Институт проблем информатики Российской Академии наук
 Институт проблем информатики Российской Академии наук
 Российская Академия наук

Институт проблем информатики Российской Академии наук

Русский | English     Контакты

Об институтеНаправления деятельностиНаучно-исследовательские работы и проектыОбъекты интеллектуальной собственностиНаучные журналы ИПИ РАНДругие публикацииСеминары и конференции


Поиск:

«INFORMATICS AND APPLICATIONS»
Scientific journal
Volume 6, Issue 1, 2012

Content | Abstract | About  Authors

Bibliography

SKEW STUDENT DISTRIBUTIONS, VARIANCE-GAMMA DISTRIBUTIONS AND THEIR GENERALIZATIONS AS ASYMPTOTIC APPROXIMATIONS.

  • V. Korolev  Faculty of Computational Mathematics and Cybernetics, M.V. Lomonosov Moscow State University; IPI RAN, vkorolev@comtv.ru
  • I.A. Sokolov  IPI RAN, isokolov@ipiran.ru

literature

  1. Barndorff-Nielsen O. E. Exponentially decreasing distributions for the logarithm of particle size // Proc. R. Soc. A, 1977. Vol. 353. P. 401–419.
  2. Eberlein E., Keller U. Hyperbolic distributions in finance // Bernoulli, 1995. Vol. 1. No. 3. P. 281–299.
  3. Prause K. Modeling financial data using generalized hyperbolic distributions. — Freiburg: Universit.at Freiburg, Institut f.ur Mathematische Stochastic, 1997. Preprint No. 48.
  4. Eberlein E., Keller U., Prause K. New insights into smile, mispricing and value at risk: The hyperbolic model // J. Business, 1998. Vol. 71. P. 371–405.
  5. Barndorff-Nielsen O. E. Processes of normal inverse Gaussian type // Finance Stochastics, 1998. Vol. 2. P. 41–18.
  6. Eberlein E., Prause K. The generalized hyperbolic model: Financial derivatives and risk measures. — Freiburg: Universit.at Freiburg, Institut f.urMathematische Stochastic, 1998. Preprint No. 56.
  7. Eberlein E. Application of generalized hyperbolic L`evy motions to finance. — Freiburg: Universit.at Freiburg, Institut f.ur Mathematische Stochastic, 1999. Preprint No. 64.
  8. Королев В.Ю. Вероятностно-статистические методы декомпозиции волатильности хаотических процессов. —М.: Изд-воМГУ, 2011. 510 с.
  9. Aas K., Haff I.H. The generalized hyperbolic skew Student’s t-distribution // J. Financial Econometrics, 2006. Vol. 4. No. 2. P. 275–309.
  10. Kim Y., McCulloch J.H. The skew-student distribution with application to U.S. stock market returns and the equity premium. — Columbus: Department of Economics, Ohio State University, 2007. Preprint.
  11. Madan D.B., Seneta E. The variance gamma (V.G.) model for share market return // J. Business, 1990. Vol. 63. P. 511–524.
  12. Carr P. P., Madan D. B., Chang E. C. The Variance Gamma process and option pricing // European Finance Rev., 1998. Vol. 2. P. 79–105.
  13. Гнеденко Б. В., Колмогоpов А.Н. Пpедельные pаспpеделения для сумм независимых случайных величин. —М.–Л.: ГИТТЛ, 1949.
  14. Gnedenko B. V., Korolev V. Yu. Random summation: Limit theorems and applications. — Boca Raton: CRC Press, 1996.
  15. Kotz S., Kozubowski T. J., Podgorski K. The Laplace distribution and generalizations: A revisit with applications to communications, economics, engineering and finance.— Boston: Birkhauser, 2001.
  16. Королев В.Ю., Бенинг В. Е., Шоргин С. Я. Математические основы теории риска. — 2-е изд., перераб. и доп.—М.: Физматлит, 2011. 620 с.
  17. Королев В.Ю. Сходимость случайных последовательностей с независимыми случайными индексами. II // Теория вероятностей и ее применения, 1995. Т. 40. Вып. 4. С. 907–910.
  18. Королев В.Ю. Сходимость случайных последовательностей с независимыми случайными индексами. I // Теория вероятностей и ее применения, 1994. Т. 39. Вып. 2. С. 313–333.
  19. Korolev V. Yu. A general theorem on the limit behavior of superpositions of independent random processes with applications to Cox processes // J.Math. Sci., 1996. Vol. 81. No. 5. P. 2951–2956.
  20. Бенинг В. Е., Королев В.Ю. Об использовании распределения Стьюдента в задачах теории вероятностей и математической статистики // Теория вероятностей и ее применения, 2004. Т. 49. Вып. 3. С. 417–435.
  21. Гумбель Э. Статистика экстремальных значений. — М.:Мир, 1965.
  22. Wilks S. S.Recurrence of extreme observations // J. Amer. Math. Soc., 1959. Vol. 1. No. 1. P. 106–112.
  23. Невзоров В. Б. Рекорды. Математическая теория. — М.: Фазис, 2000.
  24. Гнеденко Б. В., Фахим Х. Об одной теореме переноса // Докл. АН СССР, 1969. Т. 187.№1. С. 15–17.
  25. Королев В.Ю., Шоргин С. Я. Математические методы анализа стохастической структуры информационных потоков.—М.: ИПИ РАН, 2011. 130 с.
  26. Stacy E.W. A generalization of the gamma distribution // Annals Math. Statistics, 1962. Vol. 33. P. 1187–1192.
  27. Kalashnikov V. V. Geometric sums: Bounds for rare events with applications.—Dordrecht:KluwerAcademic Publs., 1997.
  28. Королев В.Ю., Соколов И. А. Математические модели неоднородных потоков экстремальных событий. — М.: ТОРУС ПРЕСС, 2008.
  29. Королев В.Ю. О распределении размеров частиц при дроблении // Информатика и её применения, 2009. Т. 3. Вып. 3. С. 60–68.


MATHEMATICAL SUPPORT FOR NONLINEAR MULTICHANNEL CIRCULAR STOCHASTIC SYSTEMS ANALYSIS BASED ON DISTRIBUTION PARAMETRIZATION .

  • I.N. Sinitsyn  IPI RAN, sinitsin@dol.ru

literature

  1. Синицын И.Н. Канонические разложения случайных функций и их применение в стохастических информационных технологиях научных исследований: Курс лекций // Распознавание образов и анализ изображений: новые информационные технологии. РОАИ-10- 2010: Мат-лы 1-й Междунар. конф.— СПб., 2010.
  2. Синицын И.Н. Стохастические информационные технологии для исследования нелинейных круговых стохастических систем //Информатика и её применения, 2011. Т. 5. Вып. 4. С. 2–5.
  3. Синицын И.Н., Корепанов Э. Р., Белоусов В. В. и др. Развитие компьютерной поддержки статистических научных исследований систем высокой точности и доступности // Cистемы и средства информатики, 2011. Вып. 21. №1. С. 7–37.
  4. Sinitsyn I.N., Belousov V. V., Konashenkova T.D. Software tools for circular stochastic systems analysis // 29th Seminar (International) on Stability Problems for Stochastic Models and 5th Workshop «Applied Problems in Theory of Probabilities and Mathematical Statistics Related to Modeling of Information Systems» (APTP + MS’2011): Book on Abstracts. —M.: IPIRAS, 2011. P. 86–87.
  5. Босов А. В., Будзко В.И., Захаров В.Н., Козмидиади В. А., Корепанов Э. Р., Синицын И.Н., Шоргин С. Я., Ушмаев О. С. Информатика: состояние, проблемы, перспективы / Под. ред. И. А. Соколова. — М.: ИПИ РАН, 2009.
  6. Пугачев В. С., Синицын И.Н. Стохастические дифференциальные системы. Анализ и фильтрация. — 2-е изд. доп. —М.: Наука, 1990.
  7. Пугачев В. С., Синицын И.Н. Теория стохастических систем. — 2-е изд. —М.: Логос, 2004.
  8. Синицын И.Н. Канонические представления случайных функций и их применения в задачах компьютерной поддержки научных исследований. — М.: ТОРУС ПРЕСС, 2009.




ANALYSIS AND OPTIMIZATION PROBLEMS FOR SOME USERS ACTIVITY MODEL.
PART 2. INTERNAL RESOURCES OPTIMIZATION.

  • A. V. Bosov  IPI RAN, AVBosov@ipiran.ru

literature

  1. Босов А.В. Задачи анализа и оптимизации для модели пользовательской активности. Часть 1. Анализ и прогнозирование // Информатика и её применения, 2011. Вып. 4. Т. 5. С. 40–52.
  2. Информационный Веб-портал: Свидетельство об официальной регистрации программы для ЭВМ №2005612992 от 18.11.2005.
  3. Kelly F. P., Maulloo A., Tan D. Rate control in communication networks: Shadow prices, proportional fairness and stability // J. Operational Research Soc., 1998. Vol. 49. P. 237–252.
  4. Low S.H., Paganini F., Doyle J. C. Internet congestion control // IEEE Control Syst. Magazine, 2002. Vol. 22. No. 1. P. 28–43.
  5. Миллер Б.М., Миллер Г. Б., Семенихин К. В. Методы синтеза оптимального управления марковским процессом с конечным множеством состояний при наличии ограничений // Автоматика и телемеханика, 2011.№2. С. 111–130.
  6. Босов А. В. Моделирование и оптимизация процессов функционирования Информационного веб-портала // Программирование, 2009. №6. С. 53–66.
  7. Флеминг У., Ришел Р. Оптимальное управление детерминированными и стохастическими системами. — М.:Мир, 1978.
  8. Бертсекас Д., Шрив С. Стохастическое оптимальное управление. —М.: Наука, 1985.
  9. Коган М.М., Неймарк Ю.И. Адаптивное локально- оптимальное управление // Автоматика и телемеханика, 1987.№8. С. 126–136.
  10. Босов А. В., Панков А. Р. Алгоритмы управления в системах с переключающимися каналами наблюдения // Изв. РАН. Сер. Теория и системы управления, 1996.№2. С. 98–103.
  11. Босов А. В., Панков А. Р. Алгоритмы управления для дискретных систем случайной структуры // Автоматика и телемеханика, 1997. №10. С. 113–125.


ON A VIRTUAL WAITING TIME IN THE QUEUEING SYSTEMWITH HEAD-OF-THE-LINE PRIORITY AND HYPEREXPONENTIAL INPUT STREAM.

  • A. V. Ushakov  IPI RAN, grimgnau@rambler.ru

literature

  1. Ушаков В. Г. Система обслуживания с эрланговским входящим потоком и относительным приоритетом // Теория вероятности и ее примениния, 1977. Т. 22. С. 860-866.
  2. Матвеев В.Ф., Ушаков В. Г. Системы массового обслуживания. -М.:МГУ, 1984.
  3. Ушаков В. Г. Аналитические методы анализа системы массового обслуживания GI|Gr|1|oo с относительным приоритетом // Вестн. Моск. ун-та. Сер. 15. Вычисл. матем. и киберн., 1993.№4. С. 57-69.
  4. Ушаков В. Г. О длине очереди в однолинейной системе массового обслуживания с чередованием приоритетов // Вестн. Моск. ун-та. Сер. 15. Вычисл. матем. и киберн., 1994.№2. С. 29-36.


A REFINEMENT OF NONUNIFORM ESTIMATES OF THE RATE OF CONVERGENCE IN THE CENTRAL LIMIT THEOREM UNDER THE EXISTENCE OF MOMENTS OF ORDER NOT HIGHER THAN THE SECOND.

  • S. V. Popov  Faculty of Computational Mathematics and Cybernetics, M. V. Lomonosov Moscow State University, popovserg@yandex.ru

literature

  1. Chen L.H. Y., Shao Q.M. A non-uniform Berry–Esseen bound via Stein’s method // Prob. Theory Related Fields, 2001. Vol. 120. P. 236–254.
  2. Thongtha P., Neammanee K. Refinement of the constants in the non-uniform version of the Berry–Esseen theorem // Thai J.Math., 2007. Vol. 5. P. 1–13.
  3. Neammanee K., Thongtha P. Improvement of the nonuniform version of the Berry–Esseen inequality via Paditz– Shiganov theorems // J. Inequalities Pure Appl. Math., 2007. Vol. 8. Iss. 4. Art. 92.
  4. Королев В.Ю., Попов С.В. Уточнение оценок скорости сходимости в центральной предельной теореме при отсутствии моментов порядков, больших второго // Статистические методы оценивания и проверки гипотез. — Пермь: ПермГУ, 2011. С. 32–45.
  5. Шевцова И. Г. Уточнение оценок скорости сходимости в теореме Ляпунова // Докл. РАН, 2010. Т. 435. Вып. 1. С. 26–28.
  6. Григорьева М.Е., Попов С.В. О неравномерных оценках скорости сходимости в центральной предельной теореме // Докл. РАН, 2012 (в печати).


COMPUTER SYSTEM OPTIMIZATION USING SIMULATION MODEL AND ADAPTIVE ALGORITHMS.

  • M.G. Konovalov  IPI RAN, mkonovalov@ipiran.ru

literature

  1. Коновалов М. Г., Малашенко Ю. Е., Назарова И. А. Модели и методы управления заданиями в системах распределенных вычислительных ресурсов. — М.: ВЦ РАН, 2009. 110 с. (Сообщения по прикладной математике.)
  2. Голосов П. Е., Козлов М. В., Малашенко Ю. Е., Назарова И. А., Ронжин А.Ф.М одель системы управления специализированным вычислительным комплексом. — М.: ВЦ РАН, 2010. 48 с. (Сообщения по прикладной математике.)
  3. Коновалов М. Г., Малашенко Ю.Е., Назарова И. А.  Управление заданиями в гетерогенных вычислительных системах // Известия РАН. Теория и системы управления, 2011.№2. С. 72–90.
  4. Коновалов М. Г. Методы адаптивной обработки информации и их приложения. — М.: ИПИ РАН, 2007. 212 с.
  5. Хоар Ч. Взаимодействующие последовательные процессы. —М.:Мир, 1989.


EXTRACTION OF IMPLICIT INFORMATION FROM THE TEXTS IN NATURAL LANGUAGE:
PROBLEMS AND METHODS.

  • I. P. Kuznetsov  IPI RAN, igor-kuz@mtu-net.ru
  • N. V. Somin  IPI RAN, somin@post.ru

literature

  1. Kuznetsov I., Kozerenko E. The system for extracting semantic information from natural language texts //Conference (International) onMachine Learning (MLMTA-03) Proceedings.— Las Vegas, 2003. P. 75–80.
  2. Кузнецов И.П. Семантико-ориентированная система обработки неформализованной информации с выдачей результатов на естественном языке // Системы и средства информатики. — М.: Наука, 2006. Вып. 16. С. 235–253.
  3. Кузнецов И.П., Мацкевич А. Г. Семантико-ориентированные системы на основе баз знаний. — М.: МТУСИ, 2007. 173 с.
  4. Кузнецов И.П. Объектно-ориентированная система, основанная на знаниях в виде XML-представлений // Системыи средства информатики.—М.:Наука, 2008. Вып. 18. С. 96–118.
  5. Kuznetsov I. P., Kozerenko E. B. Linguistic processor Semantix for knowledge extraction from natural texts in Russian and English // Conference (International) on Artificial Intelligence (ICAI 2008) Proceedings. — Las Vegas: CSREA Press, 2008. P. 835–841.
  6. Падучева Е. В. Высказывание и его соотнесенность с действительностью. —М.: Наука, 1985.
  7. Кондрашова Д. С. К проблеме классификации типов имплицитной информации // Cognitive Modelling in Linguistics: Мат-лы VIII Междунар. конф. — Варна, 2005. Т. 1. С. 245–252.
  8. Пирогова Ю.К. Имплицитная информация как средство коммуникативного воздействия и манипулирования // Проблемы прикладной лингвистики. —М., 2001. С. 209–227.
  9. Asher N., Lascarides A. Logics of conversation. — Cambridge: Cambridge University Press, 2003.
  10. Clark P., Harrison P., Thompson J. Aknowledge-driven approach to text meaning processing // HLT-NAACL 2003 Workshop on TextMeaning Proceedings, 2003. P. 1–6.
  11. Анохина Н. В. Роль пресуппозиции и импликации в процессе понимания научно-популярного текста // Вестник Башкирского ун-та, 2009. Т. 14.№1. С. 92– 94.
  12. Кузнецов И.П., Сомин Н.В. Средства настройки семантико-ориентированной системы на выделение и поиск объектов // Системы и средства информатики. —М.: Наука, 2008. Вып. 18. С. 119–143.
  13. Сомин Н. В., Кузнецов И.П., Мацкевич А. Г., Николаев В. Г. Методы и средства настройки морфо-лексического анализатора на предметную область //Системы и средства информатики.—М.: Наука, 2009. Вып. 19. С. 96–118.
  14. Кузнецов И.П., Сомин Н.В. Англо-русская система извлечения знаний из потоков информации в интернет-среде //Системыи средства информатики.—М.: Наука, 2007. Вып. 17. С. 236–254.
  15. Кузнецов И.П., Сомин Н.В. Особенности лексико-морфологического анализа при извлечении информационных объектов и связей из текстов естественного языка // Компьютерная лингвистика и интеллектуальные технологии: по мат-лам междунар. конф. «Диалог 2010». — М.: РГГУ, 2010. Вып. 9(16). С. 254–264.
  16. Сомин Н.В., Соловьева Н. С., Шарнин М.М. Система морфологического анализа: опыт эксплуатации имодификации // Системы и средства информатики. — М.: Наука, 2005. Вып. 15. С. 20–30.
  17. Banko M., Cafarella M., Soderland S., Broadhead M., Etzioni O. Open information extraction from the Web // 20th Joint Conference (International) on Artificial Intelligence (IJCAI-07) Proceedings, 2007. P. 2670–2676.
  18. Лаборатория компьютерной лингвистики ИПИРАН: Официальный сайт. www.IpiranLogos.com.


IDENTITY AND ACCESS MANAGEMENT OF THE USERS’ RIGHTS IN HIGH AVAILABLE DATA CENTER.

  • M. V. Benderina  IPI RAN, mbenderina@ipiran.ru
  • S. V. Borokhov  IPI RAN, sborokhov@ipiran.ru
  • V. I. Budzko  IPI RAN, vbudzko@ipiran.ru
  • P. V. Stepanov  IPI RAN, pvstepanov@ipiran.ru
  • A. P. Suchkov  IPI RAN, asuchkov@ipiran.ru

literature

  1. Будзко В.И., Сенаторов М.Ю., Михайлов С.Ф., Курило А.П., Соколов И. А. Направления совершенствования и развития информационно-телекоммуникационной системы Банка России // Информационная безопасность России в условиях глобального информационного общества: Мат-лы 5-й Всеросс. конф.— М., 2003. С. 207–211.
  2. Беленков В. Г., Будзко В.И., Быстров И.И., Козлов А.Н., Кудряшов А. А., Курило А.П., Михайлов С.Ф., Нагибин С.Я., Сенаторов М.Ю., Шмид А. В. Катастрофоустойчивая территориально распределенная информационно-телекоммуникационная система централизованной обработки банковской информации // Системы высокой доступности, 2011. Т. 7.№3. С. 6–47.
  3. Заенц Д. Введение в ЦОД (дата-центр). Опубликовано 30.08.2009. http://dcnt.ru/?p=325.
  4. Будзко В.И., Синицын И.Н., Соколов И. А. Построение информационно-телекоммуникационных систем высокой доступности // Системы высокой доступности, 2005. Т. 1.№1. С. 6–14.
  5. Борохов С. В., Будзко В.И., Киселев Э. В., Кейер П. А. Функциональное структурирование и критерии оптимизации построения и функционирования информационно-телекоммуникационных систем высокой доступности // Системы высокой доступности, 2005. Т. 1.№1. С. 15–25.
  6. Беленков В. Г., Борохов С. В., Будзко В.И., Киселев Э. В., Кейер П. А. Экономические основы консолидации обработки в информационно-телекоммуникационных системах высокой доступности // Системы высокой доступности, 2005. Т. 1.№1.С. 26– 37.
  7. Беленков В. Г., Будзко В.И., Кейер П. А. Катастрофоустойчивые решения в информационно-телекоммуникационных системах высокой доступности // Системы высокой доступности, 2005. Т. 1.№1. С. 57–69.
  8. Будзко В.И., Соловьев А. В. Вопросы защиты от угроз со стороны обслуживающего персонала в центрах обработки данных // Вопросы защиты информации, 2003.№2(61). С. 33–39.
  9. Борохов С. В., Будзко В.И., Курило А.П. ФОС и принципы построения системы безопасности информационно-телекоммуникационных систем высокой доступности // Системы высокой доступности, 2005. Т. 1.№1. С. 38–45.
  10. Борохов С. В., Будзко В.И., Капырин А.Ю. Опыт применения динамического контроля целостности в информационно-телекоммуникационных системах высокой доступности //Системы высокой доступности, 2006. Т. 2.№1. С. 46–50.
  11. Борохов С. В., Будзко В.И. Информационная безопасность при консолидированной обработке на мейнфрейме // Информационные технологии и математическое моделирование систем 2009–2010: Тр. Междунар. науч.-техн. конф.—М., 2010. С. 182–183.


EXTENDING INFORMATION INTEGRATION TECHNOLOGIES FOR PROBLEM SOLVING OVER HETEROGENEOUS INFORMATION RESOURCES.

  • L.A. Kalinichenko  IPI RAN, leonidk@synth.ipi.ac.ru
  • S.A. Stupnikov  IPI RAN, ssa@ipi.ac.ru
  • V.N. Zakharov  IPI RAN, vzakharov@ipiran.ru

literature

  1. Kalinichenko L. A., Briukhov D.O.,Martynov D. O., Skvortsov N. A., Stupnikov S. A. Mediation framework for enterprise information system infrastructures // 9th Conference (International) on Enterprise Information Systems ICEIS 2007 Proceedings: Volume databases and information systems integration.— Funchal, 2007. P. 246–251.
  2. Briukhov D. O., Kalinichenko L. A., Martynov D.O. Source registration and query rewriting applying LAV/GLAV techniques in a typed subject mediator // 9th Conference (Russian) on Digital Libraries RCDL’2007 Proceedings.— Pereslavl-Zalesskij: Pereslavl University, 2007. P. 253–262.
  3. Kalinichenko L. A., Stupnikov S. A., Martynov D. O. SYNTHESIS: A language for canonical information modeling and mediator definition for problem solving in heterogeneous information resource environments. — M.: IPI RAN, 2007. 171p
  4. Kalinichenko L. A. Canonical model development techniques aimed at semantic interoperability in the heterogeneous world of information modeling // Knowledge and model driven information systems engineering for networked organizations: CAiSE INTEROP Workshop Proceedings.— Riga: Riga Technical University, 2004. P. 101– 116.
  5. Briukhov D. O., Vovchenko A.E., Zakharov V.N., Zhelenkova O. P., Kalinichenko L. A., Martynov D. O., Skvortsov N. A., Stupnikov S. A. The middleware architecture of the subject mediators for problem solving over a set of integrated heterogeneous distributed information resources in the hybrid grid-infrastucture of virtual observatories // Informatics and Applications, 2008. Vol. 2. Is. 1. P. 2–34. 6. Vovchenko A. E., Kalinichenko L. A., Stupnikov S. A. Mediation based semantic grid. distributed computing and grid-technologies in science and education // 4th Conference (International) Proceedings. — Dubna: JINR, 2010. P. 309–318.
  6. Zakharov V.N., Kalinichenko L. A., Sokolov I. A., Stupnikov S. A.Development of canonical informationmodels for integrated information systems // Informatics and Applications, 2007. Vol. 1. Iss. 2. P. 15–38.
  7. Kalinichenko L. A., Stupnikov S. A. Constructing of mappings of heterogeneous informationmodels into the canonical models of integrated information systems // Advances in Databases and Information System: 12th Conference (East-European) Proceedings.—Pori: TampereUniversity of Technology, 2008. P. 106–122.
  8. Fagin R., Kolaitis P., Miller R., Popa L. Data exchange: Semantics and query answering // Theor. Computer Sci., 2005. Vol. 336. No. 1. P. 89–124.


THE MOTIF INFORMATION ANALYSIS BASED ON THE SOLVABILITY CRITERION FOR THE PROTEIN SECONDARY STRUCTURE RECOGNITION.

  • K. V. Rudakov  Dorodnicyn Computing Center of the Russian Academy of Sciences;Moscow Institute of Physics and Technology (State University), rudakov@ccas.ru
  • I. Yu. Torshin  Russian Center of the Trace Element Institute for UNESCO, tiy135@yahoo.com

literature

  1. Torshin I. Y. Bioinformatics in the post-genomic era: The role of biophysics. — N.Y.: Nova Biomedical Books, 2006.
  2. Рудаков К. В., Торшин И.Ю. О разрешимости формальной задачи распознавания вторичной структуры белка //ММРО-14, Суздаль, 2009. С. 596–597.
  3. Рудаков К. В., Торшин И.Ю. Вопросы разрешимости задачи распознавания вторичной структуры белка // Информатика и её применения, 2010. Т. 4. Вып. 2. С. 25–35.
  4. Berman H.M., Henrick K., Nakamura H. Announcing the worldwide ProteinData Bank //Nature Structural Biology, 2003. Vol. 10. No. 12. P. 980–982.
  5. Рудаков К. В. Универсальные и локальные ограничения в проблеме коррекции эвристических алгоритмов // Кибернетика, 1987.№2. С. 30–35.
  6. Рудаков К. В. О проблемах классификации значений признаков в задачах распознавания // Интеллектуализация обработки информации (ИОИ-8): VIII Междунар. конф. (Пафос, Кипр): Сб. докл. — М.: МАКС Пресс, 2010. С. 81–82.
  7. Воронцов К. В. Комбинаторная теория надежности обучения по прецедентам. Дис. докт.физ.-мат.наук.— М.: ВЦ РАН, 2010. 271 с.
  8. Furnkranz J., Flach P. A. Roc‘n’ rule learning — towards a better understanding of covering algorithms // Machine Learning, 2005. Vol. 58. No. 1. P. 39–77.
  9. Журавлев Ю.И., Рудаков К. В. Об алгебраической коррекции процедур обработки (преобразования) информации //Проблемы прикладной математики и информатики. —М.: Наука, 1987. С. 187–198.


SPEAKER IDENTIFICATION SYSTEMFOR THE NIST SRE 2010.

  • I.N.Belykh  Speech Technology Center, St.-Petersburg, belykh@speechpro.com
  • A. I.Kapustin  Speech Technology Center, St.-Petersburg, kapustin@speechpro.com
  • A. V.Kozlov  Speech Technology Center, St.-Petersburg, kozlov-a@speechpro.com
  • A. I.Lohanova  Speech Technology Center, St.-Petersburg, lohanova@speechpro.com
  • Yu.N.Matveev  Speech Technology Center, St.-Petersburg, matveev@speechpro.com
  • T. S.Pekhovsky  Speech Technology Center, St.-Petersburg, tim@speechpro.com
  • K.K. Simonchik  Speech Technology Center, St.-Petersburg, simonchik@speechpro.com
  • А.K. Shulipa  Speech Technology Center, St.-Petersburg, shulipa@speechpro.com

literature

  1. Bimbot F., Bonastre J.-F., Fredouille C., et al. A tutorial on text-independent speaker verification // EURASIP J. Appl. Signal Processing, 2004. No. 4. P. 430–451.
  2. Reynolds D. Experimental evaluation of features for robust speaker identification // IEEE Trans. Speech Audio Processing, 1994. Vol. 2. No. 4. P. 639–643.
  3. Burget L., Matejka P., Glembek O., et al. Analysis of feature extraction and channel compensation in GMM speaker recognition system // IEEE Trans. Audio Speech Language Processing, 2007. Vol. 15. Iss. 7. P. 1979–1986.
  4. Kenny P., Ouellet P., Dehak N., et al. A study of interspeaker variability in speaker verification // IEEE Trans. Audio Speech Language Processing, 2008. Vol. 16. Iss. 5. P. 980–988.
  5. Vogt R., Sridharan S. Explicit modelling of session variability for speaker verification //Computer Speech Language, 2008. Vol. 22 (I). P. 17–38.
  6. Reynolds D. A., Quatieri T. F., Dunn R. B. Speaker verification using adapted Gaussian mixture models // Digital Signal Processing, 2000. No. 10. P. 19–41.
  7. Vapnik V. The nature of statistical learning theory. — Springer, 1995.
  8. Pekhovsky T., Oparin I. Maximum likelihood estimations in the session-independent modelling of the speaker // Speech and Computer (SpeCom’09): XIII Conference (International) Proceedings.—St.-Petersburg, 2009. P. 267–270.
  9. Pekhovsky T., Oparin I. Eigen channel method for textindependent Russian speaker verification // Speech and Computer (SpeCom’08): XII Conference (International) Proceedings.—Moscow, 2008. P. 385–390.
  10. Campbell W., Sturim D., Reynolds D. Support vector machines using GMM supervectors for speaker verification // IEEE Signal Processing Lett., 2006.Vol. 13.No. 5.P. 308–311.
  11. Коваль С.Л., Лабутин П. В., Раев А.Н. Метод распознавания диктора и устройство для его осуществления. Патент РФ 2230375 от 10.06.2004.
  12. Коваль С.Л., Лабутин П. В., Малая Е. В., Прощина Е. А. Идентификация дикторов на основе сравнения статистик основного тона голоса // Информатизация и информационная безопасность правоохранительных органов: Мат-лы XV Междунар. научн. конф. — М.: Академия управленияМВДРоссии, 2006.С. 324–327.


FAST PROCESSING OF FINGERPRINT IMAGES.

  • V. J. Gudkov  Chelyabinsk State University, Department of AppliedMathematics, diana@sonda.ru
  • M. V. Bokov  South Ural State University, Department of AppliedMathematics, guardian@mail.ru

literature

  1. Maltoni D., Maio D., Jain A.K., Prabhakar S. Handbook of fingerprint recognition. — New York: Springer-Verlag, 2009. 494 p.
  2. Bolle R.M., Connel J. Y., Pankanti S., Ratha N.K. Guide to biometrics. — New York: Springer-Verlag, 2004. 368 p.
  3. Гудков В.Ю. Методы первой обработки дактилоскопических изображений. —Миасс: Геотур, 2008. 127 с.
  4. Гонсалес Р., Вудс Р. Цифровая обработка изображений / Пер. с англ.—М.: Техносфера, 2006. 1072 c.
  5. Яне Б. Цифровая обработка изображений /Пер. с англ. А.М. Измайловой. —М.: Техносфера, 2007. 584 с.
  6. Гудков В.Ю., Коляда А. А. , Чернявский А. В. Новая технология формирования скелетов дактилоскопических изображений // Методы, алгоритмы и программное обеспечение гибких информационных технологий для автоматизированных идентификационных систем. — Минск: БГУ, 1999. С. 71–82.
  7. Новиков Ф. А. Дискретная математика для программистов: Учебник для вузов. — 3-е изд. — СПб.: Питер, 2008. 384 с.
  8. Сергиенко А. Б.Цифровая обработка сигналов.—СПб.: Питер, 2002. 608 с.


TEACHING OF SKIN EXTRACTION ALGORITHMS FOR HUMAN FACE COLOR IMAGES.

  • Y. Vizilter  State Research Institute of Aviation Systems (GosNIIAS), viz@gosniias.ru
  • V. Gorbatcevich  State Research Institute of Aviation Systems (GosNIIAS), gvs@gosniias.ru
  • S. Karateev  State Research Institute of Aviation Systems (GosNIIAS), goga@gosniias.ru
  • N. Kostromov  State Research Institute of Aviation Systems (GosNIIAS)

literature

  1. Viola P., Jones M. Robust real-time object detection // IEEE Workshop on Statistical and Computational Theories of Vision Proceedings.- Vancouver, CA, 2001.
  2. Serra J. Image analysis and mathematical morphology.- London: Academic Press, 1982.
  3. Пытьев Ю.П. Морфологический анализ изображений // Доклады АН СССР, 1983. Т. 269.№5. С. 1061- 1064.
  4. Pavel M. Fundamentals of pattern recognition. - New York: Marcel Dekker, Inc., 1989.
  5. Визильтер Ю. В. Обобщенная проективная морфология //Компьютерная оптика, 2008. Т. 32.№4.С. 384- 399.
  6. Пытьев Ю.П., Чуличков А.И. Методы морфологического анализа изображений. - М.: Физматлит, 2010. 336 с.
  7. Ford L., Fulkerson D. Flows in networks. - Princeton University Press, 1962.
  8. Greig D., Porteous B., Seheult A. Exact maximum a posteriori estimation for binary images // J. Roy. Statistical Soc., 1989. Vol. 51. No. 2. P. 271-279.
  9. Boykov Y., Kolmogorov V. Computing geodesics and minimal surfaces via graph cuts // IEEE Conference (International) Computer Vision (ICCV) Proceedings, 2003. P. 26-33.
  10. Kolmogorov V., Zabih R. What energy functions can be minimized via graph cuts? // IEEE Trans. Pattern Anal.Machine Intelligence (PAMI), 2004. Vol. 26. No. 2. P. 147-159.
  11. Boykov Y., Kolmogorov V. An experimental comparison of min-cut/max-flow algorithms for energy minimization in vision // IEEE Trans. Pattern Anal.Machine Intelligence (PAMI), 2004. Vol. 26. No. 9. P. 1124-1137.
  12. Вапник В.Н. Восстановление зависимостей по эмпирическим данным. -М.: Наука, 1979.
  13. Fritzke B. Fast learning with incremental RBF networks // Neural Processing Lett., 1994. Vol. 1. No. 1. P. 2-5.
  14. Fritzke B. A growing neural gas network learns topologies // Advances in neural information processing systems 7 / Eds. G. Tesauro, D. S. Touretzky, T.K. Leen. - CambridgeMA:MIT Press, 1995. P. 625-632.
  15. Скворцов А.В. Обзор алгоритмов построения триангуляции Делоне // Вычислительные методы и программирование, 2002. Т. 3. С. 14-39.
  16. Boykov Y., Kolmogorov V. MAXFLOW - software for computing mincut/maxflow in a graph. V. 3.01. http:// www.cs.ucl.ac.uk/sta?/V.Kolmogorov/software.html.


REAL-TIME HAND GESTURE RECOGNITION BY PLANAR AND SPATIAL SKELETAL MODELS.

  • A. V. Kurakin  Moscow Institute of Physics and Technology (State University), alekseyvk@yandex.ru

literature

  1. Dhawale P., Masoodian M., Rogers B. Bare-hand 3d gesture input to interactive systems // CHINZ’06: 7th ACM SIGCHI New Zealand Chapter’s Conference (International) on Computer–Human Interaction: Design Centered HCI Proceedings. — New York, NY, USA: ACM, 2006. P. 25–32.
  2. Aguiar R., Pereira J. M., Braz J. Gadevi — game development integrating tracking and visualization devices into virtools // GRAPP 2009: 4th Conference (International) on Computer Graphics Theory and Applications Proceedings.— INSTICC Press, 2009. P. 313–321.
  3. Burger T., Urankar A., Aran O., Akarun L., Caplier A. Cued speech hand shape recognition — belief functions as a formalismto fuse svms and expert systems // VISAPP 2007: 2nd Conference (International) on Computer Vision Theory and Applications Proceedings. — INSTICC Press, 2007. Vol. 2. P. 5–12.
  4. Mitra S., Acharya T. Gesture recognition: A survey // IEEE Trans. Syst.ManCybernetics, PartC, 2007. Vol. 37. No. 3. P. 311–324.
  5. Garg P., Aggarwal N., Sofat S. Vision based hand gesture recognition // World Academy Sci. Engng. Technol., 2009. P. 972–977.
  6. Wang R. Y., Popovic. J. Real-time hand-tracking with a color glove // ACMTrans.Graphics, 2009. Vol. 28. No. 3.
  7. Liu T., Liang W., Jia Y. 3d articulated hand tracking by nonparametric belief propagation on feasible configuration space // VISAPP 2008: 3rd Conference (International) on Computer Vision Theory and Applications Proceedings.—INSTICC Press, 2008. Vol. 2. P. 508–513.
  8. Hu M.-K. Visual pattern recognition by moment invariants // IRETrans. Information Theory, 1962.Vol. 8.No. 2. P. 179–187.
  9. Beristain A., Grana M. A stable skeletonization for tabletop gesture recognition // Computational science and its applications — ICCSA 2010 / Eds. D. Taniar, O. Gervasi, B. Murgante, E. Pardede, B. Apduhan. — Berlin/Heidelberg: Springer, 2010. Lecture notes in computer science ser. Vol. 6016. P. 610–621.
  10. Местецкий Л.М. Непрерывная морфология бинарных изображений: фигуры, скелеты, циркуляры. — М.: Физматлит, 2009.
  11. Mestetskiy L. Skeleton representation based on compound Bezier curves // VISAPP 2010: 5th Conference (International) on Computer Vision Theory and Applications Proceedings.— INSTICC Press, 2010. Vol. 1.
  12. Pillow N., Utcke S., Zisserman A. Viewpoint-invariant representation of generalized cylinders using the symmetry set // Conference on British Machine Vision Proceedings. — Surrey, UK: BMVA Press, 1994. Vol. 2. P. 539–548.
  13. Mestetskiy L., Tsiskaridze A. Spatial reconstruction of locally symmetric objects based on stereo mate images // VISAPP 2009: 4th Conference (International) on Computer Vision Theory and Applications Proceedings. — INSTICC Press, 2009. Vol. 1. P. 443–448.
  14. Цискаридзе A.К. Математическая модель и метод восстановления позы человека по стереопаре силуэтных изображений //Информатика и её применения, 2010. Т. 4. Вып. 4. С. 26–32.
  15. HartleyR. I., Zisserman A. Multiple view geometry in computer vision. — 2nd ed. — Cambridge University Press, 2004.
  16. Vezhnevets V., Sazonov V., Andreeva A. A survey on pixelbased skin color detection techniques // GraphiCon Proceedings, 2003. P. 85–92.
  17. Phung S. L., Bouzerdoum A., Chai D. Skin segmentation using color pixel classification: Analysis and comparison // IEEE Trans. Pattern Anal. Mach. Intell, 2005. Vol. 27. P. 148–154.


COMBINED APPROACH TO LOCALIZATION OF DIFFERENCES FOR MULTIMODAL IMAGES.

  • D.M.Murashov  Dorodnicyn Computing Center, Russian Academy of Sciences, d murashov@mail.ru

literature

  1. Wagner J. Die additive Dreifarbenfotografie nach A. Miethe — Untersuchung des Verfahrens und Wege zur Wiedergabe von Dreifarbendiapositiven,Diplomarbeit.— TUM.unchen, 2006.
  2. Minakhin V., Murashov D., Davidov Yu., Dimentman D. Compensation for local defects in an image created using a triple-color photo technique // Pattern Recognition Image Analysis: AdvancesMath. Theory Applications, 2009. Vol. 19. No. 1. P. 137–158.
  3. Kirsh A., Levenson R. S. Seeing through paintings: Physical examination in art historical studies. — Yale: Yale U. Press, 2000.
  4. Иванова Е.Ю., Постернак О.П. Техника реставрации станковой масляной живописи. — М.: ИНДРИК, 2005.
  5. Heitz F., Maitre H., de Couessin C. Event detection in multisource imaging: Application to fine arts painting analysis // IEEE Trans. Acoustics Speech Signal Processing, 1990. Vol. 38. No. 1. P. 695–704.
  6. Kammerer P., Hanbury A., Zolda E. A visualization tool for comparing paintings and their underdrawings // Conference on Electronic Imaging and the Visual Arts (EVA 2004) Proceedings.— Florence, Italy, 2004. P. 148–153.
  7. Daly S. The visible differences predictor: An algorithm for the assessment of image fidelity. Digital images and human vision. — Cambridge:MIT Press, 1993.
  8. Petrovic V., Xydeas C. Evaluation of image fusion performance with visible differences // ECCV’2004, LNCS, 2004. Vol. 3023. P. 380–391.
  9. Garcia J. A., Fdez-Valdivia J., Fdez-Vidal X. R., Rodriguez- Sanchez R. Information theoreticmeasure for visual target distinctness // IEEE Trans. Pattern AnalysisMachine Intelligence, 2001. Vol. 23. No. 4. P. 362–383.
  10. Viola P. Alignment by maximization of mutual information. Ph.D. Thesis. — Cambridge,MA:MIT, 1995.
  11. Escolano F., Suau P., Bonev B. Information theory in computer vision and pattern recognition. — London: Springer-Verlag, 2009.
  12. Zhang J., Rangarajan A. Affine image registration using a new information metric // IEEE Computer Vision and Pattern Recognition (CVPR), 2004. Vol. 1. P. 848–855.
  13. Rockinger O., Fechner T. Pixel-level image fusion: The case of image sequences // SPIE Proceedings, 1998. Vol. 3374. P. 378–388.
  14. Gallager R. G. Information theory and reliable communication.— New York: J. Wiley Inc., 1968.
  15. Rajwade A., Banerjee A., Rangarajan A. Continuous image representations avoid the histogram binning problem in mutual information based image registration // IEEE Symposium (International) on Biomedical Imaging (ISBI) Proceedings, 2006. P. 840–843.
  16. Soille P. Morphological image analysis: Principles and applications.— Berlin: Springer-Verlag, 2004.
  17. Niblack W. An introduction to digital image processing.— Englewood Cliffs, NJ: Prentice Hall, 1986.


SECURED BIOMETRIC VERIFICATION BASED ON FINGERPRINT TOPOLOGY BINARY REPRESENTATION.

  • O. S. Ushmaev  IPI RAN, oushmaev@ipiran.ru
  • V. V. Kuznetsov  IPI RAN, k.v.net@rambler.ru

literature

  1. Abraham D. G., Dolan G.M., Double G. P., Stevens J. V. Transaction security system // IBMSyst. J., 1991. Vol. 30. No. 2. P. 206–229.
  2. Ratha N., Connell J., Bolle R. Enhancing security and privacy in biometrics-based authentication systems // IBM Syst. J., 2001. Vol. 40. No. 3. P. 614–634.
  3. Bringer J., Chabanne H., Izabachene M., Pointcheval D., Tang Q., Zimmer S. An application of the goldwassermicali cryptosystem to biometric authentication // Conference (Australian) on Information Security and Privacy, ACISP 2007 Proceedings. — Berlin–Heidelberg: Springer, 2007. LNCS 4586. P. 96–106.
  4. Dodis Y., Ostrovsky R., Reyzin L., Smith A. Fuzzy extractors: How to generate strong keys from biometrics and other noisy data // SIAM J. Computing, 2008. Vol. 38. No. 1. P. 97–139.
  5. Clancy T. C., Kiyavash N., Lin D. J. Secure smartcardbased fingerprint authentication // ACM Workshop on Biometrics: Methods and Applications. — Berkeley, CA, Nov., 2003. P. 45–52.
  6. Tong V. V. T., Sibert H., Lecoeur J., Girault M. Biometric fuzzy extractors made practical: A proposal based on fingercodes //Advances inbiometrics.—Berlin–Heidelberg: Springer, 2007. LNCS 4642. P. 604–613.
  7. Arakala A., Jeffers J., Horadam K. J. Fuzzy extractors for minutiae-based fingerprint authentication // Advances in biometrics. — Berlin–Heidelberg: Springer, 2007. LNCS 4642. P. 760–769.
  8. Draper S., Yedidia J., Khisti A., Martinian E., Vetro A. Using distributed source coding to secure fingerprint biometrics // Conference (International) on Acoutics SpeechSignalProcessingProceedings.—Honolulu, 2007. P. 129–132.
  9. Farooq F., Bolle R.M., Jea T.-Y., Ratha N.K. Anonymous and revocable fingerprint recognition // IEEEConference on Computer Vision and Pattern Recognition, CVPR-07, 2007. P. 1–7.
  10. Barni M., Bianchi T., Catalano D., Raimondo M., Labati R., Failla P., Fiore D., Lazzeretti R., Piuri V., Scotti F., Piva A. Privacy-preserving fingercode authentication // 12th ACM Workshop on Multimedia and Security Proceedings, 2010. P. 231–240.
  11. Nagar A., Rane S.D., Vetro A. Alignment and bit extraction for secure fingerprint biometrics // Proc. SPIE, 2010. Vol. 7541; doi:10.1117/12.839130.
  12. Bringer J., Despiegel V. Binary feature vector fingerprint representation fromminutiae vicinities // 4th IEEE Conference (International) on Biometrics: Theory, Applications and Systems (BTAS-10) Proceedings, 2010. P. 1–6.
  13. Hao F., Anderson R., Daugman J. Combining cryptography with biometrics effectively:T echnical Report UCAM-CLTR- 640. — Cambridge: University of Cambridge Computer Laboratory, 2005. 17 p.
  14. Sparrow M.K. Vector based topological fingerprint matching. U.S. Patent 5631971.May 20, 1997.
  15. Гудков В.Ю. Способ кодирования отпечатка папиллярного узора. Патент РФ №2321057 от 04.12.2006.
  16. Гудков В.Ю. Способ генерирования набора параметров ключа доступа и система для аутентификации человека по отпечаткам пальцев: Патент РФ №2363048 от 11.10.2007.
  17. Pankanti S., Prabhakar S., Jain A.K. On the individuality of fingerprints // IEEE Trans. PAMI, 2002. Vol. 24.No. 8. P. 1010– 1025.
  18. Maio D., Maltoni D., Cappelli R., Wayman J. L., Jain A.K. FVC2002: Second fingerprint verification competition // 16th Conference (International) on Pattern Recognition (ICPR2002) Proceedings. — Quebec City, 2002. Vol. 3. P. 811–814.








 
© 2016 Институт проблем информатики Российской Академии наук Русский | English     Контакты