На правах рекламы:
ISSN 0236-235X (P)
ISSN 2311-2735 (E)

Авторитетность издания

ВАК - К1
RSCI, ядро РИНЦ

Добавить в закладки

Следующий номер на сайте

2
Ожидается:
16 Июня 2024

Статьи из выпуска № 2 за 2020 год.

Упорядочить результаты по:
Дате публикации | Заголовку статьи | Авторам

21. Сравнительный анализ алгоритмов выявления сообществ в сложных сетевых системах на примере социальных сетей [№2 за 2020 год]
Авторы: Кочкаров А.А., Калашников Н.В., Кочкаров Р.А.
Просмотров: 3005
В работе рассматривается задача выделения сообществ в социальных сетях. Для исследования социальных сетей используется графовый подход. Проведен сравнительный анализ базовых алгоритмов и предложенного авторами агрегированного алгоритма. Для тестирования алгоритмов первоначально были сгенерированы графы с разным уровнем зашумления и заданным числом сообществ. Для сравнения разбиений на графах использовались две известные метрики – Normalized Mutual Information (NMI) и split join distance, каждая из которых обладает своими преимуществами. Для верификации базовых алгоритмов проведен анализ эгографов социальной сети Facebook на наличие в них сообществ, а также апробирован агрегированный алгоритм MetaClust, показавший высокую результативность по сравнению с базовыми. Значения модулярности для его разбиений (в среднем) выше по сравнению с базовыми алгоритмами. О качестве алгоритма также можно судить по отсутствию у распределения модулярности «хвоста». Средние результаты, показанные алгоритмами на сгенерированных графах, соответствуют результатам применения на эгосетях. Для генерации модельных данных представляется целесообразным применять предфрактальные графы и шире использовать класс динамических графов. Последовательность сгенерированных графов сообществ соответствует траектории динамического графа, сообщества представляют собой затравки и блоки, а зашумление – добавление новых ребер разного ранга между затравками. На следующем этапе предполагается осуществить формальное описание зашумления графов в терминологии класса динамических и предфрактальных графов. Использование класса предфрактальных графов позволит вычислять структурные характеристики и свойства графов и сообществ в них.

22. Требования к программной среде автоматизированной обработки полетных данных [№2 за 2020 год]
Авторы: Еремин Е.М., Нагорнов А.В.
Просмотров: 2065
С середины прошлого века в испытаниях летательных аппаратов, а также в летных исследованиях и полунатурных экспериментах по авиационной тематике существует задача автоматизированной обработки табличных временных рядов экспериментальных данных. Современные программные средства обработки данных обеспечивают успешное решение задач анализа полетной информации, но универсальной программной среды для этих целей не существует: авиационные специалисты сталкиваются с необходимостью использования нескольких разных приложений, что замедляет работу. Этим обусловлена актуальность задачи создания специализированной программной среды, ориентированной на потребности авиационной тематики. Для формирования требований к новой программной среде рассмотрены типовые элементы работы с полетной информацией: фильтрация данных по заданным критериям, визуализация динамики процесса на графике зависимости параметра от времени, добавление производных временных рядов, визуализация данных на графике зависимости параметра от другого параметра, определение значения обобщающего расчетного показателя на основе всей записи или ее фрагмента, определение взаимосвязей между параметрами, построение моделей множественной линейной и нелинейной регрессии. Для каждого из типовых элементов приведен пример из практической работы с результатами выполнения экспериментов. Также приведены примеры существующих приложений, решающих конкретные задачи с приемлемым или максимально возможным качеством. Рассмотрена общая архитектура системы. Предложены использование схемы «модель–вид–контроллер», разработка на языке программирования C++ с использованием паттернов объектно-ориентированного программирования «наблюдатель», «компоновщик» и «стратегия», а также код основы класса Row, каждый объект которого содержит один столбец таблицы данных. Количественные данные столбца таблицы в объекте класса Row размещаются в стандартном контейнере C++ vector, содержащем элементы типа double.

← Предыдущая | 1 | 2 | 3