EIRNUZP – Електронний інституційний репозитарій Національного університету «Запорізька політехніка»
Інституційний репозитарій Національного університету «Запорізька політехніка» – це електронний архів, що накопичує, систематизує, зберігає та забезпечує довготривалий відкритий доступ до електронних публікацій та електронних версій документів наукового та навчально-методичного призначення, авторами яких є співробітники, аспіранти, докторанти та студенти Національного університету «Запорізька політехніка».
Communities in DSpace
Select a community to browse its collections.
Recent Submissions
Обнаружение аномалий в сетевом трафике на основе информативных признаков
(Національний університет "Запорізька політехніка", 2017) Имамвердиев, Я. Н.; Сухостат, Л. В.; Імамвердиєв, Я. Н.; Сухостат, Л. В.; Imamverdiyev, Y. N.; Sukhostat, L. V.
RU: Актуальность. Решена актуальная задача оценки информативности признаков данных большой размерности. Объектом исследования являлся сетевой трафик.
Цель работы – анализ данных сетевого трафика на предмет информативности для выявления аномалий в сетевом трафике с целью сокращения пространства признаков.
Метод. Предложен подход для оценки информативности признаков данных большой размерности, обеспечивающий повышение точности выявления аномалий в сетевом трафике и существенно увеличивающий скорость работы алгоритмов классификации. Проанализированы особенности алгоритмов случайного леса и Firefly. В работе для отбора признаков предложен подход на основе интеграции данных алгоритмов. Признаки сортируются в порядке убывания оценки их важности, наименее информативные не рассматриваются. В качестве классификаторов были рассмотрены деревья решений, наивный Байес, Байесовский классификатор, аддитивная логистическая регрессия и метод к-ближайших соседей. Результаты классификации были оценены с использованием пяти метрик: вероятности истинно-положительных и ложно-положительных результатов, F-меры, мер точности и полноты.
Результаты. Эксперименты были проведены в среде Matlab 2016a, где был реализован предложенный алгоритм на наборе данных NSL-KDD. Наилучшие результаты классификации для отобранных признаков были получены методом к-ближайших соседей.
Выводы. Проведенные эксперименты подтвердили работоспособность предложенного подхода, что позволяет рекомендовать его для применения на практике при оценке информативности с целью сокращения пространства признаков и повышения скорости работы алгоритмов классификации. Кроме того, в целях дальнейшего изучения эффективности обнаружения аномалий в сетевом трафике, будет использован набор реальных данных.
UK: Актуальність. Вирішено актуальне завдання оцінки інформативності ознак даних великої розмірності. Об’єктом дослідження був мережевий трафік.
Мета роботи – аналіз даних мережевого трафіку на предмет інформативності для виявлення аномалій в мережевому трафіку з метою скорочення простору ознак.
Метод. Запропоновано підхід для оцінки інформативності ознак даних великої розмірності, що забезпечує підвищення точності виявлення аномалій в мережевому трафіку і істотно збільшує швидкість роботи алгоритмів класифікації. Проаналізовано особливості алгоритмів випадкового лісу і Firefly. В роботі для відбору ознак запропонований підхід на основі інтеграції даних алгоритмів. Ознаки сортуються в порядку убування оцінки їх важливості, найменш інформативні не розглядаються. Як класифікаторів були розглянуті дерева рішень, наївний Байес, Байєсівський класифікатор, аддитивная логістична регресія і метод до найближчих сусідів. Результати класифікації були оцінені з використанням п’яти метрик: ймовірності істинно-позитивних і хибно-позитивних результатів, F-заходи, заходів точності і повноти.
Результати. Експерименти були проведені в середовищі Matlab 2016a, де був реалізований запропонований алгоритм на наборі даних NSL-KDD. Найкращі результати класифікації для відібраних ознак були отримані методом к-найближчих сусідів.
Висновки. Проведені експерименти підтвердили працездатність запропонованого підходу, що дозволяє рекомендувати його для застосування на практиці при оцінці інформативності з метою скорочення простору ознак і підвищення швидкості роботи алгоритмів класифікації. Крім того, з метою подальшого вивчення ефективності виявлення аномалій в мережевому трафіку, буде використаний набір реальних даних.
EN: Context. The urgent task for feature informativeness evaluation of a large amount of data has been solved. The object of the study was a network traffic.
Objective is to analyze the data informativeness for network traffic anomalies detection in order to reduce the feature space.
Method. The approach for feature informativeness evaluation of a large amount of data is proposed to increase the accuracy of the anomaly detection in network traffic. It also substantially increases the computation speed of the classification algorithms. The characteristics of a random forest and Firefly algorithms are considered. In the paper, an algorithm for feature selection based on the integration of these algorithms is proposed. Features are sorted in descending order according to their importance, the least informative ones are not considered. The decision trees, naive Bayes, Bayesian classifier, additive logistic regression and k-nearest neighbors method are considered as classifiers. The quality of the classification results is estimated using six evaluation metrics: true positive rate, false positive rate, precision, recall, F-measure and AUC.
Results. The experiments have been performed in the Matlab environment (2016a) on the NSL-KDD data set, using the proposed algorithm. The best classification results for the selected features have been obtained using k-nearest neighbors method.
Conclusions. The conducted experiments have confirmed the efficiency of the proposed approach and allow recommending it for practical use in feature informativeness evaluation in order to reduce the feature space and increase the computation speed of the classification algorithms. In addition, in order to further study the effectiveness of anomaly detection in network traffic, a real data set will be used.
Розпаралелювання модифікованого методу гілок та меж для розв’язання задачі про паросполучення зі зникаючими дугами
(Національний університет "Запорізька політехніка", 2017) Данильченко, А. О.; Danylchenko, A.
UK: Актуальність. Розглянуто задачу складання розкладу проходження процедур пацієнтами санаторію, яка зведена до розширеної задачі пошуку максимального паросполучення в дводольному графі. Для поставленої задачі про паросполучення зі зникаючим дугами було розроблено оптимальний алгоритм її рішення на базі методу гілок і меж. Алгоритм враховує обмеження сумісності процедур. Проведено розрахунковий експеримент в основі якого лежить доказ доцільності розпаралелювання оптимального алгоритму розв’язання задачі складання розкладу прийому лікувальних процедур пацієнтами для прикладного використання його в санаторних закладах України.
Мета роботи. Довести доцільність розпаралелювання оптимального алгоритму розв’язання задачі складання розкладу проходження процедур пацієнтами санаторію.
Метод. Сформульована математична модель задачі про паросполучення зі зникаючим дугами. Обрані обчислювальні платформи різної конфігурації, що мають різні обчислювальні потужності: різну кількість ядер процесора, різний обсяг пам’яті, і т.д. Написано авторське програмне забезпечення для проведення експерименту. Програма складається з двох модулів: серверний модуль, який контролює процес виконання розрахунків і клієнтський модуль, який виконується на відокремлених ПЕОМ з метою обчислення паралельних операцій. Проведено обчислювальний експеримент по распараллеливанию оптимального алгоритму розв’язання задачі про паросполучення зі зникаючим дугами. Експеримент проводився на базі санаторію «Дениші». Обчислювальний експеримент проведений на серії випадкових умов задачі, що генеруються програмою. Проведено аналіз отриманих результатів шляхом порівняння часу рішення задачі про паросполучення зі зникаючим дугами оптимальним алгоритмом на різних обчислювальних платформах.
Результати. Модифікований метод гілок та меж показує стабільність зменшення часу складання розкладу проходження процедур при збільшенні обчислювальних потужностей.
Висновки. Прогнозований найменший час складання розкладу, отримано на обчислювальній платформі з максимальною кількістю задіяних ПЕОМ. Прогнозований час складання розкладу при використанні алгоритму розпаралелювання модифікації методу гілок і меж прямо пропорційно залежить від кількості вершин дводольного графа (що дорівнює сумі кількості процедур і кількості пацієнтів), кількості призначених процедур і обмежень.
EN: Context. The problem of scheduling the passage of procedures of sanatorium patients, which is reduced to the problem of finding an extended maximum matching in a bipartite graph. For the task of matchings with disappearing arcs developed an optimal algorithm of its solution based on branch and bound method. The algorithm takes into account the limits of compatibility procedures. Spend the current experiment based on the evidence of the feasibility of algorithm parallelization for solving the problem of optimal scheduling patients receiving therapeutic treatments applied to its use in the health institutions of Ukraine.
Objective. To prove the feasibility of the algorithm parallelization optimal solution of our problem.
Method. A mathematical model of the problem of matchings with disappearing arcs. Selected computing platforms of different configurations with a variety of computing power: a different number of processor cores, different amounts of memory, etc. Written copyright software for the experiment. The program consists of two modules: a server module, which controls the process of performing calculations and client module that runs on the PC are separated for the purpose of calculating the parallel operations. The experiment was conducted on the basis of sanatorium “Denyshi”. Computational experiments for optimal algorithm parallelization for solving the problem of matchings with disappearing arcs. Computer experiment carried out on a series of random conditions of the problem generated by the program. The analysis of the results by comparing the time solving the problem of matchings with disappearing arcs optimal algorithm on different computing platforms.
Results. The modified method of branches and borders shows the stability of reducing the time of scheduling transmission procedures with increasing computing power.
Conclusions. Estimated minimum time scheduling, received at the computer platform with the maximum number of PCs involved. Estimated time scheduling algorithm parallelization by using modifications of the branch and bound directly proportional to the number of vertices of a bipartite graph (which is equal to the sum of the number of procedures and the number of patients), the number of assigned procedures and restrictions.
Особливості прогнозування результатів матчів у кіберспорті
(Національний університет "Запорізька політехніка", 2017) Коробчинський, М. В.; Чирун, Л. Б.; Висоцька, В. А.; Нич, М. О.; Korobchynskyi, M. V.; Chyrun, L. B.; Vysotska, V. A.; Nych, M. O.
UK: Актуальність. Зараз є актуальним розроблення систем прогнозування матчів у кіберспоті, це пов’язано з активним розвитком кіберспорту. У цій статті реалізовано можливість прогнозувати матчі користувачів.
Мета. Метою виконання роботи є проектування моделі системи колективного прогнозування результатів ігор у кібер-спорті з використанням сучасної технології нейропрогнозування. Завданням є розроблення системи для спільного користувацького прогнозування результатів кіберспортивних матчів та самостійного опрацювання інформації і видачі власного прогнозу. До основних задач належать наступні: облік та аналіз всіх минулих і майбутніх ігор; облік та аналіз характеристик/результатів всіх команд; надання можливості користувачу персонально робити прогноз на кожен матч; визначення шансу на виграш команди на основі даних за попередні матчі.
Метод. Проблему вирішено методом опитування експертів шляхом проведення аналітичних записок та за допомогою штучної нейронної мережі. В створеній ШНМ є три шари. Перший шар складається із 10 нейронів – рецепторів, або нейронів вхідних даних. Другий шар нейронів є внутрішній. Третій шар нейронів є вихідний, в ньому є лише 2 нейрони. Вхідною інформацією для алгоритму є кількість виграних матчів з останніх 10; кількість виграних матчів перед даною зустріччю (вінстрік); рейтинг команди; стабільність складу (час незмінності складу команди); середній показник програшів даної команди. Відповіддю є 1 або 2 (перемога конкретної команди).
Результати. Для досягнення результату проведений аналіз відповідної літератури з інформацією про основні види колективного прогнозування. Розроблено дерево мети, і проведено систематичний аналіз предметної області. Застосовано метод інтерв’ю з експертами. Інтернет-ресурси реалізовані за CMS Drupal. Проаналізовані основні методи колективного прогнозування. Проведений систематичний аналіз об’єкта дослідження і предмета, цілей, побудованих дерев, визначено проблему і побудовано UML-діаграми. Проаналізовано застосування методу інтерв’ю з експертами. Реалізовано веб-сайт з CMS Drupal і мови програмування PHP.
Висновки (наукова новизна і практична значущість). На основі розробленого алгоритму розрахунку прогнозів та навчання ШНМ реалізовано незалежний від людського фактору процес прогнозування матчів в кібер-спорті. Наявність такої ІС значно спростить пошук прогнозів на кібер-спортивні матчі та дасть можливість кожному бажаючому прийняти участь у прогнозуванні матчів. Система дає новий поштовх до вирішення проблеми прогнозування результатів не лише у кібер-спорті, а і у спорті взагалі.
EN: Context. The forecasting system fixing in cybersport is relevant at this point, it is connected to an active development cybersport. In this paper the ability to predict matches users is implemented.
Objective. The purpose of this work is the system model design of collective predicting outcomes of games results in cyber sport using modern technology of the neuro forecasting. The task is a system development for common user forecasting results of matches cybersport and independent information processing and issuing its own forecast. The main tasks include: all past and future games accounting and analysis; all teams performance / results accounting and analysis; user capabilities to make personal prediction for every match; determining the team winning odds based on previous matches.
Method. The problem by the survey of experts by means of analytical reports and using artificial neural network is solved. ANN is established in three layers. The first layer consists of 10 neurons-receptors, neurons of inputs data. The second layer of neurons is inside. The third layer is the source of neurons, it is only 2 neurons. The input data for the algorithm is the number of matches won the last 10; the number of won games before this meeting; team rating; stability of (time invariance of the team); the average of the losing team. The answer is 1 or 2 (the victory of a particular team).
Results. To achieve the cops of the relevant literature with information about the main types of collective prediction is reviewed. A tree objectives, and conducted a systematic analysis of the future system is developed. In this paper the method of interviews with experts and implemented it in their system is altered. Online resources implemented with CMS Drupal. The basic methods of collective prediction are described. A systematic analysis of the research object and subject is developed; objectives tree is developed and the problem and constructed UML-diagrams are studied. The method of interviews with experts and the use of this method in the paper are described. The implementation of a web site with CMS Drupal and programming language PHP is showed.
Conclusions (scientific novelty and practical significance). Based on the algorithm calculation example and training artificial neural network independent of the human factor in the process of predicting matches cyber sport is implemented. The presence of such ICs greatly simplifies the search for example cyber sports matches and give everyone the opportunity to take part in predicting matches. This system can give new impetus to the problem of predicting results not only in cyber-sport and sport in general.
Синтез маршрутів суб-роїв безпілотних апаратів з використанням нейронної мережі Хопфілда для обстеження територій
(Національний університет "Запорізька політехніка", 2017) Журавська, І. М.; Мусієнко, М. П.; Zhuravska, I. M.; Musiyenko, M. P.
UK: Актуальність. Вирішено актуальну задачу економії обмежених енерго-, обчислювальних і технологічних ресурсів малогабаритних безпілотних літальних апаратів (БПЛА).
Мета роботи – створення методу синтезу маршрутів суб-роїв БПЛА, що підвищує час життєздатності зграї БПЛА.
Метод. Запропоновано метод побудови моделей часток («суб-роїв») зграї БПЛА, що виключає дубляж виконання завдання у вузлах координатних сіток, якими покривається досліджувана територія. Суміщення нейронної карти мережі Хопфілда та польотної карти для кожного суб-рою забезпечує повідомлення через модулі бездротового зв’язку між БПЛА факту виконання моніторингового або технологічного завдання будь-яким окремим БПЛА суб-рою решті БПЛА. Запропонований підхід надає можливість використовувати функції самозагоєння суб-роїв зграї птахоподібних об’єктів («боідів») шляхом перевизначення задач суб-роїв як кібер-фізичної системи у разі втрати окремих боідів при їх критичному застосуванні. Структура одержуваних моделей поведінки суб-роїв, реалізована у двовимірних просторових коридорах довільної форми з наступною конкатенацією отриманих 2D-рішень, значно спрощує вирішення задачі комівояжера у тривимірному просторі та дозволяє істотно прискорити виконання завдань обстеження ділянок територій.
Результати. Розроблено програмне забезпечення (ПЗ), яке реалізує запропонований метод, що використано при проведенні обчислювальних експериментів по дослідженню властивостей методу.
Висновки. Проведені експерименти підтвердили працездатність запропонованого методу і ПЗ, що його реалізує, а також дозволяють рекомендувати їх для застосування на практиці для рішення задач обстеження території з використанням зграї боідів.
EN: Context. The urgent task the economy of the limited power, computing and technological resources of small unmanned aerial vehicles (UAVs) has been solved.
Objective is a creation of sub-swarms’ routes synthesis method with increasing the time of UAV flock viability.
Method. The method for model building of the UAVs’ sub-swarm is offered. It allows to avoid the dubbed tasks at any node of grids that cover the survey territory. Combining Hopfield neural network’s map and flight map for each sub-swarm provides an information via wireless communication modules of UAV about the executed facts of monitoring or technological tasks by any individual UAV of sub-swarm to rest of UAVs. This approach allows to use the self-healing properties of the sub-swarms in flocks of bird-like objects (“boids”) by means redefining the tasks of sub-swarms as a cyber-physical system in case of loss of several boids during a critical usage. The structure of the resulting sub-swarms’ behavior models is implemented in two-dimensional spatial corridors of arbitrary shape; then achieved 2D-solving are concatenated. This can significantly speed up the tasks survey territories.
Results. The software implementing proposed method have been developed and used in computational experiments investigating the properties of the method. The experiments confirmed the efficiency of the proposed method and software.
Conclusions. The experiments also allow to recommend them for use in practice to solve the problems survey area using boids’ flock.
Столяров, В. С. Исследование результативности структурных методов классификации изображений с применением кластерной модели данных
(Національний університет "Запорізька політехніка", 2017) Гороховатский, В. А.; Путятин, Е. П.; Столяров, В. С.; Гороховатський, В. О.; Путятін, Є. П.; Столяров, В. С.; Gorokhovatsky, V. A.; Putyatin, Y. P.; Stolyarov, V. S.
RU: Актуальность. Повышение результативности и расширение функциональности современных систем компьютерного зрения требуют создания более эффективных методов обработки визуальной информации. Основные задачи структурного распознавания связаны с усовершенствованием информационных технологий классификации в пространстве описаний как множеств дескрипторов ключевых точек изображений, а также необходимостью оценивания действенности распознавания на прикладных образцах. Особое внимание уделяют изучению структуры данных для множества дескрипторов, что напрямую влияет на показатели функционирования систем распознавания.
Цель. Изучение особенностей кластерного представления для множества структурных признаков прикладной базы изображений и оценивание показателей эффективности применения кластерной модели в методах структурного распознавания визуальных объектов в плане получения компактного представления данных.
Метод. Предложено методы распознавания на основе трансформации пространства структурных признаков путем кластеризации и применения кластерных характеристик базы эталонных изображений. Первый метод использует интегральное представление описаний эталонов, второй метод при отнесении структурного элемента к классу опирается на значение вектора статистического распределения в матричном пространстве кластер-эталон. Итогом исследования есть создание методов распознавания и моделей обработки данных в процессе построения векторов релевантности или характеристик классов в трансформированном пространстве признаков.
Результаты. За счет кластерного преобразования пространства структурных признаков сокращается объем вычислительных затрат, и в сотни раз улучшается быстродействие распознавания при сохранении нужной эффективности. Проведено сравнение методов SURF и ORB при формировании структурных признаков, время обработки методом ORB оказалось в 60 раз меньше. С другой стороны, множество дескрипторов SURF более точно отражает особенности формы визуальных объектов.
Проведено моделирование и экспериментальные исследования предложенного метода распознавания в прикладной базе изображений. Подтверждена результативность метода в плане эффективности, получены сравнительные оценки качества распознавания в зависимости от уровня аддитивных помех для анализируемых вариантов обработки
Выводы (научная новизна и практическая значимость). В проведенном исследовании систематизированы и получены перспективные свойства систем распознавания в пространстве структурных признаков изображений. Разработанные методы классификации на основе кластерного описания обеспечивают достаточный уровень различения изображений и высокую помехоустойчивость.
Научная новизна исследования состоит в синтезе метода структурного распознавания изображений путем применения кластерной обработки и построения классифицирующих решений в пространстве кластер-эталон. Переход к векторно-кластерному виду существенно повышает быстродействие распознавания за счет упрощения обработки.
Практическая ценность работы – получение прикладных программных моделей для модификаций метода структурного распознавания и подтверждение результативности и помехоустойчивости предложенной обработки в конкретных примерах баз изображений.
UK: Актуальність. Підвищення результативності та розширення функціональності сучасних систем комп’ютерного зору вимагають створення більш ефективних методів обробки візуальної інформації. Основні завдання структурного розпізнавання пов’язані з удосконаленням інформаційних технологій класифікації в просторі описів як множин дескрипторів ключових точок зображень, а також необхідністю оцінювання дієвості розпізнавання на прикладних зразках. Особливу увагу приділяють вивченню структури даних для множини дескрипторів, що безпосередньо впливає на показники функціонування систем розпізнавання.
Мета. Вивчення особливостей кластерного уявлення для множини структурних ознак прикладної бази зображень і оцінювання показників ефективності застосування кластерної моделі в методах структурного розпізнавання візуальних об’єктів в плані отримання компактного подання даних.
Метод. Запропоновано методи розпізнавання на основі трансформації простору структурних ознак шляхом кластеризації і застосування кластерних характеристик бази еталонних зображень. Перший метод використовує інтегральне уявлення описів еталонів, другий метод при віднесенні структурного елементу до класу спирається на значення вектора статистичного розподілу в матричному просторі кластер-еталон. Підсумком дослідження є створення методів розпізнавання і моделей обробки даних в процесі побудови векторів релевантності або характеристик класів в трансформованому просторі ознак.
Результати. За рахунок кластерного перетворення простору структурних ознак скорочується обсяг обчислювальних витрат, і в сотні разів поліпшується швидкодія розпізнавання при збереженні потрібної ефективності. Проведено порівняння методів SURF і ОРБ при формуванні структурних ознак, час оброблення методом ОРБ виявився в 60 разів менше. З іншого боку, множина дескрипторів SURF більш точно відображає особливості форми візуальних об’єктів.
роведено моделювання та експериментальні дослідження запропонованого методу розпізнавання для прикладної бази зображень. Підтверджено результативність методу в плані ефективності, отримані порівняльні оцінки якості розпізнавання в залежності від рівня адитивних перешкод для аналізованих варіантів обробки.
Висновки (наукова новизна і практична значущість). У проведеному дослідженні отримані і систематизовані перспективні властивості систем розпізнавання у просторі структурних ознак зображень. Розроблені методи класифікації на основі кластерного опису забезпечують достатній рівень розрізнення зображень і високу стійкість перед перешкодами.
Наукова новизна дослідження полягає в синтезі методу структурного розпізнавання зображень шляхом застосування кластерної обробки і побудови класифікаційних рішень у просторі кластер-еталон. Перехід до векторно-кластерного подання істотно підвищує швидкодію розпізнавання за рахунок спрощення обробки.
Практична значущість роботи – отримання прикладних програмних моделей для модифікацій методу структурного розпізнавання і підтвердження результативності та завадостійкості запропонованої обробки в конкретних прикладах базах зображень.
EN: Сontext. Increasing of productivity and extension of the functionality of modern computer vision systems require more effective methods for visual information processing. Main goals of structural recognition are related with the improvement of information classification technology in the space of features in a form of image key point descriptors, as well as the necessity of recognition performance estimation for application datasets. Particular attention is related to the investigation of data structure for the set of descriptors that directly affects the functioning of the recognition system.
Objective. Investigation of cluster representation for the set of structural features of application dataset was performed as well as the evaluation of cluster model performance in methods of visual objects structural recognition to provide compact representation of data was proposed.
Method. Methods of recognition based on transformation of structural features space by clustering and usage of cluster dataset image features were proposed. First method uses the integral representation of etalon images descriptions, the second one is based on the value of statistical distribution vector in matrix space cluster model during building the association between structural element and class. Result of research is creation of recognition methods and data models during construction of relevance vectors and features of classes in the transformed feature space.
Results. Using cluster transformation of the space of structural features allows to reduce the amount of computational costs, and improves recognition performance preserving desired efficiency in a hundred of times. Comparison between SURF and ORB methods for the formation of structural features was performed, processing time by ORB has appeared to be 60 times less. On the other hand, the set of SURF descriptors closely reflects the shape of visual objects.
Modeling and experimental investigations of proposed recognition method for application dataset was performed. Effectiveness of the method in terms of efficiency was confirmed, comparative estimations of recognition quality depending on the level of additive noise for the analyzed treatment options were obtained.
Conclusions (scientific novelty and practical significance). Paper proposed the systematization and obtaining of perspective properties of recognition systems in the space of structural features of images. Classification methods based on cluster descriptions provide a sufficient level of image discrimination and high noise immunity.
Scientific novelty of the research consists of synthesis of a method of structural image recognition based on the use of cluster processing and the construction of classification decisions in space of etalon cluster. Conversion to the vector-cluster presentation allows to significantly increase the speed of recognition by processing simplification.
Practical value of paper is the obtaining of application program models for the modifications of structural image recognition method with the confirmation of the effectiveness and noise immunity of the proposed approach in a specific image dataset.