Предмет исследований – разработка сервиса для поиска по файлам пользователя по заданному набору ключевых слов с параметрами. Были изучены имеющиеся подходы к решению такой задачи и выбран наиболее релевантный. Сервис осуществляет поиск внутри файлов с текстовым содержимым с целью автоматизации процесса выделения нужных файлов среди всего множества. В основе его работы лежит алгоритм Портера и используется подход стемминга текста с целью получения более точных результатов. Выполняется поиск основы слова, учитывающий морфологию. Выполняя морфологический разбор слова, находится общая для всех его грамматических форм основа, отсекая суффиксы и окончания. В результате алгоритм работы сервиса позволяет искать не просто по заданным ключевым словам, но и учитывает их словоформы, а также ищет сразу по нескольким наборам ключевых слов, каждый набор анализируется отдельно. Помимо этого можно задавать диапазоны числовых значений для поиска. Особенность сервиса в том, что наборы ключевых слов ищутся совместно в ближних абзацах в интервале окрестности от -20 до +20 слов друг от друга, учитывая таким образом контекст их появления в тексте. Сервис ранжирует найденные документы по качеству соответствия критериям поиска. Обрабатываются файлы в основных форматах: doc, xls, pdf, txt. Сервис функционирует на платформе Linux под управлением веб-сервера Apache. Для разработки использованы бесплатные программные инструменты.

Ключевые слова: поисковая система, анализ документов, стемминг, алгоритм Портера, словоформы, морфология, среднее-арифметическое процентов, веб-сервис

05.13.06 - Автоматизация и управление технологическими процессами и производствами (по отраслям) , 05.13.18 - Математическое моделирование, численные методы и комплексы программ

Предмет исследования – медицинские флюорографические рентгеновские снимки грудной клетки. Обученная глубокая сверточная нейросеть осуществляет бинарную классификацию снимков и может быть использована в качестве помощника врача-рентгенолога. Для этого необходимо минимизировать ошибки первого и второго рода. Возможный подход к повышению эффективности применения нейросетей, по критериям уменьшение вычислительной сложности и качество классификации снимков – примене-ние вспомогательных подходов: предобработка изображений и предварительное вычисле-ние энтропии фрагментов. В статье представлен алгоритм предобработки рентгеновского изображения, его деления на фрагменты и вычисления энтропии отдельных фрагментов. В ходе предобработки из всего снимка выделяется интересующая область с легкими и по-звоночником, составляющая около 30-40% всего снимка, далее происходит деление сним-ка на матрицу фрагментов и вычисляется энтропия по формуле Шеннона, за счет анализа отдельных пикселей.

Ключевые слова: энтропия изображения, фрагменты, глубокая сверточная нейросеть, машинное обучение, рентгеновские снимки, вычислительный эксперимент, матрицы элементов, предобработка изображения, статистический анализ, бинарная классификация

05.13.18 - Математическое моделирование, численные методы и комплексы программ