В работе выполнен анализ эффективности применения статистического подхода к решению задачи кластеризации изображений гидробионтов с использованием модели логистической регрессии для малого числа классов. На примере реальных изображений планктона продемонстрирован процесс построения статистической модели, преобразования изображений отдельных организмов в наборы признаков факторного пространства и построения в нем разделяющих гиперплоскостей. Получена оценка вероятности возникновения ошибок первого и второго рода при осуществлении бинарной кластеризации изображений с использованием разделяющей гиперплоскости. Ключевые слова: статистическая кластеризация, EM-алгоритм, интеллектуальный анализ данных, машинное обучение, гидробионты, выявление аномалий, логистическая регрессия.
Предлагается подход к решению задачи оперативного прогнозирования перехода объекта мониторинга в аномальное состояние за счет использования системы параметрического мониторинга, реализованной в виде комплекса измерительных средств и программной имитационной модели с использованием информационной метрики дивергенции Кульбака-Лейблера. Обсуждаются результаты экспериментов, поставленных на имитационной модели системы мониторинга физикохимических параметров водной среды черноморского региона. Ключевые слова: мониторинг, имитационное моделирование, система массового обслуживания, Большие Данные, эффект гетероскедастичности, сетевой трафик, критические системы, интеллектуальный анализ данных.
Предложена интеллектуальная система поддержки принятия решений по выбору статистического критерия различия при анализе данных мониторинга сложных объектов и сред, учитывающая мощность и чувствительность критерия, наличие рисков. Представлена схема выбора параметрического критерия различия в зависимости от объема и количества выборок. Результирующая система направлена на повышение обоснованности при выборе критерия различия в процессе статистического анализа данных мониторинга и позволяет лицу, принимающему решение, выбирать оптимальный сценарий анализа данных с учетом допустимых для себя возможных рисков и потерь. Ключевые слова: интеллектуализация, мониторинг среды, параметрические критерии, математическое моделирование, сложные системы, интеллектуальный анализ данных, поддержка принятия решений.
Предлагается подход к решению задачи оперативного обнаружения аномалий в данных мониторинга с использованием адаптивной цифровой фильтрации на основе ортогонального фильтра, использующего разложение БПФ. Выполнено математическое моделирование и построена процедура кластеризации в режиме реального времени. Проиллюстрирована работа предложенного подхода на примере выборки данных зондирования акватории вод г. Севастополя с использованием гидрологического SVP зонда. Ключевые слова: мониторинг, математическое моделирование, Большие Данные, цифровая фильтрация, дискретное преобразование Фурье, детектирование аномалий, кластеризация, критические системы, интеллектуальный анализ данных.An approach to solve the problem of anomalies operative detection in monitoring data using adaptive digital filtering based on an orthogonal filter using FFT decomposition is proposed. A mathematical simulation and a real-time clustering procedure was performed. The work of the proposed approach is exemplified by the sampling Sevastopol water area sampling data using a hydrological SVP probe.
The key task of society development is to ensure rational use of natural resources and related continuous monitoring of natural and technical systems state. Regarding the growing problems of ensuring operational control of critical infrastructure facilities, tasks of epidemiological and environmental protection, solving the issues of developing new information technologies that meet modern requirements for scientific and practical activities and implementing their software and hardware modules for supporting decision-making on the presence of qualitative anomalous changes in monitoring data aimed at ensuring information and metrological reliability of control systems, becomes critical for the life support of the population. An information technology and a software and hardware module for supporting decision-making on the presence of qualitative abnormal changes in sample data, which are predictors of significant changes in the internal state of monitored objects, natural-technical systems or control devices, are proposed. A method for choosing parametric criteria for the difference in monitoring data using numerical measures of Shannon information entropy and Kullback-Leibler divergence is presented. The use of the developed and demonstrated in practice methodology makes it possible to achieve an increase in the accuracy, convergence and reproducibility of measurements through the use of numerical statistical modeling to obtain a numerical estimate of confident recognition boundaries of a qualitative anomalous change in the shape and shift of the sample distribution of monitoring data, including small samples.
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.
hi@scite.ai
10624 S. Eastern Ave., Ste. A-614
Henderson, NV 89052, USA
Copyright © 2024 scite LLC. All rights reserved.
Made with 💙 for researchers
Part of the Research Solutions Family.