Технологія кластеризації даних інформаційного ресурсу за кількісною ознакою

В. В. Бараннік, І. М. Тупиця, В. В. Бараннік, А. Д. Сорокун

Анотація


У статті розглянуті питання, пов'язані з розробкою та дослідженням технології кластеризації даних інформаційного ресурсу з використанням методу внутрішньої реструктуризації за кількісною ознакою - ознакою кількості серій одиниць для більш вигідного представлення кодованих даних. Проаналізовано недоліки існуючих методів реструктуризації даних – методів зовнішньої реструктуризації. З метою усунення недоліків методів зовнішньої реструктуризації даних інформаційного ресурсу пропонується принципово новий підхід внутрішня реструктуризація. Інструментом кластеризації виступає внутрішня реструктуризація даних, яка полягає у виявленні закономірностей у внутрішній структурі елементів повідомлення за кількісною ознакою. В якості кількісної ознаки використовується ознака кількості серій одиниць. Аналізуються вимоги, які пред'являються до технології кластеризації даних інформаційного ресурсу. Проводиться порівняльний аналіз існуючих методів реструктуризації даних. Для підвищення ефективності статистичного кодування з позиції підвищення захисту інформаційного ресурсу і скорочення довжини на подання інформації пропонується використовувати технологію кластеризації даних інформаційного ресурсу за ознакою кількості серій одиниць.

Ключові слова


кластеризація; внутрішня реструктуризація; ознака кількості серій одиниць

Посилання


Сэломон Д. Сжатие данных, изображений и звука: Пер. с англ. В.В. Чепыжова. М.: Техносфера, 2004. с. 368.

Кудряшов Б. Д. Теория информации. СПб: Питер, 2009. с. 320.

Гонсалес Р., Вудс Р. Цифровая обработка изображений. М.: Техносфера, 2005. p.1073.

Miano J. Compressed image file formats: JPEG, PNG, GIF, XBM, BMP / by John Miano, 1999. 264 p.

Мандель И. Д. Кластерный анализ. М.: Финансы и Статистика, 1988.

Pratt W. K., Chen W. H., Welch L. R. Slant transform image coding. Proc. Computer Processing in communications. New York: Polytechnic Press, 1969. P. 63 84.

Jain A., Murty M., Flynn P. Data clustering: A review // ACM Computing Surveys, 1999, Vol. 31, no. 3, pp. 264–323.

J. Miano. Formats and image compression algorithms in action [Text]. K.: Triumph, 2013. 336p.

Ding Z., Chen H., Gua Y., Peng Q. GPU accelerated interactive space-time video matting. In Computer Graphics International. 2010. P. 163 168.

Lee S. Y., Yoon J. C. Temporally coherent video matting. Graphical Models 72. 2010. P. 25-33.

Воронцов К.В. Алгоритмы кластеризации и многомерного шкалирования. Курс лекций. МГУ, 2007.

Lazarovych I., Melnychuk S., Kozlenko M. Optimization of entropy estimation computing algoritm for random signals in digital communication devices. Advanced Trends in Radioelecrtronics, Telecommunications and Computer Engineering (TCSET), 14th International Conference, 2018. P. 1073-1078.

Tso B., Mather P.M. Classification methods for remotely sensed data. US, CRC Press, 2009, 349 p.

Grundmann M., Kwatra V., Han M., Essa I. Efficient hierarchical graph based video segmentation. IEEE CVPR. 2010. P. 85 91.

Zhang Y., Negahdaripour S. and Li Q. Error-resilient coding for underwater video transmission, OCEANS 2016 MTS/IEEE Monterey, Monterey, CA, 2016, pp. 1-7.

Musienko A., Ganjaric J. Technology of coding of digital aerial photographs taking into account classes of a semantic saturation of blocks in system of air monitoring. Engineer of XXI Century: VII Inter University Conference of Students, PhD Students and Young Scientists (08 December 2016, University of Bielsko-Biała (ATH)), Bielsko-Biała, Poland, 2016. pp. 215-220.

Barannik V. V., Alimpiev A. N., Sidchenko S. A. The method of cryptocompression presentation of videoinformation resources in a generalized structurally positioned space. Telecommunications and Radio Engineering [English translation of Elektrosvyaz and Radiotekhnika], Vol. 76, 2017 Issue 6 journal-article, p. 521-534, DOI: 10.1615/TelecomRadEng.v76.i6.60

Barannik V. V., Ryabukha Yu. N., Tverdokhleb V. V., Baranmk D. V. Methodological basis for constructing a method for compressing of transformants bit representation, based on non-equilibrium positional encoding. 2nd IEEE International Conference on Advanced Information and Communication Technologies, AICT 2017, Proceedings, Lviv, 2017, pp. 188 - 192. DOI: 10.1109 / AIACT.2017.8020096

Barannik V., Tupitsya I., Shulgin S., Sidchenko S. and Larin V. The application for internal restructuring the data in the entropy coding process to enhance the information resource security. 2016 IEEE East-West Design & Test Symposium (EWDTS), Yerevan, Armenia, 2016, pp. 561-565. DOI:10.1109/EWDTS.2016.7807749

Barannik V., Sidchenko S., Tupitsya I. and Stasev S., Synthesis of combined crypto-compressed systems for providing safety video information in info-communications. 2015 IEEE East-West Design & Test Symposium (EWDTS), Batumi, Georgia, 2015, pp. 1-4. DOI:10.1109/EWDTS.2015.7493145

Barannik V., Tupitsya I., Sidchenko S., Tarnopolov R. The method of crypto-semantic presentation of images based on the floating scheme in the basis of the upper boundaries. 2nd International Scientific-Practical Conference Problems of Infocommunications Science and Technology, PIC S and T 2015 (13 – 15 October 2015, Kharkiv, Ukraine), pp. 248-250, DOI: Org/10.1109/Infocommst.2015.7357326


Повний текст: PDF

Посилання

  • Поки немає зовнішніх посилань.


E-ISSN 2310-5461, ISSN 2075-0781

Creative Commons License
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivs 3.0 Unported License.

Ulrich's Periodicals DirectoryIndex CopernicusDOAJSSMРИНЦWorldCatCASBASEDRIVERНаціональна бібліотека ім. ВернадськогоНауково-технічна бібліотека НАУ