контролирует процесс «раздачи лицензий» Менеджер лицензий, установленный на сервере, который фиксирует использование ПО на локальных компьютерах, при этом вся информация записывается в log-файл специального вида [1]. К со 344090, жалению, Менеджеры лицензий, поставляемые с ПО, Ростов-на-Дону, пр.Стачки, 200/1, не всегда позволяют напрямую собирать статистику корп. 2, к. 203, использования лицензий, для этого надо докупать от ЮГИНФО ЮФУ, sv@ sfedu.ru, дельные модули. Поэтому возникает необходимость Т.: +7 863 2199738, в разработке инструментальных средств для анализа +7 использования корпоративных лицензий. В нашем материалы xiv международной научно-технической конференции случае были исследованы log-файлы используемого в Южном федераль ном университете Менеджера лицензий FlexLM.

В статье описывается технология сбора информации по файлам Ме неджера лицензий, формирование соответствующей базы данных, опи сан пользовательский web-интерфейс к базе данных, ориентированный на генерацию наиболее востребованных выборок, позволяющих приня тие таких решений, как приобретение дополнительных лицензий, отказ от продления части лицензий, выявление наиболее активных пользовате лей, формирование регламента использования лицензий на уникальное и дорогостоящее ПО и т.п. В статье дается алгоритм просмотра количества занятых и свободных лицензий в режиме реального времени по выбира емому программному обеспечению.

Результаты анализа эффективности вложений в приобретение корпо ративных лицензий в сравнении с приобретением индивидуальных ли цензий приведены в [2]. Технология, предложенная в статье, может быть обобщена и использована для анализа любых текстовых протоколов уче та использования разделяемых ресурсов.

концептуальная схема работы анализатора Были предложены и реализованы две схемы работы данного проекта.

Первая (рис. 1) соответствует запланированному запуску анализатора.

В указанное системным администратором время планировщик задач за пускает лексический анализатор (лексер) с указанием файла (или группы файлов), который подлежит анализу. Так как данные об использовании пользователями лицензий при каждом действии, дописываются в log файл, в базе данных также следует хранить «стартовую точку», откуда будет начат разбор при очередном запуске. Лексер обращается к базе данных для получения этой информации, начинает разбор log-файла с указанного места, записывает получаемую информацию в базу данных.

Рис. 1. Схема планового запуска проекта Вторая схема (рис. 2) иллюстрирует работу данного проекта, если Информационные технологии в образовании пользователю необходима информация о количестве занятых и свобод ных на данный момент лицензий по выбранному программному обес печению. Через web-форму (Пользовательский интерфейс) пользователь указывает, какое программное обеспечение его интересуют. Запускается лексический анализатор, он обращается к базе данных за информацией о том, на каком месте log-файла работа лексера завершилась в прошлый раз. После этого файл анализируется, и данные, дописанные в log-файл с момента последнего анализа, записываются в базу данных. Затем, выпол няется запрос к базе данных, происходит подсчет количества занятых и свободных лицензий на данный момент времени. Эти сведения выводят ся пользователю на страницу сайта (Пользовательский интерфейс).

Рис. 2. Схема on-line-запуска.

формат файла протокола менеджера лицензий FlexLM Модули лицензирования типа FlexLM встраиваются в программный продукт после его окончательной разработки. Лицензия запрашивается либо в момент старта программного обеспечения на клиентской машине, либо при выполнении определенных операций. В момент запуска прове ряется валидность ключа, характеристики компьютера, если он привязан к таковым, возможность выделения лицензий. Все регистрируемые со бытия отображаются в файле специального вида (log-файле или файле – протоколе) [1].



Pages:   || 2 | 3 | 4 | 5 |   ...   | 6 |
 



Похожие работы:





 
© 2013 www.libed.ru - «Бесплатная библиотека научно-практических конференций»

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.