Разработка информационной системы учета грантов СибГАУ Текст научной статьи по специальности «Компьютерные и информационные науки»

7. Khritonenko D. I., Semenkin E. S. Distributed self-configuring evolutionary algorithms for artificial neural networks design // ВестникСибГАУ. 2013. № 4 (50). С. 112-116.

8. Stanovov V., Semenkin E. Self-adjusted evolutionary algorithms based approach for automated design of fuzzy logic systems // Вестник СибГАУ. 2013. № 4 (50). С. 148-152.

9. Akhmedova Sh. A., Semenkin E. S. Data Mining Tools Design with Co-Operation of Biology Related Algorithms // Fifth International Conference on Swarm Intelligence (ICSI'2014). 2014.

10. Semenkin E., Semenkina M. Self-Configuring Genetic Algorithm with Modified Uniform Crossover Operator. Advances in Swarm Intelligence / Eds. Y. Tan, Y. Shi, Z. Ji. ICSI 2012. Part 1. LNCS 7331. Springer, Heidelberg, 2012. P. 414-421.

11. Semenkina O., Popov E., Semenkina O. Self-Configuring Nature Inspired Algorithms for Combinatorial Optimization Problems // Proceedings of the Conference on Engineering and Applied Sciences Optimization (OPT-/). Kos Island, Greece, 2014.

12. Гуменникова А. В., Емельянова М. Н., Семен-кин Е. С., Сопов Е. А. Об эволюционных алгоритмах решения сложных задач оптимизации // Вестник СибГАУ. 2003. № 4. С. 14.

13. Akhmedova S., Semenkin E.Co-operation of biology related algorithms // IEEE Congress on Evolutionary Computation (CEC). 2013. P. 2207-2214.

References

1. Sidorov M., Brester C., Minker W., Semenkin E. Speech-Based Emotion Recognition: Feature Select/on by Self-Adapted Multi-Criteria Genetic Algorithm. Proceedings of the 9th edition of the Language Resources and Evaluation Conference, Reykjavik, Iceland, 2014.

2. Akhmedova Sh. A., Semenkin E. S., Gasanova T. O., Sergienko R. B., Minker W. Opinion Mining and Topic Categorization with Novel Term Weighting. Proceedings of the 5th Workshop on Computational Approaches to Subjectivity, Sentiment & Social Media Analysis. 2014. p. 84-89.

3. Popov E. A., Semenkina M. E. Self-configuring genetic programming algorithm for medical diagnostic problems.Vestnik SibGAU. 2013. № 4 (50). p. 116-123.

4. Semenkin E., Semenkina M. Stochastic Models and Optimization Algorithms for Decision Support in Spacecraft Control Systems Preliminary Design. Informatics in Control, Automation and Robotics. Lecture Notes in Electrical Engineering. Vol. 283. 2014. p. 51-65.

5. Bukhtoyarov V. V., Semenkin E. S. A comprehensive evolutionary approach for neural network ensembles automatic design.Vestnik SibGAU. 2010. № 7. p. 14-19.

6. Brester C., Semenkin E. Development of adaptive genetic algorithms for neural network models multicriteria design.Vestnik SibGAU. 2013. № 4 (50). pp. 99-103.

7. Khritonenko D. I., Semenkin E. S. Distributed self-configuring evolutionary algorithms for artificial neural networks design.Vestnik SibGAU. 2013. № 4 (50). p. 112-116.

8. Stanovov V., Semenkin E. Self-adjusted evolutionary algorithms based approach for automated design of fuzzy logic systems. Vestnik SibGAU. 2013. Vol. 4 (50). pp. 148-152.

9. Akhmedova Sh. A., Semenkin E. S. Data Mining Tools Design with Co-Operation of Biology Related Algorithms. Fifth International Conference on Swarm Intelligence (ICSI'2014). 2014.

10. Semenkin E., Semenkina M. Self-Configuring Genetic Algorithm with Modified Uniform Crossover Operator..Advances in Swarm Intelligence (Eds.: Tan Y., Shi Y., Ji Z.), ICSI 2012, Part 1, LNCS 7331, Springer, Heidelberg. 2012. p. 414-421.

11. Semenkina O., Popov E., Semenkina O. Self-Configuring Nature Inspired Algorithms for Combinatorial Optimization Problems. Proceedings of the Conference on Engineering and Applied Sciences Optimization (OPT-i), Kos Island, Greece, 2014.

12. Gumennikova A. V., Emelyanova M. N., Semenkin E. S., Sopov E. A. About evolutionary algorithms for solving complex optimization problems. Vestnik SibGAU. 2003, № 4, р. 14.

13. Akhmedova S., Semenkin E.Co-operation of biology related algorithms // IEEE Congress on Evolutionary Computation (CEC). 2013. p. 2207-2214.

© Семенкнна О. Е., Семенкнна О. Э., 2014

УДК 004.415.25

РАЗРАБОТКА ИНФОРМАЦИОННОЙ СИСТЕМЫ УЧЕТА ГРАНТОВ СИБГАУ

А. А. Сидора, А. В. Финк

Сибирский государственный аэрокосмический университет имени академика М. Ф. Решетнева Российская Федерация, 660014, г. Красноярск, просп. им. газ. «Красноярский рабочий», 31

Е-таП: [email protected]

Разработан и внедрён модуль «Гранты» для единой системы управления вузом «Паллада» на базе ОрепЕРР. В ходе работы был проведён анализ предметной области, в результате которого были найдены и проанализированы существующие решения подобных вопросов, спроектирована база данных, разработана структура программного продукта и определены основные функции модуля.

Ключевые слова: ОрепЕРР, база данных, информационная система, проектирование, внедрение.

Программные средства и информационные технологии

DEVELOPMENT OF INFORMATION SYSTEM OF GRANTS AT SIBSAU

A. A. Sidora, A. V. Fink

Siberian State Aerospace University named after academician M. F. Reshetnev 31, Krasnoyarsky Rabochy Av., Krasnoyarsk, 660014, Russian Federation E-mail: [email protected]

A module "Grants" for the unified system management of the university "Pallada" based on OpenERP is developed and introduced. During the work the subject area has been analyzed which results in the solutions for similar questions, the database is designed, the structure of software product and the main functions of the module are developed.

Keywords: OpenERP, database, information system, development, introduction.

Деятельность современного вуза носит многопрофильный характер, а управление вузом на основе информационных технологий является сложной комплексной задачей, требующей решения организационных и технологических проблем с учетом экономической целесообразности. В связи с этим весьма актуальна разработка единой информационной среды вуза на базе взаимосвязанных автоматизированных информационных систем, так как эффективное управление вузом с использованием изолированных систем невозможно.

Автоматизированные информационные системы позволяют реализовать эффективную обработку и хранение больших объемов данных, а также обеспечивают распределенный доступ к систематизированной информации, получаемой из различных источников.

В рамках общей задачи информатизации СибГАУ для управления всеми сферами деятельности вуза разрабатывается единая автоматизированная система управления вузом «Паллада» на базе ERP/CRM системы OpenERP.

Система «Паллада» условно поделена на подсистемы, решающие определенные задачи. Каждая из подсистем, в свою очередь, состоит из взаимосвязанных модулей. Разработанная информационная система «Гранты» вместе с модулями «Публикации» и «Интеллектуальная собственность» является частью подсистемы «Наука».

OpenERP - это современный набор бизнес-приложений, включающий в себя систему управления взаимоотношениями с клиентами, кадровую службу, управление продажами, бухгалтерский учёт, управление производством и складом, управление проектами и многое другое [3].

OpenERP использует хорошо известную клиент-серверную архитектуру: клиент работает как Javascript приложение в браузере для подключения к серверу с помощью протокола JSON-RPC через HTTP (S). Также для этой цели могут быть легко написаны клиенты, для подключения к серверу, используя XML-RPC или JSON-RPC.

Интерфейс системы

Проектирование базы данных осуществлялась в несколько этапов [1]:

1. Концептуальное проектирование. На данном этапе были определены все сущности базы и их связи. Построена концептуальная схема данных.

2. Логическое проектирование. Были определены атрибуты сущностей и их домены. Спроектирована логическая схема базы данных.

Физическое проектирование. На основе логической схемы данных спроектировали физическую схему, зависящую от конкретной СУБД, в данном случае PostgreSQL. В результате мы получили базовую функциональную схему.

В разрабатываемом модуле созданы две группы пользователей: для учетных записей сотрудников грантового отдела и для руководителей проектов. Пользователи первой группы имеют полный доступ к функционалу модуля и могут создавать, изменять, удалять все записи. Каждому пользователю второй группы доступна только связанная с ним информация из разделов «рассматриваемые и отклоненные заявки», а также каждый из них имеет доступ к таблице «гранты» и справочнику «конкурсы» и «участники».

Данный проект является модулем, написанным на языке программирования Python. Пользовательские интерфейсы модуля, описывающие меню, действия, представления объектов в различных видах, информационные панели и т. д., содержатся в файлах с разрешением *.XML [2]. Пример интерфейса представлен на рисунке.

Финальным этапом работы является внедрение модуля. Для этого были проведены следующие работы:

1) установка модуля в систему;

2) тестирование;

3) обучение персонала.

После успешной установки модуля произвели проверку работоспособности всех функций системы: ввод данных, появление предупреждающих окон при некорректных действиях, построение и вывод отчетов. Благодаря интуитивно понятному интерфейсу обучение не занимает много времени.

Библиографические ссылки

1. Грейвс Марк. Проектирование баз данных на основе XML : пер. с англ. М. : Вильямс, 2002. 640 с.

2. Лутц М. Изучаем Python : пер. с англ. 4-е изд. СПб. : Символ-Плюс, 2011. 1280 с.

3. OpenERP Book [Электронный ресурс]. URL: https://doc.openerp.com/ (дата обращения: 3.05.2014).

References

1. Mark Graves. Designing XML Databases. Translate from English. М. : Williams, 2002. 640 p.

2. Lutz M. Learning Python, 4th Edition. - Translate from English. SP. : Symbol-Plus, 2011. 1280 с.

3. OpenERP Book [Electronic resource] URL: https://doc.openerp.com/ (address date 3.05.2014)

© Сидора А. А., Финк А. В., 2014

УДК 004.932

СРАВНИТЕЛЬНЫЙ АНАЛИЗ МЕТОДОВ ФИЛЬТРАЦИИ ЗАШУМЛЕННЫХ ИЗОБРАЖЕНИЙ

К. В. Степурко, Е. Г. Абдугалимова

Сибирский государственный аэрокосмический университет имени академика М. Ф. Решетнева Российская Федерация, 660014, г. Красноярск, просп. им. газ. «Красноярский рабочий», 31

Е-mail: [email protected]

Рассмотрено понятие фильтрации и четыре вида фильтров: линейный усредняющий арифметический фильтр, медианный фильтр, фильтр Гаусса и фильтр Kuwahara. Проведен сравнительный анализ фильтров по следующим параметрам: метрика PSNR, метрика MSAD и время работы фильтров. Результаты анализа сведены в таблицу.

Ключевые слова: фильтрация, цифровая обработка изображений, оценка изображения.

THE COMPARATIVE ANALYSIS OF METHODS IN FILTERING NOISY IMAGES

K. V. Stepurko, E. G. Abdugalimova

Siberian State Aerospace University named after academician M. F. Reshetnev 31, Krasnoyarsky Rabochy Av., Krasnoyarsk, 660014, Russian Federation E-mail: [email protected]

The concept offiltering and four types offilters: linear arithmetic averaging filter, median filter, Gaussian filter and Kuwahara's filter are considered. The comparative analysis of filters on following parameters: metric PSNR, metric MSAD and runtime of filters are executed. Analysis results are summarized in the table.

Keywords: filtering, digital image processing, image evaluation.

Цифровые изображения подвержены воздействию чи информации, методов оцифровывания данных. различных типов шумов, которые могут возникать от Процесс устранения различных видов шумов на изо-способа получения изображений, технологий переда- бражениях называется фильтрацией [3].