123 "Комп'ютерна інженерія"

Постійне посилання зібрання

https://repository.kpi.kharkov.ua/handle/KhPI-Press/48900

Переглянути

Зараз показуємо 1 - 10 з 10

Ансамблевий метод ідентифікації стану комп'ютерних систем
(Національний технічний університет "Харківський політехнічний інститут", 2024) Горносталь, Олексій Андрійович
Дисертаційна робота присвячена вирішенню актуальної науково- прикладної задачі вдосконалення, розробки та впровадження методів ідентифікацій стану комп’ютерних систем з метою покращення їх ефективності за рахунок використання ансамблевих методів машинного навчання. Метою дисертаційної роботи є підвищення якості ідентифікації стану комп’ютерних систем шляхом розробки та удосконалення методів розпізнавання аномалій та зловживань. Об’єкт дослідження – процес виявлення вторгнень у комп’ютерні системи в умовах зовнішніх впливів. Предмет дослідження – методи ідентифікації стану комп’ютерних систем на основі технології машинного навчання з використанням ансамблевих мета- алгоритмів. У вступі обґрунтовано актуальність вдосконалення методів ідентифікації стану комп’ютерних систем, наведено зв’язок роботи з науковими програмами, планами і темами, представлено мету і задачі дослідження, розглянуто об’єкт, предмет та методи дослідження, наведено наукову новизну та практичне значення отриманих результатів, надано інформацію щодо особистого внеску здобувача, а також представлено перелік публікацій за темою дисертації. У першому розділі проведено огляд основних факторів ризику при експлуатації комп’ютерних систем. Досліджено основні види загроз, що впливають на функціонування комп’ютерних систем. Розглянуто поняття системи виявлення вторгнень, а також процесів виявлення аномалій та зловживань. Проведено аналітичний огляд існуючих методів ідентифікації стану комп'ютерної системи та їх обмежень. Обґрунтовано вибір ансамблевих методів для вирішення задачі ідентифікації стану комп’ютерної системи. Виконано постановку науково-технічної задачі дослідження та сформульовані основні завдання. У другому розділі проведено дослідження особливостей використання беггінг-ансамблів у задачах ідентифікації стану комп’ютерних систем. Обґрунтовано вибір етапів та методів попередньої обробки даних. Особливу увагу приділено процесу виявлення аномалій та зменшення кореляції ознак за допомогою методів машинного навчання. Досліджено різні підходи до формування підвибірок вхідних даних, а також особливості процесу налаштування та навчання базових класифікаторів. Проаналізовано показники якості роботи ансамблів. Розроблено метод ідентифікації стану комп’ютерних систем, що включає процедуру попередньої обробки, яка сфокусована на видаленні аномальних даних та зменшенні статистичної залежності між ознаками, та побудову беггінг-класифікатора з налаштуванням гіперпараметрів. Розроблено програмне забезпечення для навчання та оцінки ефективності класифікаційної моделі. Виявлено, що запропонований метод дозволяє підвищити якість ідентифікації стану комп’ютерної системи за умови наявності шумів та аномалій у вхідних даних. У третьому розділі досліджено підходи об’єднання моделей у беггінг- ансамблі та напрямки їх вдосконалення. Розглянуто особливості використання нейронних мереж у якості базових моделей беггінг-ансамблю. Проаналізовано різні підходи до виконання зваженого голосування зі статичними та динамічними вагами, а також різні варіанти показників якості, які можна використовувати для розрахунку вагових коефіцієнтів. Проаналізовано основні напрямки використання техніки калібрування впевненості, а також адаптації за рахунок використання мета-ознак та мета-навчання. Досліджено методи ансамблевої обрізки з використанням різних показників якості, а також на основі двох підходів, які включали фільтрацію моделей за абсолютними значеннями цих показників і фільтрацію моделей за відстанню значення цих показників від середнього значення. Розроблено програмну модель беггінг-ансамблю на основі багатошарового перцептрона, виконано її налаштування та оцінку якості. У четвертому розділі розглянуто основні поняття, переваги та недоліки гомогенних і гетерогенних ансамблів, а також обґрунтовано вибір базових моделей гетерогенного беггінг-ансамблю та показників, які можуть враховуватися при відборі моделей. Запропонована триетапна процедура побудови гетерогенного ансамблю. За допомогою розробленого програмного забезпечення сформовано класифікатори з різними комбінаціями базових моделей у їх складі, а також виконано експериментальне дослідження ефективності їх роботи. У висновках наведено результати вирішення поставлених наукових задач та сформульовано особливості дослідження розроблених методів. За результатами дослідження отримано такі наукові результати: 1. Отримав подальший розвиток метод ідентифікації стану комп’ютерної системи на основі дерев рішень та мета-алгоритму беггінг за рахунок вибору оптимальних гіперпараметрів налаштування класифікатора та використання процедури попередньої обробки даних, яка сфокусована на видаленні аномальних даних та зменшенні статистичної залежності між ознаками, що дозволило підвищити якість ідентифікації стану КС. 2. Отримав подальший розвиток ансамблевий метод ідентифікації стану комп’ютерної системи завдяки використанню багатошарового перцептрону у якості базової моделі ансамблю та вибору оптимальних гіперпараметрів налаштування класифікатора, що дозволило підвищити якість його функціонування. 3. Удосконалено ансамблевий метод ідентифікації стану комп'ютерної системи на основі гомогенного мета-алгоритму беггінг за рахунок розробки спеціальної процедури зменшення кількості базових класифікаторів та їх ранжування під час зваженого голосування, що дозволило зменшити час роботи ансамблю та підвищити якість класифікації стану КС. 4. Вперше запропоновано метод ідентифікації стану комп'ютерної системи, який відрізняється від відомих методів використанням гетерогенного мета-алгоритму беггінг та включає триетапний процес підбору базових моделей класифікатора на основі технології Pasting, що дозволило підвищити ефективність ідентифікації стану КС. Практичне значення отриманих результатів полягає в наступному: − сформовано програмну модель попередньої обробки даних, яка сфокусована на видаленні аномальних даних та зменшенні статистичної залежності між ознаками, що дозволяє збільшити швидкість розпізнавання до 1,62 разів, зменшити час навчання моделі до 24,76 разів, а також підвищити якість класифікації; − розроблено метод ідентифікації стану комп’ютерної системи, який включає сформовану процедуру попередньої обробки даних, процес вибору алгоритму формування вхідних даних та побудову беггінг-класифікатора з налаштуванням його гіперпараметрів, що дозволило підвищити якість класифікації: значення AUC-ROC класифікатору на навчальній вибірці зростає на 11%, а на тестовій вибірці – на 3%; − реалізовано програмну модель ансамблевого класифікатору на основі багатошарового перцептрону у якості базового класифікатора та процедури підбору оптимальних налаштувань його параметрів, а саме: алгоритм формування вибірок даних, кількості базових класифікаторів, функцію оптимізації ваг нейронних мереж, розмірів першого та другого прихованих шарів та функцію активації, що дозволило підвищити значення точності класифікації на 4,67%; − розроблено програмне забезпечення, яке виконує обрізку ансамблю на основі максимізації абсолютної точності базових класифікаторів та класифікує за допомогою зваженого голосування з використанням вагових коефіцієнтів на основі функції логарифмічних втрат, що дозволило підвищити показники якості класифікації беггінг-ансамблю, а саме значення метрики F1- Score – на 2,4%; − запропоновано метод формування гетерогенного ансамблю, який включає відбір базових класифікаторів, навчання на їх основі однорідних беггінг- ансамблів, створення комбінаційних груп (пулів) із базових класифікаторів та формування гетерогенного ансамблю за допомогою процедури Pasting, що дозволило підвищити якість класифікації, а саме збільшити показник F1-Score моделі при роботі на тестових даних на 9,5% у порівнянні зі стандартним однорідним беггінг-ансамблем на основі дерев рішень та на 2% у порівнянні з максимальним значенням серед однорідних ансамблів; − результати роботи впроваджено у вигляді програмного забезпечення, яке використовується в системах моніторингу стану комп’ютерних систем та захисту інформації підприємства ТОВ «Передові цифрові рішення» (Україна), а також впроваджено в навчальний процес кафедри комп’ютерної інженерії та програмування НТУ «ХПІ» (м. Харків) при викладанні навчальних дисциплін. За результатами дослідження підтверджено теоретичну та практичну цінність, проведено дослідження їх ефективності та сформовано практичні рекомендації, щодо їх застосування. The dissertation work is devoted to the solution of the actual scientific and applied problem of improvement, development and implementation of methods for identifying the state of computer systems with the aim of improving their efficiency due to the use of ensemble methods of machine learning. The purpose of the dissertation is to improve the quality of identification of the state of computer systems by developing and improving methods for recognizing anomalies and abuses. The object of research is the process of detecting intrusions into computer systems under conditions of external influences. The subject of research is methods of identifying the state of computer systems based on machine learning technology using ensemble meta-algorithms. The introduction substantiates the relevance of improving the methods of identifying the state of computer systems, the connection of the work with scientific programs, plans and topics is presented, the purpose and tasks of the research are presented, the object, subject and methods of the research are considered. The scientific novelty, practical significance of the obtained results and information on the personal contribution are given. The introduction also presents a list of publications on the topic of the dissertation. The first chapter provides an overview of the main risk factors in the operation of computer systems. The main types of threats affecting the functioning of computer systems have been studied. The concept of an intrusion detection system, as well as anomaly and abuse detection processes, is considered. An analytical review of the existing methods of identifying the state of the computer system and their limitations was carried out. The choice of ensemble methods for solving the problem of identifying the state of the computer system is substantiated. The formulation of the scientific and technical task of the research was carried out and the main tasks were formulated. In the second chapter, a study of the features of bagging ensemble usage in the task of identifying the state of computer systems is carried out. The choice of stages and methods of data preprocessing is justified. Particular attention is paid to the process of detecting anomalies and reducing the correlation of features using machine learning methods. Various approaches that allow forming subsamples of input data have been studied, as well as the specifics of training and setting up basic classifiers, have been studied. The performance quality indicators of the ensembles were analyzed. A method for identifying the state of computer systems has been developed, which includes a preprocessing procedure focused on removing anomalous data and reducing the correlation of features, and building a begging classifier with selection of hyperparameters. Software for training and evaluating the effectiveness of the classification model has been developed. It was found that the proposed method allows to improve the quality of identification of the state of the computer system in the presence of noise and anomalies in the input data. The third chapter explores the approaches of combining models in the bagging ensemble and directions for their improvement. Specifics of using neural networks as basic models of the begging ensemble are considered. Different approaches to perform weighted voting with static and dynamic weights are analyzed, as well as different options of quality indicators that can be used to calculate weighting coefficients. The main directions of using the confidence calibration technique, as well as adaptation due to the use of meta-features and meta-learning, are considered. Ensemble pruning methods using various quality indicators were studied. Two approaches were investigated: filtering models by the absolute values of these indicators and filtering models by the distance of the value of these indicators from the average value. A software model of the begging ensemble based on a multilayer perceptron was developed, its settings and quality assessment were investigated. The fourth chapter explores the main concepts, advantages and disadvantages of homogeneous and heterogeneous ensembles, as well as substantiates the choice of basic models of the heterogeneous bagging ensemble and indicators that can be taken into account when selecting models. A three-stage procedure for building a heterogeneous ensemble is proposed. With the help of the developed software, classifiers with various combinations of basic models in their composition were formed, and an experimental study of the effectiveness of their work was also performed. The results of solving the scientific problems are presented in the conclusions. The peculiarities of the research of the developed methods are formulated. The following scientific results were obtained within this area: 1. The computer system state identification method based on decision trees and the bagging meta-algorithm was further developed due to the selection of optimal hyperparameters of the classifier setting and the use of a data pre-processing procedure, which is focused on removing anomalous data and reducing the statistical dependence between features, which allowed to improve the quality of state identification computer systems. 2. The ensemble method of identifying the state of the computer system was further developed due to the use of a multilayer perceptron as the basic model of the ensemble and the selection of optimal hyperparameters for the classifier setting, which made it possible to improve the quality of its functioning. 3. The ensemble method for identifying the state of a computer system based on the homogeneous meta-algorithm of bagging has been improved by developing a special procedure for reducing the number of basic classifiers and their ranking during weighted voting, which made it possible to reduce the time of the ensemble and improve the quality of classification of the state of the CS. 4. For the first time, the method for identifying the state of a computer system was proposed, which differs from known methods by using a heterogeneous bagging meta-algorithm and includes a three-stage process for selecting basic classification models based on the Pasting technology, which made it possible to increase the efficiency of identifying the state of the computer system. The practical significance of the obtained results includes the following achievements: − a software model for data pre-processingfocused on removing anomalous data and reducing the correlation of features was formed, which allows to increase the recognition speed up to 1.62 times, reduce the training time up to 24.76 times, and also improve the quality of their classification; − a method for identifying the state of the computer system was developed, which includes the established data preprocessing procedure, the process of selecting the input data generation algorithm, and the construction of a bagging classifier with the adjustment of its hyperparameters, which made it possible to improve the quality of classification: the AUC-ROC value of the classifier on the training sample increases by 11% , and on the test sample – by 3%; − the software model of an ensemble classifier based on a multilayer perceptron as a basic classifier and a procedure for selecting the optimal settings of its parameters (the algorithm for forming data samples, the number of basic classifiers, the function of optimizing the weights of neural networks, the sizes of the first and second hidden layers, and the activation function) has been implemented, which made it possible to increase the value of classification accuracy by 4.67%; − the software that performs ensemble pruning based on the maximization of the absolute accuracy of the base classifiers and classification using weighted voting using weights based on the logarithmic loss function was developed, which allowed to improve the quality indicators of the begging ensemble classification, namely the value of the F1-Score metric up to 2.4%; − the method for forming a heterogeneous ensemble, which includes the selection of basic classifiers, learning homogeneous bagging ensembles based on them, creating combination groups (pools) from basic classifiers and forming a heterogeneous ensemble using the Pasting procedure was developed, which made it possible to improve the quality of classification, namely to increase the F1-Score of models when working on test data by 9.5% compared to the standard homogeneous begging ensemble based on decision trees and by 2% compared to the maximum value among homogeneous ensembles; − the results of the work were implemented in the form of software that is used in the systems for monitoring the state of computer systems and protecting information of the enterprise "Advanced Digital Solutions" LLC (Ukraine), as well as implemented in the educational process of the Department of Computer Engineering and Programming of NTU "KhPI" (Kharkiv) when teaching academic subjects. According to the results of the research, the theoretical and practical value was confirmed, a study of their effectiveness was conducted and practical recommendations were formed regarding their application.
Метод підвищення безпеки програмного забезпечення на основі технологій тестування на проникнення
(Національний технічний університет "Харківський політехнічний інститут", 2023) Цао, Вейлінь
Дисертація на здобуття наукового ступеня доктора філософії зі спеціальністі 123 «Комп'ютерна інженерія». – Національний технічнийуніверситет «Харківський політехнічний інститут». – Харків, 2023. Предмет дослідження – метод підвищення безпеки програмного забезпечення. Об'єкт дослідження – процес забезпечення безпеки програмного забезпечення. Дисертаційна робота присвячена вирішенню актуальної науково-технічної задачі розробки методу підвищення безпеки програмного забезпечення (ПЗ) з урахуванням можливостей синтезу технологій автоматизованого тестування безпеки ПЗ та глибокого машинного навчання. Дослідження життєвого циклу програмного забезпечення та процесів тестування, що супроводжують цей цикл, виконано за допомогою теорії графів(GERT modeling). Розробка і дослідження методу автоматизованого тестування безпеки проводилися з використанням методу глибокого навчання з підкріпленням. Удосконалення методу оцінки ефективності розробленого методу здійснювалося з використанням методу динаміки середніх величин. Оцінка достовірності теоретичних і практичних результатів проводилася з використанням положень теорії ймовірностей і математичної статистики. Наукова новизна отриманих результатів обумовлена теоретичним узагальненням і новим вирішенням важливої науково-технічної проблеми, що полягає в розробці методу підвищення безпеки програмного забезпечення на основі технологій тестування на проникнення. Отримано такі наукові результати: – вперше був розроблений метод автоматизованого тестування вторгнень з використанням пошукової системи Shodan, платформи аналізу мережевої безпеки MulVal та даних вразливостей програмного забезпечення CVE для введення та побудови реалістичних сценаріїв атаки та перевірки для глибокого навчання за допомогою технології підкріплення. Це дозволило згенерувати дерево атак для різних навчальних процедур, оптимізувати відповідні сценарії автоматичного тестування безпеки програмного забезпечення, і таким чином підвищити ефективність процесу безпеки програмного забезпечення; – удосконалена математична модель процесу тестування на проникнення в комп'ютерні системи, відмінна від відомих можливостей тестування захищеності спеціалізованих інформаційних платформ комп'ютерних систем, що дозволило оцінити ймовірність тестування часу на проникнення в заданий інтервал; – математична модель процесу тестування на проникнення в комп'ютерні системи отримала подальший розвиток. Відмінною особливістю цієї моделі є використання розподілу Ерланга в якості основного при математичній формалізації процесів переходу від стану до стану. Це дозволило, з одного боку, уніфікувати математичну модель і представити процес тестування на більш високому рівні ієрархії тестування, з іншого – спростити його. Практична значимість отриманих результатів полягає в адаптації процесу тестування програмного забезпечення до підвищених вимог безпеки і можливостей тестування засобів автоматизації, з використанням технологій глибокого навчання з підкріпленням. Практичне значення отриманих результатів полягає в наступному: – комплекс математичних моделей процесу тестування на проникнення в комп'ютерних системах з використанням мережевого підходу моделювання GERT спростив схему тестування на проникнення в 1,7 рази з урахуванням можливих змін процедур (включаючи додавання нових процедур і послуг) для оцінки імовірнісно-часових характеристик і можливостей його масштабування при збільшенні обсягу і складності розв'язуваних задач; – синтез основних компонентів методу автоматичного тестування на проникнення дозволив підвищити ефективність процесу безпеки програмного забезпечення (знизити відносні пошкодження на всіх етапах життєвого циклу програмного забезпечення до 6 разів). Результати дисертації впроваджені та використовуються в діяльності Компанії "Line Up", Науково-дослідного центру судової експертизи з питань інтелектуальної власності, а також використовується в навчальному процесі Національного технічного університету «Харківський політехнічний інститут»". У вступі обґрунтовується актуальність теми дисертації, формулюються основна мета і завдання роботи, викладається наукова новизна і практична цінність отриманих результатів. Перший розділ присвячено аналізу та порівняльним дослідженням методів тестування на проникнення програмного забезпечення. У другому розділі описаний процес тестування на проникнення складних математичних моделей.У третьому розділі розроблено метод автоматизованого тестування на проникнення з використанням технології глибокого машинного навчання. Четвертий розділ присвячено дослідженню ефективності методупідвищення безпеки програмного забезпечення та обґрунтуванню практичних рекомендацій щодо його використання.
Метод підтримки прийнятих рішень щодо безпеки програмного забезпечення
(Національний технічний університет "Харківський політехнічний інститут", 2023) Чжан, Ліцзян
Дисертація на здобуття наукового ступеня доктора філософії зі спеціальністю 123 «Комп'ютерна інженерія». – Національний технічний університет «Харківський політехнічний інститут», Харків, 2023. Предмет дослідження – метод підтримки прийняття рішень щодо безпеки програмного забезпечення. Об’єкт дослідження – процес захисту програмного забезпечення. Дисертаційна робота присвячена вирішенню актуальної науково-технічної задачі розробки методу підтримки прийняття рішень щодо безпеки прорамного забезпечення (ПЗ) з урахуванням факторів невизначеності вхідних та проміжних даних тестування. Широкий попит на програмне забезпечення комп'ютерних систем різного рівня та призначення викликає необхідність додаткових заходів, спрямованих на підвищення якості. Ціна помилки у програмних продуктах зростає, що потребує додаткових перевірок та тестування. Особливо важливою дана проблема виглядає у питаннях та завданнях інформаційної безпеки. Наукова новизна отриманих результатів обумовлена теоретичним узагальненням і новим вирішенням важливої науково-технічної проблеми, яка полягає в розробці програмного забезпечення безпеки підтримки прийняття рішень для підвищення точності тестування результатів. Отримано такі наукові результати: – вперше розроблено нечітку GERT-модель для вивчення вразливостей програмного забезпечення. Відмінною особливістю цієї моделі є те, що вона враховує імовірнісні характеристики переходів зі стану в стан поряд з часовими характеристиками. Це дозволило знизити нечіткість вихідних характеристик часу на проведення досліджень вразливостей програмного забезпечення і підвищити точність моделювання; – удосконалено математичну модель процесу підготовки до тестування безпеки, яка відрізняється від відомих теоретично обґрунтованим вибором генеруючих функцій моментів при описі переходів зі стану в стан, а також з урахуванням етапу перевірки вихідного коду на криптографічні та інші методи захисту даних, що дозволило отримати аналітичні вирази для розрахунку імовірнісних характеристик для дослідницьких і більш складних комп'ютерних систем математичними методами; – метод підтримки прийняття рішень з безпеки програмного забезпечення отримав подальший розвиток. Відмінною особливістю методу є синтез вдосконаленого методу генерації навчальної вибірки в процесі навчання штучної нейронної мережі. Це дозволило підвищити ефективність методу і підвищити точність класифікації та прийняття рішень з безпеки програмного забезпечення. Практична значимість отриманих результатів полягає в підвищенні точності прийняття рішень з приводу безпеки програмного забезпечення, використовуючи технології нечіткого моделювання і нечіткої множини. Практичне значення отриманих результатів полягає в наступному: – процес дослідження вразливостей програмного забезпечення, використання нечіткої моделі GERT дозволив підвищити точність моделювання до 13%. – cпрощення еквівалентних перетворень, удосконалене використання алгоритму в моделюванні дозволило знизити нечіткість вихідних характеристик часу на проведення досліджень вразливостей програмного забезпечення до 1,12 рази; – впровадження методу навчання штучних нейронних мереж в загальний метод підтримки прийняття рішень з програмної безпеки дозволило підвищити точність класифікації та прийняття рішень в 1,6 рази для позитивних елементів у вибірці та в 1,2 рази для негативних елементів у вибірці. – використання методу підтримки прийняття рішень дозволило підвищити ефективність оцінки безпеки програмного забезпечення до 1,2 рази. Результати дисертації впроваджені та використовуються в діяльностіКомпанії "Line Up", Науково-дослідного центру судової експертизи з питань інтелектуальної власності, а також використовується в навчальному процесі Національного технічного університету «Харківський політехнічний інститут»". У вступі обґрунтовується актуальність теми дисертації, формулюються основна мета і завдання роботи, викладається наукова новизна і практична цінність отриманих результатів. Перший розділ присвячено аналізу та порівняльним дослідженням методів підвищення безпеки програмного забезпечення. У другому розділі розпочато розробку математичної моделі длятестування безпеки програмного забезпечення першого етапу. У третьому розділі розробляється нечітка GERT модель для дослідження поширених вразливостей програмного забезпечення. Четвертий розділ присвячений розробці методу підтримки прийняття рішень з безпеки програмного забезпечення.
Методи обробки мультиспектральних зображень в комп'ютеризованій системі на основі нейронних мереж глибокого навчання
(Національний технічний університет "Харківський політехнічний інститут", 2024) Яловега, Владислав Анатолійович
Дисертація на здобуття наукового ступеня доктора філософії (PhD) за спеціальністю 123 – Комп’ютерна інженерія. – Національний технічний університет «Харківський політехнічний інститут», Харків, 2024. Дисертаційна робота присвячена вирішенню актуальної науково-технічної задачі обробки мультиспектральних супутникових зображень на основі нейронних мереж глибокого навчання у комп’ютеризованій системі з метою підвищення ефективності та якості роботи рішень, що матимуть можливість отримання оперативної інформації про об’єкти земної поверхні під час проведення дистанційного зондування земної поверхні. Метою дисертаційної роботи є підвищення якості класифікації оперативної інформації про об’єкти земної поверхні при проведенні дистанційного зондування за рахунок розробки нових та удосконалення існуючих методів класифікації мультиспектральних супутникових зображень на основі методів глибокого навчання. Об’єкт дослідження – процес класифікації мультиспектральних супутникових зображень дистанційного зондування земної поверхні в комп’ютеризованій системі. Предмет дослідження – методи та засоби багатокласової класифікації на основі методів глибокого навчання. У вступі обґрунтовано актуальність науково-технічної проблеми обробки мультиспектральних зображень земного покриву в комп’ютеризованих системах, представлено зв’язок роботи з науковими програмами, планами і темами, наведено наукову новизну, представлено практичне значення отриманих результатів, надано інформацію щодо особистого внеску здобувача, представлено перелік публікацій за темою дисертації. У першому розділі на основі аналітичного огляду виконано постановку науково-технічної задачі обробки мультиспектральних супутникових зображень у комп’ютеризованій системі. Досліджено основні причини та фактори необхідності спостереження за зміною земної поверхні та обробки даних дистанційного зондування Землі. Досліджено класичні методи на основі машинного навчання та методи на основі глибокого навчання для задач класифікації зображень. Проведено дослідження та порівняльний аналіз методів класифікації мультиспектральних супутникових зображень земного покриву. Обґрунтовано вибір методів для подальшого дослідження. Сформульовано завдання дисертаційного дослідження. У другому розділі виконана постановка задачі багатокласової класифікації мультиспектральних супутникових зображень у комп’ютеризованій системі на основі нейронних мереж глибокого навчання. Досліджено сучасні набори даних дистанційного зондування Землі. Розроблено метод багатокласової класифікації мультиспектральних зображень зі спектральними індексами на основі згорткової нейронної мережі визначеної архітектури, що дозволило підвищити точність класифікації об’єктів для набору даних EuroSAT. У третьому розділі отримав подальший розвиток метод багатокласової класифікації мультиспектральних зображень на основі згорткової нейронної мережі зі спектральними індексами шляхом оптимізації запропонованої процедури етапів структурного та параметричного налаштування, що з одного боку дозволило підвищити результуючі метрики оцінки якості класифікації супутникових зображень згортковою нейронною мережею, а з іншого – врахувати наявні ресурсні обмеження. Проведено порівняльне дослідження з відомими методами класифікації. Удосконалений метод зменшує кількість необхідних епох для навчання оптимізованої моделі згорткової нейронної мережі та значно підвищує метрики оцінки якості моделі нейронної мережі. У четвертому розділі удосконалено метод багатокласової класифікації мультиспектральних супутникових зображень земного покриву високої розрізнювальної здатності на основі запропонованого набору даних EuroPlanet. Запропоновано та розроблено процедуру фільтрації високоякісних супутникових зображень. Проведено валідацію EuroPlanet на основі сучасних наперед навчених нейронних мереж: Res-Net50v2, EfficientNetV2, Xception, VGG-16 та DenseNet201. Отримано, що попередньо навчена нейронна мережа DenseNet201 перевершує інші розглянуті моделі за значеннями метрик оцінки якості моделей нейронних мереж. Отримано оптимальну конфігурацію (RG+GNDVI) спектральних індексів. Досліджено вплив коефіцієнту поділу набору даних на навчальну та тестову підвибірки на метрики оцінки якості моделі нейронної мережі. Показано можливість застосування запропонованого методу для моніторингу змін земної поверхні території України, який може бути впроваджений у системи підтримки прийняття рішень. Проведені експерименти та порівняльні дослідження з відомими методами підтвердили ефективність запропонованого методу класифікації мультиспектральних зображень земного покриву, що дає змогу рекомендувати його для практичного використання. У висновках наведено основні результати досліджень, виконаних у дисертаційній роботі відповідно до поставлених наукових задач. За результатами дисертаційного дослідження отримано такі наукові результати: 1. Вперше запропоновано метод багатокласової класифікації мультиспектральних супутникових зображень земного покриву, який відрізняється від відомих процедурою пошуку оптимального набору спектральних індексів на основі вперше запропонованої архітектури згорткової нейронної мережі в комп’ютеризованій системі, що дозволило підвищити точність класифікації об’єктів земної поверхні. 2. Отримав подальший розвиток метод оптимізації згорткових нейронних мереж для задачі багатокласової класифікації супутникових зображень земного покриву за рахунок запропонованої процедури проведення оптимізації етапами структурного та параметричного налаштування при заданих бюджетних обмеженнях, що з одного боку дозволило підвищити результуючі метрики оцінки якості класифікації супутникових зображень згортковою нейронною мережею, а з іншого – врахувати наявні ресурсні обмеження. 3. Удосконалено метод багатокласової класифікації мультиспектральних супутникових зображень земного покриву високої розрізнювальної здатності, який відрізняється від відомих трансферним навчанням згорткових нейронних мереж на основі запропонованого набору даних EuroPlanet високої роздільної здатності та пошуком оптимальної конфігурації спектральних індексів, що дозволило підвищити точність класифікації даних дистанційного зондування земної поверхні та ефективність роботи моделі нейронної мережі й на території України. Розроблені та удосконалені методи є науково-методичною основою розробки алгоритмів та програмного забезпечення, практичне значення яких полягає в таких аспектах: −розроблено метод та програмне забезпечення побудови згорткової нейронної мережі для задачі багатокласової класифікації мультиспектральних супутникових зображень із оптимальним набором спектральних індексів, що дозволяє підвищити точність класифікації до 84,19% та метрику F1 до 84,05%; −отримав подальший розвиток метод та розроблено програмне забезпечення для оптимізації згорткових нейронних мереж задачі класифікації супутникових зображень земної поверхні, що покращило точність класифікації та метрику оцінки якості нейронних моделей F1 до 97.04% та до 97.05% відповідно, а для класів Herbaceous Vegetation, Permanent Crop, та Highway метрика F1 на тестовому наборі даних зросла до 20%. До того ж, використання сучасного фреймворку Ray Tune дозволило ефективно використати наявні ресурси з огляду визначених бюджетних обмежень; −розроблено процедуру фільтрації якісних супутникових зображень високої роздільної здатності, що пришвидшило й автоматизувало формування набору даних EuroPlanet у комп’ютеризованій системі; удосконалено метод та розроблене програмне забезпечення багатокласової класифікації зображень земного покриву набору даних EuroPlanet високої роздільної здатності та з оптимальною конфігурацією спектральних індексів. Точність класифікації на тестових даних склала 93,83%, а метрика F1 зросла до 93,56%. Показано можливість практичного застосування удосконаленого метода. За результатами дослідження підтверджено теоретичну та практичну цінність розроблених методів та процедур, надано практичні рекомендації щодо їх застосування в умовах повномасштабного російського вторгнення в Україну та розглянуто перспективи подальшого розвитку запропонованих методів. The thesis is submitted to obtain a scientific degree of Doctor of Philosophy, specialty 123 – Computer Engineering. – National Technical University “Kharkiv Polytechnic Institute”, Kharkiv, 2024. The dissertation work is devoted to the solution of an actual scientific and technical problem of multispectral satellite images processing based on deep learning neural networks in a computerized system to increase the performance and solutions quality that will have the possibility of obtaining actual information about Earth's surface objects during Earth remote sensing. The purpose of the dissertation is to increase the classification quality of actual information about Earth's surface objects during remote sensing by developing new and improving existing multispectral satellite images classification methods based on deep learning methods. The object of research is the process of Earth remote sensing multispectral satellite images multiclass classification in a computer system. The subject of research is methods and means of multiclass classification in a computer system based on deep learning methods. The introduction substantiates the relevance of a scientific and technical problem of Earth's surface multispectral images processing in a computerized system, presents the connection of the work with scientific programs, plans, and topics, provides scientific novelty, presents the practical significance of the obtained results and provides the applicant personal contribution information with publications on the topic of the dissertation. In the first chapter, the scientific and technical problem of multispectral satellite images processing in a computerized system is formulated based on analytical overview. The main reasons and factors of the necessity of Earth's surface change observing and processing the Earth's remote sensing data have been studied. Classic methods based on machine learning and methods based on deep learning for image classification problems have been studied. A study and comparative analysis of Earth's surface multispectral satellite images classification methods have been carried out. The choice of methods for further research is justified. The scientific objectives of the dissertation research are formulated. In the second chapter, a statement of the multispectral satellite images multiclass classification problem in a computer system based on deep learning neural networks is formulated. Modern Earth remote sensing datasets were studied. A method of multispectral multiclass images classification with spectral indices based on a defined convolutional neural network architecture has been developed which increased the object classification accuracy for the EuroSAT dataset. In the third chapter, the method of multispectral multiclass images classification based on a convolutional neural network with spectral indices was improved by optimizing the proposed procedure of rough-tuning and fine-tuning stages, which on the one hand increased the satellite images classification quality result metrics of a convolutional neural network, and on the other hand, considered existing resource limitations. A comparative study with known classification methods was conducted. The improved method reduces the number of required epochs for training the optimized convolutional neural network model and significantly increases the model evaluation metrics. In the fourth chapter, a high-resolution multispectral multiclass satellite land cover images classification method was improved based on the proposed high-resolution EuroPlanet dataset. A procedure for filtering high-resolution high-quality satellite images is proposed and developed. Validation of the EuroPlanet dataset was carried out based on modern pre-trained neural networks such as Res-Net50v2, EfficientNetV2, Xception, VGG-16, and DenseNet201. It was found that the pre-trained DenseNet201 neural network outperforms the other considered models in terms of the neural network quality metrics. The optimal spectral indexes configuration (RG+GNDVI) for EuroPlanet was obtained. The influence of the train test dataset split rate was studied. It is shown the possibility of using the proposed method for monitoring the Earth's surface changes on the Ukrainian territory and can be implemented in decision support systems. Conducted experiments and comparative studies with known methods confirmed the performance of the proposed Earth's cover multispectral images classification method, which makes it possible to use it in practical applications. The conclusions present the main results of the scientific work on solving the scientific objectives of the study. The scientific novelty of the results. As a result of the dissertation work, the following scientific results were obtained within this area: 1. For the first time, a method of Earth's surface multispectral satellite multiclass classification images is proposed, which differs from the known procedure of finding the optimal set of spectral indexes based on the proposed architecture of a convolutional neural network in a computerized system, which increased the Earth's surface objects classification accuracy. 2. The method of multispectral multiclass images classification based on a convolutional neural network with spectral indexes has been improved by optimizing the proposed procedure of rough-tuning and fine-tuning stages under given budget restrictions, which on the one hand increased the satellite images classification quality result metrics of a convolutional neural network, and on the other hand, considered existing resource limitations. 3. The method of Earth's cover high-resolution multispectral satellite multiclass classification images was improved, which differs from the known by transfer learning of convolutional neural networks based on the proposed high-resolution EuroPlanet dataset and the optimal spectral indexes configuration and made increased the Earth remote sensing data classification accuracy and the neural network model performance on the Ukrainian territory. The developed and improved methods are the scientific and methodological basis for the designing algorithms and software. The practical results include the following: –the method and software for designing a convolutional neural network were developed for the task of multispectral multiclass satellite images classification with an optimal set of spectral indexes, which increased the classification accuracy up to 84.19% and the F1 metric up to 84.05%; –the improved convolutional neural networks optimization method and software have been developed for the task of the Earth’s surface satellite images, which increased the classification accuracy and F1 metric to 97.04% and 97.05% respectively, and for the classes Herbaceous Vegetation, Permanent Crop, and Highway the F1 metric on the test dataset increased up to 20%. In addition, the use of the modern Ray Tune framework made it possible to effectively use the available resources under the defined budget restrictions; –the high-quality high-resolution satellite images filtering procedure has been developed, which accelerated and automated the creation of the EuroPlanet dataset in a computerized system; –the multiclass land cover EuroPlanet high-resolution images with the optimal configuration of spectral indexes classification method has been improved and software has been developed. The classification accuracy on the test data increased to 93.83%, and the F1 metric increased to 93.56%. The practical possibility of using the improved method is shown. The research results confirmed the practical and theoretical significance of the developed methods and procedures, provided practical recommendations for the application of the developed methods in the conditions of a full-scale Russian invasion of Ukraine, and considered the prospects for their further development.
Методи розподілу ресурсів в комп'ютерних системах при наданні хмарних інфраструктурних послуг
(2023) Петровська, Інна Юріївна
Дисертація на здобуття наукового доктора філософії (PhD) за спеціальністю 123 – Комп'ютерна інженерія. – Національний технічний інститут «Харківський політехнічний інститут», Україна, Харків, 2023. Дисертаційна робота присвячена вирішенню актуальної науково-технічної задачі щодо підвищення ефективності використання хмарних обчислювальних ресурсів при застосуванні технології, що базується на моделі «Інфраструктура у якості сервісу», шляхом розробки методів розподілу ресурсів у хмарному середовищі. Об’єкт дослідження – процес розподілу ресурсів у хмарному середовищі при використанні технології, що базується на моделі «Інфраструктура у якості сервісу». Предмет дослідження – методи розподілу ресурсів у комп'ютерних системах, інфраструктура яких міститься у хмарному середовищі. Метою дисертаційної роботи є підвищення ефективності використання хмарних обчислювальних ресурсів при використанні технології, що базується на моделі «Інфраструктура у якості сервісу» шляхом розробки методів розподілу ресурсів між користувачами хмари. У вступі обґрунтовано актуальність розподілу ресурсів у хмарному середовищі, представлено зв’язок роботи з науковими програмами, планами і темами, наведено наукову новизну, представлено практичне значення отриманих результатів, надано інформацію щодо особистого внеску здобувача, представлено перелік публікацій за темою дисертації. У першому розділі проведений аналіз методів розподілу ресурсів у хмарних середовищах. Зокрема, розглянуті Особливості хмарних обчислювальних систем та розподілу ресурсів в них. Проаналізовані існуючі статичні і динамічні методи розподілу ресурсів у віртуальних середовищах. Проведений порівняльний аналіз підходів до розподілу ресурсів у хмарному середовищі з різними моделями обслуговування. На основі проведеного аналізу сформульовані задачі дослідження. У другому розділі основна увага приділена завданню базового виділення ресурсів хмарного середовища з моделлю обслуговування «Інфраструктура у якості сервісу». Для його вирішення проведена декомпозиція хмарного середовища, обґрунтований вибір методу для базового виділення хмарних ресурсів та запропонований метод базового виділення ресурсів хмарного середовища користувачу, орієнтованому на модель IaaS. Також наведений приклад базового завантаження віртуального хоста за допомогою запропонованого метода. У третьому розділі запропонований розгляд етапів методу адаптивного розподілу хмарних ресурсів при використанні моделі обслуговування «Інфраструктура у якості сервісу». Зокрема, проведене узагальнення вимог до методу розподілу хмарних ресурсів при використанні моделі обслуговування «Інфраструктура у якості сервісу» та запропонована структура методу адаптивного розподілу хмарних ресурсів. В межах даної структури розроблені метод адаптивного прогнозування на основі тесту на послідовність серій, метод превентивного формування черг запитів на віртуальні машини хмарного середовища та модель багатоцільового розподілу ресурсів, які дали можливість реалізувати адаптивний розподіл хмарних ресурсів у випадку використання моделі обслуговування «Інфраструктура у якості сервісу». У четвертому розділі проведені дослідження запропонованих методів розподілу ресурсів в комп'ютерних системах при наданні хмарних інфраструктурних послуг. Зокрема, досліджені на імітаційній моделі методи прогнозування запитів на ресурси на основі тесту на послідовність серій та адаптивного розподілу хмарних ресурсів. Також наведені практичні рекомендації по використанню адаптивного методу розподілу хмарних ресурсів. У висновках наведено основні результати наукової роботи щодо вирішення поставлених наукових задач дослідження. За результатами дослідження отримано такі наукові результати: 1) отримав подальший розвиток метод базового виділення ресурсів хмарного середовища користувачу, орієнтованому на модель «Інфраструктура у якості сервісу», шляхом попередньої декомпозиції множини доступних ресурсів на зони за допомогою введення нерівномірних шкал та використання методу аналізу ієрархій, що дозволяє підвищити рівень балансування завантаження хмарних ресурсів; 2) вперше розроблено метод превентивного формування черг запитів на віртуальні машини хмарного середовища при використанні технології, орієнтованої на модель «Інфраструктура у якості сервісу», який враховує результати аналізу попередніх даних та базується на моделі багатоцільового розподілу хмарних ресурсів, що дозволяє завчасно провести прогнозування завантаженості фізичних пристроїв хмарного середовища та запобігти втратам обчислювального ресурсу; 3) удосконалено метод адаптивного розподілу ресурсів хмарного середовища, який відрізняється від відомих використанням тестування на послідовність серій, математичного апарату удосконаленого генетичного алгоритму NSGA-II та результатами прогнозу запитів на віртуальні машини, що дозволяє підвищити ефективність використання хмарних обчислювальних ресурсів за рахунок реалізації балансу між ресурсами центрального процесора та оперативної пам'яті та зменшення затримки в обслуговуванні хмарних ресурсів. Практичне значення отриманих результатів полягає в тому, що розроблені у роботі методи є науково-практичною основою для подальшого удосконалення хмарного середовища, при використанні технології, орієнтованої на модель «Інфраструктура у якості сервісу». Представлені на їх основі інженерні методи та алгоритми дають змогу: – провести короткочасне прогнозування можливих запитів на обчислювальні ресурси хмарного середовища при використанні технології, орієнтованої на модель «Інфраструктура у якості сервісу»; – сформувати можливі черги запитів на найбільш витратний за часом формування хмарний ресурс – віртуальні машини, з відхиленням від реальних запитів не більше 15%; – підвищити рівень балансування завантаження обчислювальних ресурсів хмарного середовища при використанні технології, орієнтованої на модель «Інфраструктура у якості сервісу», за показником середнього квадратичного відхилення до 8%; – зменшити затримку в обслуговуванні обчислювальних ресурсів до 5%. За результатами дослідження підтверджено практичну та теоретичну цінність розроблених методів, надано практичні рекомендації, щодо застосування розроблених методів та розглянуто перспективи їх подальшого розвитку.
Методи та засоби захисту інформації в комп'ютерних системах та мережах
(Національний технічний університет "Харківський політехнічний інститут", 2023) Челак, Віктор Володимирович
Дисертація на здобуття наукового ступеня доктора філософії (PhD) за спеціальністю 123 – Комп’ютерна інженерія. – Національний технічний університет “Харківський політехнічний інститут”, Харків, 2023. Дисертаційна робота присвячена вирішенню актуальної науково-прикладної задачі, пов'язаної з розробкою та подальшим удосконалення методів та засобів ідентифікації стану комп'ютерних систем та мереж для захисту даних в умовах зовнішніх впливів. Метою дисертаційної роботи є розробка нових та удосконалення існуючих методів виявлення аномалій, загроз і шкідливого програмного забезпечення для підвищення точності та швидкості ідентифікації стану комп’ютерних систем та мереж на основі технології машинного навчання. Об’єкт дослідження – процес захисту даних в комп’ютерних системах та мережах в умовах зовнішніх впливів. Предмет дослідження – методи та засоби ідентифікації стану комп’ютерних систем та мереж на основі технології машинного навчання. У вступі обґрунтовано актуальність захисту інформації в комп’ютерних системах та мережах, представлено зв’язок роботи з науковими програмами, планами і темами, наведено наукову новизну, представлено практичне значення отриманих результатів, надано інформацію щодо особистого внеску здобувача, представлено перелік публікацій за темою дисертації. У першому розділі виконано постановку науково-технічної проблеми захисту даних в комп’ютерних системах та мережах. Досліджено основні загрози та фактори, які впливають на функціонування комп’ютерних систем та мереж з метою захисту даних. Досліджено загальну структуру антивірусних програм. Виявлені особливості брандмауерів, систем запобігання і виявлення вторгнень. Проведено дослідження та порівняльний аналіз методів виявлення вторгнень, виділено перспективні напрямки дослідження. Вказано на доцільність удосконалення існуючих та розробку нових методів ідентифікації стану комп’ютерних систем, особливо за умови вихідних даних, що мають високі кореляційні коефіцієнти або знаходяться на межі розмежування класів. Обґрунтовано вибір методів для подальшого дослідження. Сформульовано завдання дисертаційного дослідження. У другому розділі виконана формальна постановка задачі класифікації стану комп’ютерної системи. Запропоновано алгоритм побудови дерева рішень з направленим вибором одновимірних ознак, які у якості критерію прийняття рішень використовують функцію помилки, знайдену з використанням алгоритму бінарного пошуку. Розроблено процедуру формування багатовимірних ознак та запропоновано метод ідентифікації стану комп’ютерних систем на основі дерев з одновимірними та багатовимірними вузлами прийняття рішень. Запропонований метод на основі дерев рішень з багатовимірними вузлами надає можливість зменшити кількість розгалужень в деревах рішень, що підвищує швидкість ідентифікації стану комп’ютерних систем. Метод є особливо ефективним за наявності вихідних даних, які мають високі кореляційні коефіцієнти, так як поєднує їх в один або декілька багатомірних критеріїв. У третьому розділі досліджено методи ідентифікації комп’ютерної системи на основі системи нечіткого виведення. Проаналізовано основні положення нечіткої логіки, описано загальну структуру побудови систем нечіткого виведення. Досліджено РЕ-структуру шкідливого та безпечного програмного забезпечення, знайдено АРІ-функції та строки, притаманні цим файлам та виділено частину із них для подальшого аналізу. Запропоновано алгоритм побудови нечіткого дерева рішень, який відрізняється від відомих методів побудови нечітких дерев рішень наявністю спеціальної процедури фазифікації атрибутів вихідних даних та побудови функції належності. При цьому, фазифікація атрибутів є автоматизованою та відбувається за рахунок статистичного аналізу атрибутів або їх кластеризації, наприклад, алгоритмом DBSCAN. У четвертому розділі досліджено ансамблеві методи машинного навчання, які поєднують композиції однорідних базових моделей та дозволяють підвищити точність та стійкість алгоритму класифікації за рахунок усереднення чи зважування різних прогнозів. Обґрунтовано вибір мета-алгоритму ансамблю. У якості базових класифікаторів використано моделі розроблених дерев рішень. Для підвищення якості класифікації, розроблено процедуру попередньої обробки даних. Виконано налаштування класифікатору. У п’ятому розділі проаналізовано показники функціонування комп’ютерних систем, виконана їх класифікація та визначено показники, які будуть використані у якості ознак для виявлення вторгнень в комп’ютерних систем. Описано процес збору даних, розглянуто інструментарії та особливості їх збору для нормального та аномального станів функціонування комп’ютерних систем. Виконано попередню обробку даних, з метою виявлення суперечливої інформації, дублікатів, сильних та слабих викидів та високо-кореляційних ознак. Розроблено програмні компоненти запропонованих методів, описано їх архітектуру. Розглянуто показники якості класифікації та різноманітні методи оцінки ефективності моделей машинного навчання. Досліджено ефективність запропонованих методів та виконано порівняльний аналіз з класичними методами (Fine Tree, Weighted KNN та Cubic SVM). Для оцінки ефективності запропонованих методів ідентифікації, використано метрики якості. Особлива увага приділялась випадкам, коли окремі метрики набували невизначеності, що потребувало додаткового налаштування моделей. У висновках наведено основні результати наукової роботи щодо вирішення поставлених наукових задач дослідження. За результатами дослідження отримано такі наукові результати: 1. Вперше запропоновано метод побудови дерева з багатовимірними вузлами рішень, що надало можливість формувати деревоподібні моделі з урахуванням кореляційних зв’язків між показниками функціонування КС, дозволило підвищити точність ідентифікації її стану за рахунок кластеризації вихідних даних та збільшити оперативність ідентифікації завдяки зменшенню кількості розгалужень ДР; 2. Вперше запропоновано метод побудови нечіткого дерева рішень, який відрізняється від відомих наявністю спеціальної автоматизованої процедури формування нечітких множин та їх функцій належності, що дозволило підвищити точність та оперативність ідентифікації стану КС; 3. Удосконалено метод побудови дерева рішень, за рахунок використання у якості критерію прийняття рішень мінімальної помилки класифікації, використання направленого вибору ознак та застосування алгоритму бінарного пошуку для визначення оптимального значення порогу розщеплення вузла ДР, що дозволило зменшити час навчання моделі; 4. Удосконалено ансамблевий метод класифікації на основі мета-алгоритму бустінгу за допомогою використання у якості базових моделей розроблених дерев рішень та процедури попередньої обробки даних, що надало можливість підвищити точність ідентифікації стану КС. Практичне значення отриманих результатів полягає в наступному: − розроблено метод та програмне забезпечення побудови дерев з багатовимірними вузлами рішень, що дозволяє зменшити кількість розгалужень, підвищуючи оперативність ідентифікації стану комп’ютерних систем до 50% та точність до 12% (за умови наявності даних, які мають високі кореляційні коефіцієнти); − розроблено процедуру та програмне забезпечення формування нечітких множин та їх функцій належності для побудови нечітких дерев рішень, що дозволило підвищити точність класифікації до 30% (за умові великої кількості даних, які знаходяться на межі розмежування класів) та швидкість до 23%, порівнюючи з класичними дерева рішень; − удосконалено метод побудови дерева з одновимірними вузлами рішень та розроблено програмне забезпечення, що дозволило зменшити час навчання дерев рішень до 4,5 раз; − удосконалено ансамблевий метод класифікації на основі мета-алгоритму бустінгу та розроблено програмне забезпечення, яке моделює роботу методу, що дозволило підвищити точність класифікації до 32%. За результатами дослідження підтверджено практичну та теоретичну цінність розроблених методів, надано практичні рекомендації, щодо застосування розроблених методів та розглянуто перспективи їх подальшого розвитку.
Моделі та методи оптимізації розподілу завдань у туманному середовищі інтернету речей
(Національний технічний університет "Харківський політехнічний інститут", 2023) Резанов, Богдан Михайлович
Дисертація на здобуття наукового ступеня доктора філософії (PhD) за спеціальністю 123 – Комп’ютерна інженерія. – Національний технічний університет “Харківський політехнічний інститут”, Харків, 2023. Дисертаційна робота присвячена вирішенню актуальної науково-технічної задачі, пов'язаної з розробкою нових та удосконалення існуючих методів розподілу завдань, що потребують виконання у режимі, наближеному до реального часу, в туманних середовищах Інтернету речей. Об’єкт дослідження – процес розподілу завдань у туманному середовищі Інтернету речей. Предмет дослідження – моделі та методи розподілу завдань у туманному середовищі Інтернету речей. Метою дисертаційної роботи є підвищення ефективності використання обчислювальних ресурсів туманних середовищ Інтернету речей шляхом розробки нових та удосконалення існуючих методів розподілу завдань, що потребують виконання у режимі, наближеному до реального часу. У вступі обґрунтовано актуальність проблеми розподілу завдань у туманних середовищах Інтернету речей (IoT) та висвітлено її важливість у контексті швидкого розвитку цієї технологічної галузі та появи нових вимог до продуктивності та надійності базових комп’ютерних систем. Аналізуючи сучасний стан розподілу завдань у таких середовищах, визначено, що існуючі методи не завжди здатні забезпечити оптимальний рівень продуктивності та надійності, особливо в умовах зростаючої навантаженості та вимог до низької затримки. У першому розділі досліджено актуальні науково-технічні завдання, пов'язані з розподілом завдань в туманних середовищах IoT. Здійснено аналіз сучасних підходів та розглянуто їх обмеження. Сформульовано основну наукову проблему, яка полягає у покращенні ефективності розподілу завдань у таких середовищах з метою задоволення вимог до продуктивності та зниження затримок. У другому розділі проведено обґрунтування вибору методів кластеризації та формування топологічної структури туманної платформи підтримки Інтернету речей, зокрема, методів формування топологічної структури туманних середовищ для підтримки Інтеренету речей та методів кластерізації. У третьому розділі запропоновані моделі та методи для підвищення ефективності розподілу завдань у туманному середовищі Інтернету речей. Зокрема, розроблені математична модель початкового розподілу інтегрованого кластера обчислювальних ресурсів та структура даного методу, кластеризації туманного середовища підтримки Інтернету речей, наведені пропозиції щодо сумісного використання методів DBSCAN та C-Means. Запропоновано модель елементарних потоків завдань Інтернету речей при використанні туманної платформи, яка враховує особливості розподілених обчислень та поєднує моделі послідовних завдань та поступову обробку даних. Удосконалено метод перерозподілу ресурсів туманного середовища підтримки Інтернету речей, який відрізняється від відомих використанням моделі елементарних потоків завдань, що дозволило прискорити процес адаптивного перерозподілу ресурсів та його проводити без призупинення процесу обробки транзакцій пристроїв Інтернету речей. Удосконалено метод розпаралелювання завдань попередньої обробки даних Інтернету речей, який відрізняється від відомих сумісним використанням на етапі розподілу завдань на вузли туманного середовища методу кластеризації та моделі елементарних потоків завдань, що дозволило за рахунок паралельної обробки значно зменшити час обробки та збалансувати використання хмарних ресурсів. У четвертому розділі проведено аналіз ефективності запропонованих у дисертаційній роботі методів розподілу завдань, методу швидкої двохфакторної аутентифікації в туманних середовищах IoT та виконано порівняльний аналіз з класичними методами, зокрема з методом "Round Robin". Для оцінки ефективності проведені чисельні експерименти та аналіз результатів. Встановлено, що запропоновані методи дозволяють покращити якість розподілу завдань, зменшити затримки та підвищити продуктивність туманних середовищ IoT. Також надані рекомендації щодо використання запропонованих методів. У висновках наведено основні результати наукової роботи щодо вирішення поставлених наукових задач дослідження. За результатами дослідження отримано такі наукові результати: отримав подальший розвиток метод кластеризації туманного середовища підтримки Інтернету речей за рахунок використання математичної моделі початкового розподілу інтегрованого кластера обчислювальних ресурсів, що дозволило покращити якість групування завдань і ресурсів та сприяло підвищенню продуктивності туманної платформи; вперше розроблено модель елементарних потоків завдань Інтернету речей при використанні туманної платформи, яка враховує особливості розподілених обчислень та дозволяє провести декомпозицію зв’язної неперервної послідовності вхідних даних; удосконалено комплекс методів розподілу ресурсів туманного середовища підтримки Інтернету речей, який відрізняється від відомих сумісним використанням розробленої моделі елементарних потоків завдань та методу кластеризації, що дозволило прискорити процес адаптивного перерозподілу ресурсів та проводити його без призупинення процесу обробки транзакцій у випадках змінного навантаження та збільшених вимог до ресурсів, а також значно зменшити час обробки та збалансувати використання хмарних ресурсів при надходженні великих потоків даних; отримав подальший розвиток метод швидкої двохфакторної аутентифікації між пристроями Інтернету речей за рахунок інтеграції другого фактору в службу аутентифікації з централізованою базою користувачів, що дозволило суттєво зменшити час на перевірку санкціонованості доступу та забезпечення конфіденційності даних. Практичне значення отриманих результатів полягає в наступному: – підвищення продуктивності туманної платформи IoT до 9%. Однією з ключових переваг є покращення виробничих результатів системи завдяки оптимізації розподілу завдань. Це дозволяє більш швидко та ефективно обробляти дані, що надходять від сенсорів IoT та виконувати завдання обробки даних; – зменшення часу відгуку до 10%: розроблені методи дозволяють більш раціонально використовувати ресурси, такі як обчислювальні потужності та пропускна здатність мережі. Це призводить до зменшення середнього часу відгуку системи; – покращення методу швидкої двохфакторної аутентифікації в туманних середовищах Інтернету речей. Внаслідок цих покращень підвищилася швидкість аутентифікаціїї у 2.65 рази при використанні цього методу для розглядаємої туманної платформи; – розвиток сучасних застосувань: отримані результати роблять доступними більшу кількість сценаріїв використання систем IoT на туманній платформі. Це розширює можливості для застосувань в таких галузях, як управління містом, промисловість, охорона здоров'я та багато інших; – забезпечення стійкості та надійності в середньому до 3%: оптимізовані методи роблять системи IoT більш стійкими до викликів та забезпечують надійність роботи в умовах навантаження та змін. За результатами дослідження підтверджено практичну та теоретичну цінність розроблених методів, надано практичні рекомендації, щодо застосування розроблених методів та розглянуто перспективи їх подальшого розвитку.
Моделі, методи та програмні компоненти комп'ютерної системи тягового рухомого складу
(Національний технічний університет "Харківський політехнічний інститут", 2020) Главчев, Дмитро Максимович
Дисертація на здобуття наукового ступеня доктора філософії (PhD) за спеціальністю 123 – Комп’ютерна інженерія – Національний технічний університет “Харківський політехнічний інститут”, Харків, 2020. Об’єктом дослідження є процеси управління тяговим рухомим складом за допомогою бортової комп’ютерної системи, що використовується у дизель-потягах серії ДЕЛ-02. Предметом дослідження є моделі, методи та відповідні програмні компоненти, які використовуються в комп’ютерній системі тягового рухомого складу, та розширюють область застосування геометричної теорії управління при синтезі оптимальних керувань рухомим складом, а також методи і засоби розробки сучасних програмних комплексів в рамках розробки комп’ютерної системи підтримки прийняття рішень машиніста дизель-потяга серії ДЕЛ-02. У вступі акцентовано увагу та обгрунтовано актуальність теми, що досліджується, показано зв’язок роботи з науковими програмами, планами та темами, наведено наукову новизну, а також, сформульовано практичне значення отриманих результатів. В першому розділі здійснено аналітичний огляд моделей, методів та програмних компонентах, що використовуються в комп’ютерних системах управління тяговим рухомим складом. Розглянуто особливості структури та роботи подібних систем на залізничному транспорті в Україні та світі (Китай, Індія, Німеччина, країни СНД). На прикладі роботи таких систем було розглянуто їх структуру, технічні характеристики, області застосування та особливості використання. В рамках першого розділу, також, було розглянуто математичну модель об’єкта управління, приклад методу лінеаризації даної математичної моделі, метод пошуку функцій перетворення, що пов’язують змінні лінійної та нелінійної математичної моделей. Також, було розглянуто можливості використання нейромережевої асоціативної пам’яті в системах управління та проаналізовано методи синтезу оптимальних систем управління. В результаті, було обрано основні напрямки досліджень та поставлено основні задачі дисертаційної роботи. В другому розділі було розглянуто питання перетворення нелінійних математичних моделей в еквівалентні лінійні математичні моделі в формі Бруновського. Також, було розглянуто методи спрощення аналітичних перетворень під час виконання процесу лінеаризації за рахунок перетворення до лінійного виду нелінійних систем з різною кількістю одночленів в правих частинах диференційних рівнянь початкового об’єкту, а також, відокремлення лінійного рівняння від системи в цілому. Дані методи було перевірено шляхом моделювання руху по відрізку шляху початкового об’єкту у вигляді нелінійної системи диференційних рівняннь та об’єкту перетвореного у лінійну форму Бруновського, з подальшим порівнянням отриманих результатів, які показали співпадіння, що свідчить про те, що у разі використання даного методу лінеаризації отримується лінійна математична модель, що є повністю еквівалентною початковій недінійній моделі. Додатково, було виконано лінеаризацію більш складної нелінійної математичної моделі, що описує роботу потяга з двома окремими двигунами, перевірка результатів моделювання лінійної моделі показала повну еквівалентність її початковій формі. Результати досліджень дозволили отримати ряд наукових результатів: − визначено залежність кількості та складності розрахунків під час проведення лінеаризації та пошуку функцій перетворень від кількості одночленів в правій частині рівнянь нелінійної математичної моделі; − запропоновано два нових методи пошуку функцій перетворення, що пов’язують змінні лінійної та нелінійної моделей, що дозволяють розширити область застосування ГТУ на об’єкти, праві частини диференційних рівнянь яких містять більше двох одночленів; − запропоновано метод зниження кількості обчислень при виконанні лінеаризації за рахунок відокремлення лінійного рівняння від системи; − виконано перевірку даного методу, який показа свою роботоспроможність на більш складних математичних моделях, зокрема на моделі, що описує роботу потяга з використанням двох еквівалентних двигунів. В третьому розділі розглянуто питання створення нового методу для пошуку функцій перетворення з використанням нейронних мереж. В рамках даного розділу запропоновано нову нейронну мережу, яка може бути використана для пошуку функцій перетворення. Наряду з цим в даному розділі було запропоновано новий табличний метод пошуку функцій перетворення, який є простим та наочним, там може використовуватися для швидкого отримання результатів при виконанні розрахунків. Дослідження, проведені в даному розділі дозволили отримати наступні наукові результати: − створено та запропоновано нову нейронну мережу для пошуку функцій перетворення, що пов’язують змінні нелінійної та лінійної моделей об’єкта управління, а це, в свою чергу, розширює область застосування геометричної теорії управління; − запропоновано новий табличний метод для пошуку функцій перетворення, який є досить простим для сприйняття та достатньо наочним. В рамках цього, запропоновано систему рівнянь в частинних похідних з обмеженнями у вигляді диференціальних нерівностей представляти у вигляді відповідної таблиці, яка дає змогу в наочному вигляді отримувати залежність функцій перетворень від аргументів, також формувати системи лінійних однорідних рівнянь, за допомогою яких можна буде звужувати область пошуку функцій перетворення. В четвертому розділі присвячено увагу програмним компонентом бортової комп’ютерної системи, а також розробленому програмному забезпеченню, що дозволяє розширити область застосування геометричної теорії управління. А саме, було розглянуто нові функціональні можливості розробленого програмного забезпечення, та описано його основні характеристики та структуру. В рамках опису розробленого програмного забезпечення особливу увагу приділено структурі та опису роботи окремих функціональних блоків програми, розробці структури інтерфейсу, надійності програмного забезпечення, компонентів для вирішення завдань управління за допомогою геометричної теорії управління, оцінці якості програмного забезпечення. Також, в даному розділі приведено приклад роботи розробленого програмного забезпечення. Крім того, в даному розділі приведено результати рішення завдання оптимального руху дизель-потягу по маршруту його прямування, в рамках чого було виконано моделювання руху потяга по маршруту та та порівняння отриманих даних з даними руху реального потяга, а також виконано спробу підвищити ефективність руху потяга за рахунок оптимізації окремих множин перегонів з урахуванням особливостей маршруту прямування. В рамках даного розділу були отримані наступні наукові результати: − розроблено нове програмне забезпечення, яке отримало подальший розвиток завдяки використанню можливостей сучасних мов програмування. Розроблене програмне забезпечення є більш стабільним завдяки блоку тестування, більш зручним завдяки створеному графічному інтерфейсу користувача, більш функціональним, адже воно може виконувати процес лінеаризації та пошуку функцій перетворення, але при цьому багато функціональних можливостей є автоматизованими, в вихідних даних наявні коментарі та пояснення, що збільшує рівень зручності користування даним програмним забезпеченням, крім того, характеристики програми відповідають вимогам стандарту з якості програмного забезпечення; − було виконано дослідження залежності кількості спожитого палива під час руху потяга від особливостей рельєфу місцевості, стилю ведення потяга та розкладу його руху. − було запропоновано та протестовано метод зниження кількості спожитого палива, використовуючи особливості рельєфу місцевості, допустимі відставання чи випередження графіку руху потяга, а також визначення оптимального стилю руху як для маршруту в цілому, так і для його окремих частин; − було виконано моделювання руху потяга по реальному маршруту, а результати порівняні з реальним потягом, що курсує цим маршрутом, результати показали правильність моделювання. Отже, дисертаційна робота присвячена розвязанню науково-прикладної задачі, а саме, розробки моделей, методів та програмних компонентів компютерної системи тягового рухомого складу, яка створена на основі узагальнених математичних моделей, розробленого програмного забезпечення, а також засобів оптимізації управління рухомими об’єктами з використанням нових методів, а також використання нової стуктури нейронних мереж для пошуку функцій перетворення, що дозволило розширити область застосування геометричної теорії управління, що створює передумови для розробки автоматичних систем управління потягом та дозволяє поліпшити характеристики, повязані з об’ємами споживання енергоресурсів. Вдосконалена модель дизель-потяга враховує основні види взаємодії потяга та профілю шляху, а саме, повороти, нахили, а також роботу двигунів потяга, що адекватно відображає протікаючі в реальному дизель-потязі процеси. Було створено спеціалізоване програмне забезпечення, що має графічний інтерфейс користувача, а також відповідає вимогам оцінки якості програмного забезпечення. Дане програмне забезпечення реалізує вдосконалену структуру людино-машинної системи, дає можливість виконати автоматизацію аналітичних перетворень геометричної теорії управління у формі Бруновського. Нова структура нейронних мереж, базується на нейронних мережах типу АРТ, що дозволяє вирішувати завдання, що мають декілька рішень. Це дозволило виконати розробку нового методу пошуку функцій перетворення, які зв’язують змінні нелінійних та лінійних моделей у формі Бруновського. Для збільшення ефективності процесу лінеаризації було запропоновано декілька методів спрощення процесу розрахунків за рахунок зменшення кількості елементів в правій частині початкової системи диференційних рівнянь, та за рахунок відокремлення першого рівняння, яке саме по собі вже є лінійним, від загальної системи в цілому. Виконані дослідження та розробки дозволили вдосконалити структуру бортової компютерної системи підтримки прийняття рішень машиніста дизель потяга, що дозволило, в реальних умовах руху динамічного об’єкту, під час змін дорожніх умов, виконувати перерахунки та видавати машиністу нові закони керування, які дозволять продовжити рух по маршруту з дотриманням графіку та мінімальними витратами паливо-енергетичних ресурсів. Проведені дослідження на реальному обєкті та математичних моделях. Результати досліджень підтвердили правильність використовуваних інструментів, методів та алгоритмів, на основі яких були запропоновані відповідні рішення, які лягли в основу розробленого програмного забезпечення.
Система підтримки прийняття діагностичних рішень при аналізі цифрових медичних зображень
(Національний технічний університет "Харківський політехнічний інститут", 2023) Шехна, Халед
Дисертація на здобуття наукового ступеня доктора філософії (PhD) за спеціальністю 123 – Комп’ютерна інженерія – Національний технічний університет “Харківський політехнічний інститут ”, Харків, 2023. Дисертація присвячена вирішенню актуальної науково-практичної задачі підвищення ефективності виявлення анатомічних та патологічних структур на слабо контрастних напівтонових зображеннях молочної залози шляхом розробки формалізованої моделі процесу мамографічного обстеження, математичних методів реалізації її окремих етапів та розробка системи підтримки прийняття рішень за допомогою сучасних інформаційних технологій. Метою дисертаційної роботи є удосконалення методів аналізу напівтонових біомедичних зображень в мамографічних системах підтримки прийняття рішень. Об'єктом дослідження є процес аналізу анатомічних та патологічних структур на цифрових мамограмах. Предметом дослідження виступають методи виділення та класифікації анатомічних та патологічних структур на цифрових мамограмах. У вступі акцентовано увагу та обґрунтовано актуальність теми, що досліджується, показано зв’язок роботи з науковими програмами, планами та темами, наведено наукову новизну та практичне значення отриманих результатів.В першому розділі проаналізовано види досліджень молочних залоз та показана важливість мамографічних обстежень, які є найбільш безпечними і недорогими, та мають достатню інформативність, особливо на ранніх етапах діагностики патології молочної залози. Виконано аналіз методів цифрової обробки біомедичних зображень та розглянуті особливості побудови систем підтримки прийняття рішень в медицині біомедичних зображень. Показано, що існуючі методи цифрової обробки зображень мають обмежену сферу застосування при обробці мамограм, оскільки зазначені зображення малоконтрастні, містять значну шумову складову, а параметри діагностичних елементів – значну варіабельність. Крім того, такі елементи мамограм, як зовнішньопротокові утворення та мікрокальцинати мають регулярну (фрактальну) структуру. Обгрунтована актуальність обраної теми роботи та встановлена доцільність розробки спеціалізованих методів пошуку анатомічних і патологічних структур на цифрових мамограмах, а також класифікацію мамограм відповідно до типів виявлених патологій. Отримані висновки дали змогу сформулювати мету роботи та задачі дослідження. В другому розділі виконана формалізація етапів процесу проведення мамографічних досліджень лікарем-мамологом та виділені критичні елементи мамографічної СППР, які можуть призвести до вироблення некоректних рішень або відмови від прийняття рішення. Виконана формалізації етапів процесу проведення мамографічних досліджень та розроблена узагальнена модель процесу, яка включає функціональну, структурну, інформаційну та математичну модель, які в остаточному підсумку дозволяють підвищити достовірність та обґрунтованість лікарських рішень та мінімізувати ризики лікарських помилок. В третьому розділі розглянуто особливості процесу морфологічного аналізу цифрових мамограм. Відмічено, що мамограма відноситься до класу біомедичних зображень з локально зосередженими ознаками. Завданням морфологічного аналізу є виділення на фоні завад інформативних структурних елементів мамограм, параметри яких слугують для формування простору діагностичних ознак. Показано перспективність використання фрактального аналізу для дослідження та класифікації мамограм, зокрема, для діагностики раку молочної залози на ранніх стадіях розвитку. Розроблено метод морфологічного аналізу цифрових маммограм з урахуванням їхньої фрактальної розмірності. Наведено відповідні математичні вирази та пропонується алгоритм обчислення фрактальної розмірності напівтонових зображень мамограм, або їх виділених фрагментів – зон інтересу. В четвертому розділі виконано розробку комбінованого діагностичного вирішального правила. Відмічено два підходи при постановці діагнозу: – традиційна діагностика, де кожне захворювання характеризується деяким набором значень діагностичних ознак (симптомів), які формують симптомокомплекс захворювання, та є експертною оцінкою кожного захворювання (суб’єктивна складова); – задача класифікації, в якій моделлю об’єкта діагностики є "чорна шухляда", і шукається залежність між формалізованими станами об’єкта діагностики (множиною діагностичних станів в заданій предметній області) і вектором вхідних діагностичних ознак (об’єктивна складова). Вказана залежність визначається на етапі навчання при аналізі навчальної вибірки, елементами якої виступають пацієнти з підтвердженим діагнозом, а в подальшому на етапі класифікації вона використовується для постановки діагнозу нових пацієнтів при аналізі вектору вхідних ознак. Обґрунтовано застосування в якості об’єктивної складової метод порівняння з еталоном, та розглянуто механізми врахування експертних оцінок щодо структури симптомокомплексу при обчисленні координат еталонів класів. В п’ятому розділі розроблена структура СППР проведення мамографічних обстежень на основі розроблених раніше функціональної, інформаційної, структурної та математичної моделей. Сформовано вимоги, яким повинна задовольняти система та розглянуто функціональне призначення основних модулів системи. Тестова перевірка виконувались за допомогою інтерактивного середовища MatLab із вбудованою високорівневою мовою програмування. Виконано тестування розроблених в дисертації методів на реальних даних, яке підтвердило їх працездатність та ефективність. У висновках наведено основні результати наукової роботи щодо вирішення поставлених наукових задач дослідження. За результатами дослідження отримано такі наукові результати: – удосконалено загальну модель процесу маммографічного обстеження, яка включає функціональну, структурну, інформаційну та математичні моделі шляхом формалізації етапів: введення діагностичних даних та попередня обробка мамограм з урахуванням особливостей їхнього відображення на слабоконтрастних напівтонових зображеннях молочної залози; фрактальна обробка цифрових мамограм з метою формування системи діагностичних ознак; розробка діагностичного вирішального правила формування комп’ютерного діагнозу; вироблення рішення щодо проведення діагностико-лікувального процесу, що дозволило застосувати формальні методи реалізації відмічених етапів; – набув подальший розвиток метод виділення та класифікації анатомічних та патологічних структур на цифрових маммограмах, включаючи внутрішньопротокові утворення та мікрокальцинати шляхом розрахунку їх фрактальної розмірності, що дозволило сформувати вектор діагностичних ознак для постановки комп’ютерного діагнозу; – вперше розроблено комбіноване діагностичне вирішальне правило на основі модифікації методу порівняння з еталоном шляхом внесення експертної інформації щодо структури симптомокомплексів при обчисленні координат прототипів класів, яке дозволяє врахувати як об’єктивну ймовірністну складову, так і суб’єктивну складову процесу постановки діагнозу, яка є формалізацією експертної оцінки структури симптомокомплексу вказаного захворювання. Запропоновано варіанти спільного використання його складових (колектив вирішальних правил, зважування та підсумовування оцінок). Практичне значення отриманих результатів для галузі інформаційних технологій полягає в тому, що розроблені в дисертаційній роботі методи фрактальної обробки цифрових мамограм слугують науково-методичною основою для розробки відповідного інформаційного, алгоритмічного та програмного забезпечення. Розроблена комп’ютерна система, яка забезпечує підтримку прийняття рішення при класифікації цифрових мамограм на предмет наявності/відсутності патологічних структур з метою подальшої діагностики. Результати дисертаційної роботи впроваджені у навчальний процес НТУ “ХПІ” на кафедрі “Комп’ютерна інженерія та програмування” при вивченні дисциплін «Обробка сигналів та зображень», «Проектування комп'ютерних діагностичних систем», «Основи наукових досліджень» та в дипломному і курсовому проектуванні.
Система підтримки прийняття рішень в кардіології на основі методу визначення електричної осі серця
(2023) Фахс, Мохамад Хассан
Дисертація на здобуття наукового ступеня доктора філософії (PhD) за спеціальністю 123 – Комп’ютерна інженерія. – Національний технічний університет “Харківський політехнічний інститут”, Харків, 2023. Дисертація присвячена вирішенню актуальної науково-практичної задачі удосконалення методів аналізу біомедичних сигналів із локально зосередженими ознаками в кардіологічних системах підтримки прийняття рішень. Метою дисертаційної роботи є підвищення ефективності електрокардіологічного дослідження пацієнтів і зниження ризиків прийняття невірних діагностичних рішень за рахунок удосконалення існуючих методів морфологічного аналізу біомедичних сигналів із локально зосередженими ознаками та проектування кардіологічних систем підтримки прийняття рішень на основі цих методів. Об’єктом дослідження є процес формування діагностичних рішень в умовах суттєвої апріорної невизначеності на основі функціональної діагностики стану серцево-судинної системи. Предметом виступають методи та засоби побудови біомедичних систем підтримки прийняття рішень для проведення електрокардіографічного дослідження серцево-судинної системи. У першому розділі виконано постановку науково-практичної задачі удосконалення методів аналізу біомедичних сигналів із локально зосередженими ознаками в кардіологічних системах підтримки прийняття рішень. Досліджено особливості побудови біомедичних систем підтримки прийняття рішень в кардіології. Показана необхідність у розробці нових моделей процесу електрокардіологічного дослідження та методів аналізу біомедичних сигналів із локально зосередженими ознаками з метою забезпечення якісного лікувально-діагностичного процесу та запобігання подальшому розвитку захворювань серця та серцево-судинної системи. Отримані висновки дали змогу сформулювати мету роботи та задачі дослідження. В другому розділі виконано системний аналіз процесу вироблення діагностичних рішень з метою виділення критичних елементів кардіологічної СППР, які можуть призвести до вироблення некоректних рішень або відмови від прийняття рішень, що дало змогу представити процес ЕКГ дослідження у вигляді узагальненої моделі, яка складається з функціональної, інформаційної та структурної моделей ЕКГ дослідження. На основі розроблених функціональної та інформаційної моделей запропоновано структурну схему апаратно-програмного комплексу для проведення електрокардіологічного дослідження. В третьому розділі розроблено новий метод автоматичного визначення електричної осі серця, який за зміною амплітуд у 6 стандартних відведеннях від кінцівок дає змогу обчислити положення електричної осі серця без необхідності морфологічного аналізу електрокардіограми. Продемонстровано роботу розробленого методу автоматичного визначення електричної осі серця для різних випадків розташування електричної осі серця і патологічних станів серцево-судинної системи. В четвертому розділі виконано верифікацію результатів розрахунку електричної осі серця за допомогою запропонованого в дисертаційній роботі методу з використанням бази даних електрокардіограм, що були записані за допомогою транстелефонного цифрового 12-канального ЕКГ комплексу «Телекард» (виробництво ТОВ «Компанія TREDEX», м. Харків) і розшифровані лікарями-кардіологами комунального некомерційного підприємства Харківської обласної ради «Центр екстреної медичної допомоги та медицини катастроф». У висновках наведено основні результати наукової роботи щодо вирішення поставлених наукових задач дослідження. За результатами дослідження отримано такі наукові результати: – одержали подальший розвиток методи системного аналізу, які полягають у побудові узагальненої моделі процесу електрокардіологічного дослідження у вигляді сукупності функціональної, інформаційної та структурної моделей, що дала змогу виділити основні джерела та потоки інформації, критичні етапи обробки діагностичної інформації з метою підвищення ефективності електрокардіологічного дослідження; – вперше розроблено структурну модель електрокардіологічного дослідження у вигляді ймовірнісно-часового графа, за допомогою якої отримано аналітичні вирази, що описують процес вироблення діагностичних рішень у результаті електрокардіологічного дослідження при заданих початкових умовах, а також визначено критерії ефективності проведення електрокардіологічного дослідження, що дало змогу виконати аналіз та оптимізацію як усього процесу електрокардіологічного дослідження, так і окремих його етапів; – вперше розроблено метод автоматичного визначення електричної осі серця, що заснований на обчисленні інтегрального сигналу за шістьма стандартними відведеннями від кінцівок і кластерному аналізі, що дало змогу підвищити ймовірність правильного обчислення положення електричної осі серця без необхідності проводити морфологічний аналіз електрокардіограми. Практичне значення отриманих результатів полягає в тому, що розроблені в дисертаційній роботі моделі процесу електрокардіологічного дослідження та метод автоматичного визначення електричної осі серця є науково-методичною основою для розробки відповідних алгоритмів і програмного забезпечення. Практична цінність отриманих результатів полягає в наступному: – розроблено програмне забезпечення для знаходження аналітичних виразів твірної функції, ймовірності та середнього часу проведення електрокардіологічного дослідження за запропонованою структурною моделлю; – розроблена структурна схема апаратно-програмного комплексу для проведення електрокардіологічного дослідження; – розроблено програмне забезпечення для визначення електричної осі серця. Результати дисертаційної роботи впроваджено у вигляді моделей, алгоритмів і програмних модулів для рішення задач підтримки прийняття рішень у біомедичних системах, що підтверджено актом про впровадження на кафедрі «Комп’ютерна інженерія та програмування» Національного технічного університету «Харківський політехнічний інститут» у науково-дослідній роботі й навчальному процесі під час вивчення дисциплін «Обробка сигналів і зображень», «Проектування комп’ютерних діагностичних систем», «Основи наукових досліджень», а також у курсових і дипломних роботах бакалаврів і магістрів за спеціальністю «Комп’ютерна інженерія» (м. Харків).

Переглянути

Перегляд 123 "Комп'ютерна інженерія" за Назва

Результатів на сторінці

Налаштування сортування