Информационные технологии в науке, образовании и производстве ИТНОП-2010. Материалы IV-й Международной научно-технической конференции. Том 2
Подождите немного. Документ загружается.
ИТНОП-2010
191
Перечисленные алгоритмы успешно справляются и с обменом ссылками. Существуют
также специализированные алгоритмы, позволяющие обнаруживать ссылочный спам в
блогах и комментариях [6, 11]. Некоторые работы посвящены обнаружению спама в
социальных сетях, например, [8].
Вопросам обнаружения ферм ссылок также посвящено множество работ. Например, в
работе [10] производится анализ входящих и исходящих ссылок сайтов. В случае
обнаружения пересечения входящих и исходящих ссылок больше определенного порога,
страницам назначается штраф. Эта операция выполняется для всех страниц.
В работе [3] проводится статистический анализ для выявления автоматически
сгенерированных страниц и сайтов. О спаме может свидетельствовать: отклонение от
нормального распределения различных свойств страниц, включая имена и IP-адреса,
входящие и исходящие ссылки, содержание страницы и норму изменения.
В [9] рассматриваются различные свойства страниц сайтов, свидетельствующие о
наличии ссылочного спама. За основу берутся деревья решений C4.5, входящие в пакет Weka
3.4.4. Рассматриваются две группы свойств – связанные с содержанием и со ссылочной
структурой. К первой группе относятся: число слов на странице, средняя длина слов на
странице, процент слов из списка популярных слов, процент видимого содержания
страницы, число слов в заголовке страницы и т.д. Ко второй группе относятся: процент
страниц на наиболее популярном уровне, число входящих ссылок на страницу, число
исходящих ссылок на страницу, отношение числа входящих и исходящих ссылок, число
ссылок с главных страниц, процент входящих ссылок на наиболее популярные страницы,
процент исходящих ссылок на наиболее популярные страницы, перекрестные ссылки на
страницу, средний уровень страниц на сайте и т.д.
Для обнаружения ферм ссылок также могут применяться TrustRank и Anti-TrustRank.
Борьба со ссылками, размещаемыми ссылочными брокерами, освещена слабо. Из-за
большого распространения этого вида спама, его можно увидеть даже на самых известных и
авторитетных сайтах – сайтах коммерческих и государственных организаций, учебных
заведений, крупных web-порталах, сайтах политиков и литераторах.
Подавляющее большинство существующих решений не позволяет отделять спам
через ссылочных брокеров от основного содержания страниц, так как дают только ответ на
вопрос: содержит ли страница ссылочный спам или нет. По этой причине применение
существующих алгоритмов и решений является нецелесообразным, так как не позволяет
обнаруживать ссылочный спам на известных сайтах, либо, наоборот, влечет ошибочное
зачисление всего содержания страницы к разряду ссылочного спама. Следовательно,
возникает необходимость применения новых подходов обнаружения спама, размещаемого с
помощью ссылочных брокеров [13].
ОБНАРУЖЕНИЕ СПАМА, РАЗМЕЩАЕМОГО ССЫЛОЧНЫМИ БРОКЕРАМИ
Для решения задачи нахождения спама, размещаемого с использованием ссылочных
брокеров, нами был разработан алгоритм [14].
Для обнаружения ссылочного спамы были применены методы машинного обучения.
Анализ показал, что наиболее популярными и эффективными методами для обнаружения
спама являются методы классификации с использованием деревьев решений и метода
опорных векторов. За основы мы выбрали метод опорных векторов в реализации SVM-Light.
Мы использовали линейное ядро с параметрами по умолчанию.
Работа метода опорных векторов включает в себя два основных этапа – обучение на
тестовой коллекции и непосредственно классификация. Для осуществления обучения и
классификации ссылок был выявлен ряд признаков, которые можно разделить на две
большие группы.
Группа 1. Свойства ссылки.
1.1. Тематическая близость ссылки и страницы.
IV Международная научно-техническая конференция
192
1.2. Тематическая близость сайта, на который ведет ссылка ссылки и страницы, на
которой ссылка расположена.
1.3. Тематическая близость соседних ссылок.
1.4. Расположение ссылки в блоке ссылок.
1.5. Место расположения ссылок.
1.6. Пометка ссылки как рекламного объявления.
1.7. Наличие похожих ссылок на сайте.
1.8. Наличие ссылки в спам-списке.
1.9. Признак размещения ссылки рекламным брокером.
Группа 2. Свойства страницы/сайта.
2.1. Наличие спам-ссылок на сайте.
2.2. Наличие спам-ссылок на странице.
2.3. Сайт продает ссылки.
2.4. Наличие на сайте признаков кода рекламных брокеров.
2.5. Наличие на странице признаков кода рекламных брокеров.
2.6. Наличие на сайте ссылки на рекламного брокера.
2.7. Наличие на странице ссылки на рекламного брокера.
2.8. Отношение числа внешних ссылок на странице к среднему числу внешних ссылок
на сайте.
2.9. Процент контента страницы, занятого внешними ссылками.
2.10. Совпадение IP-адресов сайтов.
2.11. Совпадение контактных E-mail сайтов.
Обучение алгоритма проводилось на основе оригинальной тестовой коллекции, а
также двух коллекций семинара РОМИП (By.Web и Narod.ru), для которых была
осуществлена разметка ссылок (спам / не спам).
Применение алгоритма в режиме классификации показало его способность
определять спам-ссылки с точностью Precision = 0.95 и полнотой Recall = 0.87. Другими
словами алгоритм позволяет обнаруживать до 87% спама, размещаемого с использованием
ссылочных брокеров.
ВЫВОДЫ
Таким образом, предлагаемый нами алгоритм является завершающим шагом в борьбе
со ссылочным спамом. Он позволяет обнаруживать наиболее массовый и опасный вид
поискового спама – спам, размещаемый ссылочными брокерами. Предлагаемый алгоритм не
использует сведения о структуре вэб-графа, что позволяет применять его даже для
небольших коллекций и отдельных сайтов.
Совместно с такими алгоритмами, как TrustRank и Anti-TrustRank, использующими
сведения обо всем web-графе, предлагаемый нами алгоритм позволяет создать комплексное
решение, способное бороться с любыми видами ссылочного спама. При этом, точечная
направленность алгоритма позволяет устранить недостатки иных решений, не способных
отделить спам-ссылки от полезного содержания сайтов.
ЛИТЕРАТУРА
1.
Benczur A. A., Csalogany K., Sarlos T., Uher, M. Spamrank – fully automatic link spam
detection. In First International Workshop on Adversarial Information Retrieval on the Web,
2005.
2.
Eiron N., McCurley K. S., Tomlin J. A. Ranking the web frontier. In Proceedings of the 13th
International World Wide Web Conference (WWW), pages 309–318, New York, NY, USA,
2004. ACM Press.
3.
Fetterly D., Manasse M., Najork M. Spam, damn spam, and statistics – Using statistical
analysis to locate spam web pages. In Proceedings of the 7th International Workshop on the
Web and Databases (WebDB), Paris, France, 2004.
ИТНОП-2010
193
4.
Gyongyi Z., Garcia-Molina H., Pedersen J. Combating web spam with TrustRank. In
Proceedings of the 30th International Conference on Very Large Data Bases (VLDB),
Toronto, Canada, 2004.
5.
Gyongyi Z., Garcia-Molina H. Web spam taxonomy. In First International Workshop on
Adversarial Information Retrieval on the Web (AIRWeb 2005), May 10-14, 2005, Chiba,
Japan.
6.
Kolari P., Java A., Finin T., Oates T., Joshi A. Detecting Spam Blogs: A Machine Learning
Approach. AAAI '06, 2006.
7.
Krishnan V., Raj R. Web Spam Detection with Anti-Trust-Rank. In the 2nd International
Workshop on Adversarial Information Retrieval on the Web (AIRWeb '06), August 2006.
8.
Markines B., Cattuto C., Menczer F. Social Spam Detection. In the 5nd International
Workshop on Adversarial Information Retrieval on the Web (AIRWeb '09), 21 April, 2009
Madrid, Spain.
9.
Qingqing Gan, Torsten Suel. Improving web spam classifiers using link structure.
Proceedings in Third International Workshop on Adversarial Information Retrieval on the
Web (AIRWeb ’07), May 2007, Banff, Alberta, Canada.
10.
Wu B., Davison B. D. Identifying link farm pages. In Proceedings of the 14th International
World Wide Web Conference (WWW), 2005.
11.
Yu-Ru Lin, Hari Sundaram, Yun Chi, Jun Tatemura, Belle Tseng. Splog Detection Using
Content, Time and Link Structures,Proc. International Conference and Multimedia Expo
(ICME) 2007, July 2007, Beijing, China.
12.
Шарапов Р.В., Шарапова Е.В. Обнаружение ссылочного спама // Электронные
библиотеки: перспективные методы и технологии, электронные коллекции: Труды
Десятой Всероссийской научной конференции «RCDL'2008» (Дубна, Россия, 7-11
октября 2008 г.). – Дубна: ОИЯИ, 2008. – С. 191-196.
13.
Шарапов Р.В., Шарапова Е.В. Алгоритм обнаружения ссылочного спама //
Компьютерная лингвистика и интеллектуальные технологии: По материалам
ежегодной международной конференции «Диалог 2009» (Бекасово, 27-31 мая 2009 г).
М: РГГУ, 2009. – Вып. 8 (15) – С. 537-542.
14.
Шарапов Р.В., Шарапова Е.В. Применение метода опорных векторов для обнаружения
ссылочного спама // Электронные библиотеки: перспективные методы и технологии,
электронные коллекции: Труды XI Всероссийской научной конференции
«RCDL'2009» (Петрозаводск, Россия, 17-21 сентября 2009 г.). – Петрозаводск:
КарНЦ, 2009. – С. 318-324.
Шарапов Руслан Владимирович
Муромский институт (филиал) Владимирского государственного университета, г. Муром
К.т.н., доцент
Тел.: +7-920-913-4555
E-mail: info@vanta.ru
Шарапова Екатерина Викторовна
Муромский институт (филиал) Владимирского государственного университета, г. Муром
Инженер
Тел.: (49234) 77-2-53
E-mail:
mivlgu@mail.ru
IV Международная научно-техническая конференция
194
УДК 004.422.833
И.И. ШИШКОВ
ОБ ОСОБЕННОСТЯХ РАЗРАБОТКИ ПРОГРАММНОЙ БИБЛИОТЕКИ
ВОССТАНОВЛЕНИЯ ТОМОГРАФИЧЕСКОГО СРЕЗА
В данной статье изложено описание особенностей разработки универсальной программной
библиотеки восстановления томографического среза, созданной для добавления функции
томографии в автоматизированную систему управления аппаратом, позволяющим получать
проекционные данные. Приведена постановка задачи разработки программной библиотеки, описаны
предъявляемые к ней требования, предложена её модульная структура, проведён сравнительный
анализ возможных средств реализации с последующим выбором одного. Особое внимание в статье
уделено обеспечению возможности выполнения восстановления томографического среза с
использованием всех доступных вычислительных ресурсов.
Ключевые слова: восстановление томографического среза; программная библиотека;
модульная структура.
The article describes the features of development process of the universal program library that
executes reconstruction of a tomographic slice. This library is intended for addition to an automated control
system of a device that can obtain projective data. First, a problem of the library development is described in
details. Then the requirements which the library must satisfy are mentioned. The major part of the article is a
description of the library's modular structure that was created during it's development. Possible means of
library implementation are compared and the one is chosen. Also the article pays much attention to ensuring
a possibility to execute reconstruction of a tomographic slice by means of all available calculation resources.
Keywords: reconstruction of a tomographic slice; program library; modular structure.
Современная компьютерная томография решает проблему, как, используя
просвечивающее излучение, организовать анализ объекта, чтобы увидеть его внутреннюю
структуру. В случае рентгеновского излучения для организации томографического процесса
требуется получить большое число рентгеновских снимков, сделанных под разными углами.
С помощью томографических алгоритмов можно обработать эти снимки таким образом,
чтобы представить всю внутреннюю структуру объекта в виде некоторого набора плоских
изображений, соответствующих его отдельным тонким слоям, либо в виде единого
объемного трехмерного изображения.
Компьютерная трансмиссионная томография основана на принципе получения
изображений, заключающемся в послойном поперечном сканировании объекта
коллимированным рентгеновским пучком; измерении излучения за объектом детекторами с
линейной характеристикой; синтезе полутонового изображения по совокупности
измерительных данных, относящихся к просканированному слою, и в построении этого
изображения на экране дисплея [5].
Актуальной задачей является разработка универсальной программной библиотеки
восстановления томографического среза, которая может быть интегрирована в
автоматизированную систему управления (АСУ) любым прибором, позволяющим получать
проекционные данные.
Такая библиотека должна удовлетворять следующему набору требований:
•
она должна быть реализована в виде динамически подключаемой библиотеки для
обеспечения возможности внедрять различные алгоритмы восстановления томографического
среза без перекомпиляции всей АСУ;
•
в интерфейсе библиотеки должна быть объявлена функция, входными
параметрами которой являются размер одной проекции, их количество и массив, задающий
проекционные данные; выходными параметрами функции должен быть массив, содержащий
восстановленное изображение,и его размеры;
ИТНОП-2010
195
•
необходимо обеспечить отображение прогресса, так как восстановление
томографического среза может длиться достаточно долго;
•
для повышения скорости восстановления томографического среза программа
должна пытаться использовать все доступные ей вычислительные ресурсы;
•
библиотека должна быть кроссплатформенной для обеспечения возможности
подключения её к различным АСУ.
Была разработана программная библиотека, удовлетворяющая приведённым выше
требованиям. Она использует алгоритм реконструкции томографического среза путём
обратной проекции с фильтрацией, подробно описанный в [1]. Его выбор обусловлен тем,
что этот алгоритм позволяет организовать конвейерную обработку проекционных данных и
пригоден для распараллеливания [2].
При разработке структуры библиотеки применён объектно-ориентированный подход.
На основании анализа выбранного алгоритма реконструкции и требований, предъявляемых к
библиотеке, была произведена её декомпозиция на следующие модули:
6.
модуль инициализации параметров алгоритма реконструкции — он необходим
для проведения анализа переданных библиотеке проекционных данных, на основании
результатов которого задаются начальные значения параметров алгоритма реконструкции
методом обратной проекции с фильтрацией;
7.
индикатор прогресса восстановления — необходим для реализации требования,
заключающегося в необходимости информирования пользователя о ходе процесса
реконструкции томографического среза;
8.
модуль обратного проецирования — реализует основную операцию
выбранного алгоритма реконструкции томографического среза, в ходе своего
функционирования формирует результирующее изображение;
9.
модуль восстановления — это главный модуль разрабатываемой библиотеки,
который активизируется при обращении к ней; он осуществляет запуск остальных модулей
системы и организует процесс обмена информацией между ними.
Кроме того, в системе можно выделить следующие структуры данных:
1)
проекция — массив значений, полученный с приёмника аппарата за один такт
съёмки;
2)
проекционные данные — массив проекций;
3)
параметры алгоритма реконструкции томографического среза;
4)
томографический срез — двумерное изображение, являющееся результатом работы
разработанной библиотеки.
Каждую из этих структур данных можно представить в виде класса.
Структура программной библиотеки реконструкции томографического среза
приведена на рисунке 1, для её представления используется диаграмма классов языка UML.
На ней представлены все функциональные модули и структуры данных, выделенные в
системе. Для каждого класса приведены только самые важные поля и методы.
Наиболее важной особенностью разработанной структуры является то, что модуль
обратного проецирования представлен интерфейсом, а не классом. Это сделано для
обеспечения возможности использовать все доступные программе вычислительные ресурсы.
Как сказано выше, алгоритм обратного проецирования допускает распараллеливание.
Следовательно, его можно реализовать с использованием различных ресурсов:
1)
центральный процессор — данная реализация является самой простой и не
предполагает организации параллельных вычислений;
2)
видеокарта — так как современные видеокарты поддерживают параллельное
выполнение специальных программ, называемых шейдерами, с их помощью можно создать
реализацию, обеспечивающую параллельное выполнение обратного проецирования [3];
3)
вычислительная сеть — также, как и видеокарта, может быть использована для
параллельного выполнения алгоритма обратного проецирования.
IV Международная научно-техническая конференция
196
В процессе разработки библиотеки была поставлена задача обеспечить возможность
перехода от одной реализации алгоритма обратного проецирования к другой без внесения
обширных изменений в программу. Это необходимо было сделать по двум причинам. Во-
первых, в будущем планируется добавить в библиотеку модуль, который будет определять
доступные программе ресурсы и выбирать соответствующую реализацию алгоритма
обратного проецирования. Во-вторых, такой подход существенно облегчает внедрение в
программу новой созданной реализации.
Именно поэтому модуль обратного проецирования представлен в виде интерфейса.
Для добавления в программу новой реализации достаточно создать класс, реализующий этот
интерфейс. Благодаря одному из основных принципов объектно-ориентированного
программирования — полиморфизму — обращение к модулю обратного проецирования
осуществляется через его интерфейс независимо от того, объектом какого класса он
представлен.
Рисунок 1 – Структура библиотеки восстановления томографического среза
ИТНОП-2010
197
На рисунке 1 представлены классы, соответствующие двум созданным в процессе
разработки библиотеки реализациям алгоритма обратного проецирования, — модуль
обратного проецирования на центральном процессоре и модуль обратного проецирования на
видеокарте.
Как сказано выше, модуль, использующий видеокарту, основан на использовании
шейдеров для параллельного выполнения алгоритма обратного проецирования. При этом
наблюдается существенный прирост производительности: при сравнительном тестировании
в автоматизированной системе научных исследований методов восстановления томограмм
на одних и тех же проекционных данных и в одинаковых условиях среднее время работы
реализации на центральном процессоре составило 76 секунд, на видеокарте — 3 секунды. [6]
Не менее важной является программная реализация разработанной библиотеки, так
как необходимо обеспечить её кроссплатформенность. В библиотеке выделяются два
компонента, реализация которых зависит от используемой операционной системы:
индикатор прогресса предполагает обращение к оконной подсистеме операционной системы,
модуль обратного проецирования на видеокарте должен использовать предоставляемый
операционной системой интерфейс для программирования видеоадаптера.
Наиболее мощными современными средствами разработки кроссплатформенных
программ являются язык программирования Java и Qt — кроссплатформенная библиотека
для языка C++. Для создания программной реализации библиотеки восстановления
томографического среза была выбрана Qt, которая в данном случае обладает следующими
преимуществами:
1)
Java — интерпретируемый язык, следовательно, программы на C++ выполняются
быстрее аналогичных программ на Java, что немаловажно для решаемой задачи, так как
алгоритм реконструкции путём обратной проекции с фильтрацией требует больших объёмов
вычислений;
2)
Qt обладает более мощными средствами разработки визуального интерфейса
пользователя, что необходимо для реализации индикатора прогресса восстановления [4];
3)
модуль, разработанный на Java, может быть встроен только в программу, также
созданною с помощью Java; результатом компиляции программы на Qt является
динамически подключаемая библиотека (DLL), которая может быть интегрирована в
программу, написанную на любом языке.
Единственным недостатком Qt по сравнению с Java в свете решаемой задачи является
необходимость отдельной компиляции Qt-программы для каждой операционной системы.
Таким образом, на основании разработанной структуры с помощью выбранного
средства реализации была разработана программная библиотека восстановления
томографического среза, удовлетворяющая описанным выше требованиям. Она позволяет
расширить функциональность автоматизированной системы управления аппаратом,
пригодным для получения проекционных данных, добавив в неё функцию восстановления
томографического среза. Разработанная библиотека является универсальной, так как
обладает свойством кроссплатформенности и может быть подключена к любой АСУ.
ЛИТЕРАТУРА
1.
Kak A.C. Principles of Computerized Tomographic Imaging / A.C. Kak, M. Slaney. – Society of
Industrial and Applied Mathematics, 2001. – 327 c. – ISBN 089871494X.
2.
Анисович К. В. Рентгенотехника. Справочник / К.В. Анисович, Э.И. Вайнберг, Б.М.
Кантер. – М.: Машиностроение, 1980. – 383 с.: ил.
3.
Wright R. OpenGL SuperBible / Richard Wright, Benjamin Lipchak, Nicholas Haemel : [англ.].
– 4-е издание. – Addison Wesley, 2007. – 1262 с.: ил. – ISBN-13 978-0-321-49882-3.
4.
Blanchette J. C++ GUI Programming with Qt 4 [Текст] / Jasmin Blanchette, Mark Summerfield:
[англ.]. – Prentice Hall, 2006. – 560 с. : ил. – ISBN-13 978-0-13-187249-3.
IV Международная научно-техническая конференция
198
5.
Бизин И.В Автоматизация исследования методов восстановления изображения сечения по
проекциям: Автореферат диссертации на соискание учёной степени кандидата
технических наук. – Орёл: ОрёлГТУ, 2008. – 16 с.
6.
Бизин И.В., Мозгов С.С. Графические языки программирования в АСНИ с возможностью
распределения задач между ресурсами ЛВС // Известия ОрелГТУ. Серия
«Фундаментальные и прикладные проблемы техники и технологии: информационные
системы и технологии». – Орел: ОрелГТУ, 2008. – № 1-3/269(544) – С. 23-26.
Шишков Илья Иванович
Орловский государственный технический университет, г. Орел
Аспирант кафедры «Информационные системы»
Тел.: 40-96-14
E-mail: shishkov.ilia@gmail.com
ИТНОП-2010
СОДЕРЖАНИЕ
АМЕЛИНА О.В. ПРОБЛЕМЫ И ПЕРСПЕКТИВЫ РАЗВИТИЯ ОБЪЕКТНО-
ОРИЕНТИРОВАННЫХ ТЕХНОЛОГИЙ
3
БАШКИН В.А. ГЛОБАЛЬНАЯ ВЕРИФИКАЦИЯ СВОЙСТВ ДОСТИЖИМОСТИ СИСТЕМ
С ОДНИМ НЕОГРАНИЧЕННЫМ РЕСУРСОМ
6
БЕЛОУСОВА Т.И., ЛЮБАС А.К. ПРИМЕНЕНИЕ CASE-ТЕХНОЛОГИЙ В РАЗРАБОТКЕ
ИНФОРМАЦИОННОЙ МОДЕЛИ ИНТЕЛЛЕКТУАЛЬНЫХ СИСТЕМ
12
БОНДАРЕНКО Д. Л. СПОСОБ СОКРАЩЕНИЯ ВРЕМЕНИ ПОИСКА ДЕФЕКТОВ
В ЦИФРОВОМ БЛОКЕ
18
БОРОВСКИЙ А.С., ТАРАСОВ А.Д. ИСПОЛЬЗОВАНИЕ МЕТОДОВ НЕЧЕТКОЙ ЛОГИКИ
ДЛЯ МОДЕЛИРОВАНИЯ ОБЪЕКТОВ И ПРОЦЕССОВ СИСТЕМ ФИЗИЧЕСКОЙ ЗАЩИТЫ
21
ВОЛКОВ А.Г., КУЛИКОВА Ю.Ю., МОЖИН С.В., КОМАШИНСКИЙ В.В.
АНАЛИЗ СРЕДСТВ КОМПЛЕКСНОГО КОНТРОЛЯ ДЕЙСТВИЙ ПОЛЬЗОВАТЕЛЕЙ
КОМПЬЮТЕРНЫХ СИСТЕМ
29
ВОЛКОВ В.Н., ЛАЗАРЕВ С.А., СТЫЧУК А.А, САВИНА О.А.
МЕТОДИКА ИНФОРМАЦИОННОГО НАПОЛНЕНИЯ СПРАВОЧНО-КАРТОГРАФИЧЕСКОЙ
ИНТЕРНЕТ-СИСТЕМЫ «РУССКИЙ ЯЗЫК В РОССИИ И ЗА РУБЕЖОМ»
36
ВОЛКОВА Н.В. АВТОМАТИЗИРОВАННАЯ ПОДСИСТЕМА ПРИНЯТИЯ РЕШЕНИЯ
О НАЗНАЧЕНИИ СОЦИАЛЬНОЙ ПОМОЩИ
41
ДМИТРИЕНКО П.В. ОБОСНОВАНИЕ ПОДХОДА К ПОСТРОЕНИЮ СИСТЕМЫ
ЛОКАЛЬНОГО МОНИТОРИНГА ДЛЯ ГРИД-ИНФРАСТРУКТУРЫ
45
КАЗАКОВ П.В., АВЕРЧЕНКОВ В.И. ОПРЕДЕЛЕНИЕ ОПТИМАЛЬНОГО
СОСТАВА ИНВЕСТИЦИОННОГО ПОРТФЕЛЯ НА ОСНОВЕ
КЛАСТЕРНОГО РАСШИРЕНИЯ ГЕНЕТИЧЕСКОГО АЛГОРИТМА
51
КАЛАЧ А.В., ПЕРЕГУДОВ А.Н., ЧУЙКОВ А.М., ГРОШЕВ Е.Н.
МОДЕЛИРОВАНИЕ И СОЗДАНИЕ ИНТЕЛЛЕКТУАЛЬНОГО МУЛЬТИСЕНСОРНОГО
ГАЗОАНАЛИЗАТОРА, СПОСОБНОГО ФУНКЦИОНИРОВАТЬ В УСЛОВИЯХ НЕПОЛНОТЫ
И ПРОТИВОРЕЧИВОСТИ ИНФОРМАЦИИ
59
КОЛЕСНИК Л.Ф., ПРОСТИТЕНКО О.В., ХАЛИМОН В.И.
АЛГОРИТМИЧЕСКОЕ И ПРОГРАММНОЕ ОБЕСПЕЧЕНИЕ АВТОМАТИЗИРОВАННОЙ
СИСТЕМЫ ПЛАНИРОВАНИЯ РЕШЕНИЙ И ГЕНЕРАЦИИ СЦЕНАРИЕВ ДЕЙСТВИЙ
66
КРАВЦОВА Н.А., ФРОЛОВ А.И. МЕСТО И ФУНКЦИИ АДАПТИВНОЙ СИСТЕМЫ
МОНИТОРИНГА В АВТОМАТИЗИРОВАННОЙ СИСТЕМЕ УПРАВЛЕНИЯ
71
КРУЧИНИН А.Ю. ПОВЫШЕНИЕ ЭФФЕКТИВНОСТИ КОНТРОЛЯ ПЕРЕДВИЖЕНИЯ
ОБЪЕКТОВ В ОХРАНЯЕМОЙ ЗОНЕ С ИСПОЛЬЗОВАНИЕМ СТЕРЕОЗРЕНИЯ
77
ЛОМАЗОВ В.А., ЛОМАЗОВА В.И. ВЫБОР МАТЕМАТИЧЕСКОЙ МОДЕЛИ
ПРИ АВТОМАТИЗАЦИИ НАУЧНЫХ ИССЛЕДОВАНИЙ
84
ЛЫСЫХ В.В. ПРОБЛЕМА ЗАЩИТЫ ПРОГРАММНЫХ ПРОДУКТОВ
ВНЕ ДОВЕРЕННОЙ ВЫЧИСЛИТЕЛЬНОЙ СРЕДЫ
89
МАЙДАКОВ М.А. ПОСТРОЕНИЕ ДИСКРЕТНОЙ ИНТЕРПОЛЯЦИИ СИБСОНА
БЕЗ ПРОМЕЖУТОЧНОГО ВЫЧИСЛЕНИЯ ДИАГРАММЫ ВОРОНОГО С ИСПОЛЬЗОВАНИЕМ
ПАРАЛЛЕЛЬНЫХ ВЫЧИСЛЕНИЙ НА ГРАФИЧЕСКИХ ПРОЦЕССОРАХ
93
НЕЧАЕВ Д.Ю. О ПРИНЦИПАХ И ОПРЕДЕЛЕНИЯХ ИНФОРМАЦИОННОГО ПОДХОДА
К ИССЛЕДОВАНИЮ КАЧЕСТВА ФУНКЦИОНИРОВАНИЯ КОРПОРАТИВНЫХ
ИНФОРМАЦИОННЫХ СИСТЕМ
99
НЕЧИСТЯК М.М. МАТЕМАТИЧЕСКОЕ МОДЕЛИРОВАНИЕ ХАРАКТЕРИСТИК
НЕЛИНЕЙНОГО ЭЛЕМЕНТА В СРЕДЕ MATHCAD
106
ОЛЕНИН А.С. О СТРУКТУРНОМ ПОДОБИИ ВЫЧИСЛИТЕЛЬНЫХ ЗАДАЧ
111
АВЕРЧЕНКОВ В.И., РЫТОВ М.Ю, ГАЙНУЛИН Т.Р. ФОРМАЛИЗАЦИЯ ВЫБОРА
РЕШЕНИЯ ПРИ ПРОЕКТИРОВАНИИ СИСТЕМ ЗАЩИТЫ ИНФОРМАЦИИ
ОТ НЕСАНКЦИОНИРОВАННОГО ДОСТУПА
114
САМАРИНА О.В., СЛАВСКИЙ В.В.
ИНВАРИАНТЫ ВОСЬМИКАНАЛЬНОГО ИЗОБРАЖЕНИЯ
121
ИТНОП-2010
СВЕТКИН А.В. РАЗРАБОТКА WEB-ПРИЛОЖЕНИЙ С ПОДДЕРЖКОЙ
ИНТЕРНАЦИОНАЛИЗАЦИИ
128
СЕМАШКО Е.А., ЕРЕМЕНКО В.Т., ТЮТЯКИН А.В.,
АЛГОРИТМЫ СЖАТИЯ БЕЗ ПОТЕРЬ ПОЛУТОНОВЫХ ИЗОБРАЖЕНИЙ
В АВТОМАТИЗИРОВАННЫХ СИСТЕМАХ
132
СТАРШИНОВА С.А.
ИДЕОЛОГИЯ ПОРТАЛА И УПРАВЛЕНИЯ КОНТЕНТОМ
КАК ОСНОВА ФОРМИРОВАНИЯ ИНФОРМАЦИОННОЙ ИНФРАСТРУКТУРЫ
ИННОВАЦИОННОГО ПРОЦЕССА
141
СТЕПАНОВА А.С. ЭНЕРГОЭФФЕКТИВНОСТЬ УПРАВЛЕНИЯ ИНФОРМАЦИОННО-
УПРАВЛЯЮЩИХ СИСТЕМ С УВЕЛИЧЕННЫМ ЖИЗНЕННЫМ ЦИКЛОМ
144
СТРЕЛЬНИКОВ А.Н. ПИРАМИДА ПОТРЕБНОСТЕЙ ПО МАСЛОУ КАК МОДЕЛЬ
РАЗВИТИЯ ОНЛАЙНОВЫХ СОЦИАЛЬНЫХ СЕТЕЙ
152
УЛЬЯНОВА Е.А., БЕРГ Д.Б. ПОДСИСТЕМА ОПТИМИЗАЦИИ ЭКОНОМИКИ
МУНИЦИПАЛЬНОГО ОБРАЗОВАНИЯ В СИСТЕМЕ ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ
155
ФАТЕЕВА Н.А., . КОНСТАНТИНОВА О.В, СУРКОВА Т.В.
ПРИМЕНЕНИЕ СОВРЕМЕННОЙ ИНФОРМАЦИОННОЙ ТЕХНОЛОГИИ ПРЕДПРИЯТИЯ –
ДЕЛОВОЙ РАЗВЕДКИ ПРИ РАЗРАБОТКЕ И ПРИНЯТИИ УПРАВЛЕНЧЕСКИХ РЕШЕНИЙ
162
ФИСУН А.П., БЕЛЕВСКАЯ Ю.А. ОБЕСПЕЧЕНИЕ ИНФОРМАЦИОННОЙ БЕЗОПАСНОСТИ
И ПРОТИВОДЕЙСТВИЯ ИНФОРМАЦИОННОМУ ТЕРРОРИЗМУ
В ИНФОРМАЦИОННОЙ СФЕРЕ: ПРОБЛЕМЫ И СООТНОШЕНИЯ ИНФОРМАЦИОННОЙ
ТЕОРИИ И ИНФОРМАЦИОННОГО ПРАВА
169
ХАЧАТРЯН В.Е., ВЕЛИКАЯ Я.Г., СУНЦОВА А.И.
СТРУКТУРНЫЕ ПРЕОБРАЗОВАНИЯ МОДЕЛИ ВЫЧИСЛЕНИЙ
176
ШАМАЕВА Е.Ф., БОЛЬШАКОВ Б.Е. ТЕОРЕТИЧЕСКИЕ ОСНОВАНИЯ
СИСТЕМЫ УПРАВЛЕНИЯ НОВАЦИЯМИ С ИСПОЛЬЗОВАНИЕМ ПРОСТРАНСТВЕННО-
ВРЕМЕННЫХ ВЕЛИЧИН
181
ШАРАПОВ Р.В., ШАРАПОВА Е. В. ССЫЛОЧНЫЙ СПАМ И ПУТИ БОРЬБЫ С НИМ
188
ШИШКОВ И.И. ОБ ОСОБЕННОСТЯХ РАЗРАБОТКИ ПРОГРАММНОЙ БИБЛИОТЕКИ
ВОССТАНОВЛЕНИЯ ТОМОГРАФИЧЕСКОГО СРЕЗА
194