555_Innovatsii_inauchno-tekhnicheskoe_tvorchestvo_molodezhi2014_

дневных профилей (формы потребления в течение суток) и выявление взаимосвязей с календарём. Для этого, в качестве подготовительного эксперимента был выполнен анализ периодичности временных рядов (с помощью преобразования Фурье), который показал существенное влияние годовой и ежедневной периодичности, а для крупных объектов потребления помог выявить также еженедельную и ежемесячную периодичность. Кроме того, показаны особенности, с которыми сталкивается исследователь при переходе от анализа крупных объектов (уровня региона) к анализу мелких объектов (уровня отдельной станции).

Литература:

1.Айвазян С.А. Прикладная статистика. Основы эконометрики. Том 2. — М.: Юнити-Дана, 2001. — 432 с. — ISBN 5-238-00305-6

2.Бородич С.А. Эконометрика - Учебное пособие. - Минск: Новое знание, 2001. – 408 с. ISBN 985-6516-45-5

3.Магнус Я.Р., Катышев П.К., Пересецкий А.А. Эконометрика. Начальный курс. — М.: Дело, 2007. — 504 с. — ISBN 978-5-7749-0473-0

4.Суслов В.И., Ибрагимов Н.М. и др. – Эконометрия. - Новосибирск: Изд-во СО РАН, 2005. — 744 с.

5.ГОСТ 13109-97 «Электрическая энергия. Совместимость технических средств электромагнитная. Нормы качества электрической энергии в системах электроснабжения общего назначения»

6.Федеральный закон № 35-ФЗ "Об электроэнергетике"

7.Cochran W.G. Some methods for strengthening the common chi-square tests // Biometrics 10. 1954, P. 417-451.

ПОИСК ЛИЦ НА ИЗОБРАЖЕНИИ МЕТОДОМ ВИОЛЫ-ДЖОНСА

Приб М.В. НГТУ, Новосибирск e-mail: forarray@yandex.ru

Научный руководитель - Попов А.А., профессор НГТУ

Введение В настоящее время тема поиска объектов на изображении включает в себя

различные задачи, имеющие общий подход, но не имеющие единого универсального решения. Такие задачи встречаются, как и в повседневной жизни, так и в научно технических вопросах.

Рассматриваемый метод был разработан и представлен в 2001 г. Полом Виолой и Майклом Джонсом. Он до сих пор является эффективным методом для поиска объектов на изображениях и видеопоследовательностях в режиме реального времени. Следует отметить, что этот метод обладает достаточно низкой вероятностью ложного обнаружения лица. Метод справляется с обнаружением черт лица даже при расположении объекта под небольшим углом, примерно до 30°. При угле наклона больше 30° вероятность

351

обнаружения лица резко падает. Указанная особенность метода не позволяет в стандартной реализации находить лицо человека, повернутое под большим углом.

Интегральное представление изображения Интегральное представление позволяет быстро рассчитывать суммарную

яркость произвольного прямоугольника, причем время расчёта не зависит от площади прямоугольника.

Интегральное представление изображения представляет собой матрицу, размерность которой совпадает с размерностью исходного изображения. Элементы матрицы рассчитываются по следующей формуле:

i 0, j 0

Где II(x, y) – сумма яркостей пикселей в прямоугольнике от (0, 0) до (x, y), а I(i, j) – яркость пикселя исходного изображения.

Расчёт матрицы II занимает линейное время, пропорциональное числу пикселей в изображении. Его можно производить по рекуррентной формуле:

Суммарную яркость произвольного прямоугольника ABCD на изображении можно выразить через сумму и разность смежных прямоугольников по следующей формуле [2]:

интегральной матрице, и в итоге, вычисление занимает четыре обращения к массиву и три арифметических действия.

Признаки Хаара Признаки Хаара – признаки цифрового изображения, используемые в

поиске объектов на изображении.

Признак Хаара состоит из смежных прямоугольных областей. Он позиционируются на изображении, далее суммируются интенсивности пикселей в областях, после чего вычисляется разность между суммами. Эта разность и будет значением определенного признака, определенного размера, определенным образом расположенного на изображении.

Ключевой особенностью признаков Хаара является наибольшая, по сравнению с остальными признаками, скорость их проверки. При использовании интегрального представления изображения, признаки Хаара могу вычисляться за постоянное время [1].

Каскад классификаторов В методе Виолы Джонса используется объединение набора разных

классификаторов в «каскад», который позволяет быстро пропускать фон изображения, уделяя больше времени на проверку областей похожих на искомый объект.

Идея заключается в том, что строятся меньшие и, следовательно, более эффективные классификаторы, которые отклоняют большую часть окон без искомого объекта при обнаружении почти всех окон с объектом. При этом

352

простые классификаторы будут отклонять большую часть отрицательных окон до того, как будут использованы более сложные классификаторы для достижения большей точности [3].

Детектор Детектор последовательно сканирует всё изображение с

масштабированием окна. Каждый шаг оно сдвигается на несколько пикселей. Размер шага зависит от текущего масштаба окна. При увеличении размера шага, значительно повышается скорость сканирования и незначительно понижается эффективность обнаружения.

В каждой позиции окна проверяется каскад классификаторов. Если какойлибо классификатор отверг окно, то проверка прерывается и окно двигается дальше.

Пропуск повторных обнаружений Для ускорения прохода сканирующего окна по изображению, те участки,

где уже было обнаружено лицо, можно пропускать. При этом стоит учитывать возможность небольшого пересечения лиц. В результате таких проверок, при пропуске уже найденных окон будут учтены только первые обнаруженные позиции.

Заключение Программная реализация метода верно обнаруживает ≈95% лиц, при ≈6%

ложных срабатываний. Для тестирования использовались изображения с лицами под наклоном не более 30°. На обработку изображения размером 720х480 необходимо ≈0,07 сек.

Литература:

1.Признаки Хаара [Электронный ресурс]. – Режим доступа: http://ru.wikipedia.org/wiki/Признаки_Хаара.

2.Rapid object detection using a boosted cascade of simple features / P. Viola, M. Jones // IEEE Conf. on Computer Vision and Pattern Recognition. – Kauai, Hawaii, USA, 2001. – 1. – С. 511-518.

3.Robust real-time face detection / P. Viola, M. Jones // International Journal of Computer Vision. – 2004. – 57 : 2. – С. 137-154.

МОДЕЛИРОВАНИЕ ДИНАМИКИ ПРОТОПЛАНЕТНОГО ДИСКА В 3D2V ПОСТАНОВКЕ НА ОСНОВЕ ДВУХФАЗНОГО ПОДХОДА НА ГРАФИЧЕСКИХ УСКОРИТЕЛЯХ

Протасов В.А. НГТУ, Новосибирск

Научный руководитель - Куликов И.М., доцент НГТУ

Научная тематика, связанная с изучением протопланетных дисков, получила новый виток развития после обнаружения большого числа экзопланет, начиная с 2011 года. Несмотря на доказательство существования

353

694 планетных систем на конец мая 2013 года, остается невыясненным механизм образования почти каждой из найденных планетных систем.

На сегодняшний день выделяют два основных подхода к моделированию протопланетного диска – двухкомпонентный подход и двухфазный. Их отличие состоит в том, как моделируется пылевая компонента диска. В первом подходе частицы пыли представляются несжимаемой сплошной средой (жидкими частицами). Это позволяет учитывать обмен энергией и импульсом между газом и частицами. Во втором подходе частицы моделируются набором дискретных тел, которые оказывают влияние на гравитационное поле диска.

В данной работе представлен двухфазный подход. Для моделирования газовой компоненты диска применяется метод крупных частиц Белоцерковского-Давыдова [1], модифицированный с использованием схемы Годунова. Частицы пыли представлены системой N-тел, для решения которой используется Particle-Mesh метод [2]. Для вычисления гравитационного взаимодействия частиц и газа решается уравнение Пуассона для гравитационного потенциала с использованием FFT.

Модель динамики протопланетного диска описывается следующей системой уравнений:

и частиц в трехмерной области, – скорость движения некоторой частицы, – позиция некоторой частицы, – ее масса.

354

Процесс формирования планетной системы имеет трехмерную природу. Однако, с течением времени, изначально сферический (или эллипсоидальный) газопылевой объект под действием сил гравитации сжимается по оси вращения и растягивается под действием центробежной силы. Данное обстоятельство позволяет рассматривать процесс в двумерной плоскости вращения. В то время как гравитационный потенциал всё равно должен восстанавливаться в трехмерной постановке. Причина заключается в различной форме фундаментального решения уравнения Лапласа в трехмерной и двумерной постановках.

Метод решения уравнений газовой динамики основан на комбинации метода крупных частиц и метода Годунова. Метод крупных частиц состоит из двух этапов: эйлерового этапа, на котором динамика газа описывается силами давления и гравитации, и лагранжев, на котором происходит адвективный перенос газодинамических величин.

При моделировании динамики частиц основная трудность состоит в определении силы, действующей на некоторую частицу со стороны других частиц. Кроме этого необходимо учитывать взаимодействие гравитационных полей газа и частиц.

Используемый в данной работе метод позволяет сократить вычислительные затраты на этом этапе моделирования. Но у него существует весомый недостаток – точность. Чтобы уменьшить влияние источников погрешности, плотность частицы в ячейке и сила, действующая на нее, вычисляются по методу Clouds-In-Cells [3]. При таком подходе считается, что координаты частицы – координаты центра массы «облака» конечного размера. Плотность такого облака распределяется между ячейками, в которые оно попало (рисунок 1).

Рисунок 1 - Плотность частицы распределится между ячейками (i, j), (i+1, j), (i, j+1), (i+1, j+1)

Таким образом, плотность частиц в некоторой ячейке и сила, действующая на частицу, вычисляются как:

Где

355

ИССЛЕДОВАНИЕ ТЕКСТОВОГО СТАТИСТИЧЕСКОГО АЛГОРИТМА СТЕГАНОГРАФИИ

Сандаков М.М.,Трифонов К.Е.

НГТУ, лаборатория НГУ-Parallels, Новосибирск e-mail: g0odvinsun@gmail.com, тел.: 8-913-767-84-98

Научный руководитель – Кренделев С.Ф., доцент НГТУ

В настоящее время тема сокрытого обмена данными вызывает все больший интерес в сфере пользовательских услуг. Зачастую для решения таких задач используется шифрование. Следует учитывать, что во многих случаях по содержимому передаваемых данных возможно идентифицировать их тип (передается ли текст, изображение в одном из популярных форматов и т.д.) и, следовательно, сделать вывод о том, было ли исходное сообщение зашифровано (если содержимое невозможно отнести ни к одному из известных типов данных, то можно предположить, что сообщение было зашифровано). Следовательно, безопасность обмена данными можно повысить, модифицировав зашифрованные данные таким образом, чтобы они выглядели как осмысленное сообщение. Для этого используются стеганографические алгоритмы, представляющие передаваемую информацию в виде текста, изображения, видеофайла и т.д.

Данная работа посвящена изучению поведения стеганографического алгоритма, скрывающего данные в тексте. Работа алгоритма основана на статистической генерации текста из исходных данных, предоставленного вспомогательного текста и начального паттерна. Суть алгоритма заключается в использовании для выбора следующей буквы текста-контейнера деревьев Хаффмана, построенных на основе предоставленного вспомогательного текста

ииспользуемого паттерна. При отсутствии выбора между возможными буквами текста-контейнера используется единственно возможная буква без кодирования в ней информации.

Одной из самых трудозатратных операций является построение деревьев от различных полученных паттернов. Поэтому для ускорения работы алгоритма было добавлено использование предварительно построенных деревьев. Отдельная генерация деревьев позволяет использовать алгоритм на маломощных устройствах (таких как мобильные телефоны и подобные устройства), т.к. деревья могут быть построены на более мощных компьютерах

иперенесены на эти устройства.

При исследовании использовались различные паттерны и вспомогательные тексты на английском языке. Замечено, что при уменьшении длины паттерна, осмысленности получаемого текста уменьшается, а скорость работы алгоритма построения деревьев увеличивается. Из проведенных исследований можно сделать вывод, что при длине паттерна 5 в большинстве случаев могут быть получены осмысленные словосочетания при достаточно приемлемой скорости.

357

Размер получаемого в итоге текста-контейнера (полученного после использования алгоритма шифртекста) увеличивается в зависимости от размера исходных данных. Это связано с тем, что фактически алгоритм представляется как алгоритм сжатия с помощью кода Хаффмана в обратную сторону, т.е. для получения текста-контейнера производится аналог операции декодирования по Хаффману. Для получения исходных данных производится аналог операции кодирования (сжатия). Так же расширение происходит из за необходимости добавления букв, не хранящих никакой информации (добавление при отсутствии выбора) и необходимых для сохранения осмысленности текста.

В ходе исследования алгоритма было замечено, что, возможно, в качестве подобных стеганографических алгоритмов могут быть использованы так же другие алгоритмы, за основу которых взяты алгоритмы сжатия по аналогии с алгоритмом сжатия Хаффмана. Возможно существование алгоритма, выбор которого приведет к меньшему росту итогового текста-контейнера относительно исходного текста при относительно такой же осмысленности текста-контейнера.

Так же, данный алгоритм может быть использован в качестве алгоритма симметричного шифрования в котором вспомогательный текст и длина паттерна рассматриваются как ключ. При этом преимущество алгоритма заключается в том, что полезные данные хранятся не во всех буквах текстаконтейнера, что так же осложняет взлом. В случае такого использования необходимо внимательно подходить к выбору вспомогательного текста. Использование известного текста с большим количеством имен собственных и т.п. может привести к раскрытию ключа и в итоге к компрометации передаваемых данных.

Алгоритм может быть использован для незаметной передачи небольших сообщений, т.к. в этом случае рост размера получаемого текста-контейнера не велик, либо в паре с некоторым алгоритмом шифрования для усложнения задачи получения исходного текста при расшифровки.

Пример работы алгоритма при длине паттерна 5. В качестве входного текста использовалась книга Джорджа Оруэлла “Скотный двор”.

Входной текст: Hi! How are you?

Would you like to go to the cinema tomorrow? Session starts at 17:00.

Выходной текст:

before. not adopt as hides clover. from, but doubts were gilded by. a tended, how ever. this, he stood, two horses where clock with astonishment on fire what to build six windfalls another. why then, and an all he shalt than and immediately. thrown rather as though at. nevertheless succeeded round of enmity than invasions had denouncing imposing. presentedly flung them, wheat came out of plans of january it would measure, now, saw whatever. with a certain some day, at turn off work for a drink alcohol to pullets, three. for having in touched. i saw ahead buried together, napoleon. this. he him coming, always ended, he several responsibility. there, scraps of everlasting all at there had, heard, grazed animals ever h

358

ИССЛЕДОВАНИЕ ПОВЕДЕНИЯ РАСПРЕДЕЛЕНИЯ СТАТИСТИКИ ЛЯМБДА УИЛКСА ДЛЯ ДИСКРИМИНАНТНОГО АНАЛИЗА ПРИ НЕОДНОРОДНОСТИ ДАННЫХ

Санина А.А. НГТУ, Новосибирск

e-mail: anastas.sanina@gmail.com, тел.: +7 923 233 39 95

Научный руководитель – Волкова В.М., доцент НГТУ

Этот критерий оценивает остаточную дискриминантную способность, под которой понимается способность различать группы, если при этом исключить информацию, полученную с помощью ранее вычисленных функций. Если остаточная дискриминация мала, то не имеет смысла дальнейшее вычисление очередной дискриминантной функции. Для определения значимости дискриминантных функций используется статистика Лямбда Уилкса:

где – число вычисленных функций. Значение статистики варьируется от 0 до 1 [1]. Большее значение (около 1) указывает на то, что средние групп не должны различаться. Малые значение (около 0) указывают на то, что средние групп различаются. Следовательно, чем меньше эта статистика, тем значимее соответствующая дискриминантная функция.

Величина

имеет -распределение с степенями свободы, где– число дискриминантных переменных, – число классов [1].

Пусть верная гипотеза представлена в общем виде как:

при этом постулируется предположение о нормальности и равенстве дисперсий.

Нарушение предположения дискриминантного анализа о межгрупповом равенстве дисперсий представим в виде: .

Альтернативную гипотезу обозначим: ,

где ; ; – среднее в -й группе для -ой переменной; –

дисперсия в -й группе для -ой переменной; – количество переменных; g –

359

образом, гипотеза соответствует случаю, при котором наблюдается равенство средних и дисперсий в группах для всех переменных, гипотеза – равенство средних в группах нарушается (для одной, двух или всех переменных), дополнительно рассмотрен случай, в котором равенство дисперсий в группах нарушается (для одной, двух или всех переменных).

Наблюдения для каждой независимой переменной моделируются в соответствии с каким-либо многомерным законом распределения. Следует отметить, что поскольку сохраняется предположение дискриминантного анализа о независимости наблюдений в группах для каждой из переменных, то моделирование данных для каждой переменной из отдельной группы сводится

кмоделированию выборки согласно одномерному закону с соответствующими параметрами (сдвига, масштаба, формы).

Входе выполнения научно-исследовательской работы было изучено поведение распределения статистики Лямбда Уилкса (скорости сходимости распределения статистики критерия к теоретическому с использованием компьютерных технологий) в случае отклонения распределения наблюдений от нормального закона и нарушении предположения дискриминантного анализа о межгрупповом равенстве дисперсий.

Исследования показали, что при равенстве средних наблюдаемых групп:

• Эмпирическое распределение статистики Лямбда Уилкса чувствительно

кзакону распределения наблюдений в группах (рассмотренные законы: нормальный, двусторонний экспоненциальный с тяжёлыми хвостами, двусторонний экспоненциальный с лёгкими хвостами, экспоненциальный закон).

• Следует отметить, что в случае принадлежности наблюдений двустороннему экспоненциальному распределению с тяжёлыми хвостами, распределение статистики Лямбда Уилкса не согласуется с теоретическим при малых количествах наблюдений в группах ().

•Исследования, при котором наблюдения в группах принадлежат экспоненциальному закону, показали, что несимметричность закона оказывает сильное влияние на эмпирическое распределение статистики Лямбда Уилкса. Гипотеза о согласии эмпирического и теоретического распределения статистики Лямбда Уилкса в этом случае отвергается при малых объёмах наблюдений в группах.

Исследование случая, при котором нарушается предположение дискриминантного анализа о межгрупповом равенстве дисперсий, выявило:

•Статистика Лямбда Уилкса хорошо подчиняется теоретическому -

распределению в случае принадлежности наблюдений в группах нормальному закону и двустороннему экспоненциальному закону с лёгкими хвостами при межгрупповой разности дисперсий . Таким образом, можно предполагать, что лёгкие хвосты не влияют на отклонение эмпирического распределения статистики Лямбда Уилкса от теоретического.

• Исследование случая, при котором наблюдения в группах подчиняются закону с тяжёлыми хвостами, выявило, что гипотеза о согласии эмпирического

360