?

Log in

No account? Create an account

Приложение знакомств SV Girls
sv_beat
Веду разработку
Web приложения знакомства
http://svlaboratory.org:8080/dating/index2.html

Android версия приложения:
https://play.google.com/store/apps/details?id=svbeat3..

Люблю девушек. Приходите ко мне знакомиться.

Приглашаю хороших людей в мое приложение знакомств.

Приложение SV Girls.
Знакомства - создание анкет, обмен сообщениями и фото.

Знакомства с девушками и парнями. Найдите себе спутника жизни.

Ставьте симпатии, проверяйте посетителей и пишите сообщения, обменивайтесь фото.

Назначайте свидания и встречайтесь со своими новыми знакомыми.

Желаем вам удачи найти себе вторую половинку.



Приложение Знакомства можно использовать с целью поиска новых знакомств с противоположным полом,

назначения встреч, совместного времяпровождения, поиска романтических свиданий.

Особенности приложения:




  • создание анкет;


  • обмен сообщениями и фото;


  • поиск анкет;


  • поиск симпатичных девушек;


  • игра в симпатии;


  • просмотр посетителей;


  • уведомления;


  • бесплатное поднятие анкет.





Скриншоты приложения:

     

     

   




Связь с автором программы: svbeat@yandex.ru




svbeat Музыка
sv_beat
Пишу музыку
https://soundcloud.com/svbeat
https://soundcloud.com/svbeat2
https://soundcloud.com/svbeat3
https://soundcloud.com/svbeat4
https://soundcloud.com/svbeat5
https://soundcloud.com/svbeat6

Гитара, рок, электроника и техно.
Я занимаюсь композицией музыкальных аудио треков.

Например, такая:


Алгоритм поисковой системы SVLAB Search
sv_beat
Поисковая система SVLAB Search.
Эта статья о мною написанной и разработанной полнотекстовой поисковой системе, аналог полнотекстовых закладок для Google Chrome.
Поэтому можете использовать данную поисковую систему для быстрого поиска нужных вам сохраненных web страничек. Поиск доступен по названию, содержимому, названию картинок, видео и гиперссылок.
В будущем когда поисковой системой будут пользоваться тысячи людей, возможно сделать поиск по самым актуальным веб страницам пользователей.
Тем самым эта поисковая система будет аналогом Google и Yandex.
Мои поисковые роботы серверы будете вы сами, мои хорошенькие пользователи.
Так что всех приглашаю использовать мой плагин и саму поисковую систему.
image

Новая поисковая система позволяет с помощью плагина для Google Chrome добавить ваши страницы в индексы поисковой системы.
После установки плагина вам будет доступна кнопка «Сохранить страницу».
Каждое добавление страницы в поисковую систему ассоциируется с вашим IP.
Таким образом осуществлять поиск по вашим страница можно только с вашего IP.
Поисковая система доступна по адресам
svlaboratory.org/application/search и svlaboratory.com


Алгоритм, реализация, стек технологий.
Индексы поисковой системы хранятся в базе данных MySQL.
В качестве индексов используются текст внутри тегов html страниц полученных после их загрузки и динамического отображения в браузере пользователя. Также используется текст полученный после преобразования слов в базовую форму библиотекой морфологического анализатора Az.js.
По такому же принципу сохраняются индексы ссылок на медиа ресурсы HTML страницы: гиперссылки, изображения, видео.
Все индексы соответствуют отдельным таблицам базы данных MySQL, отдельные строки которых соответствуют описанию индексируемых страниц.
Динамическая загрузка и парсинг страниц осуществляется Google Chrome плагином с помощью библиотеки JQuery.
После того как плагин подключен к браузеру и пользователь на нужной странице нажал кнопку «Сохранить страницу» осуществляется отправка данных парсинга на веб сервер поисковой системы написанной на PHP с использованием каркаса приложения запросов Zend Framework.
Для поиска по вашим страницам ваши данные ассоциируются с вашим IP адресом и поисковый запрос отправляется со страницы web приложения svlaboratory.org/application/search и svlaboratory.com на экшен web сервера Apache с помощью технологии Ajax.
В качестве алгоритма поиска страниц используется поисковые запросы к базе данных MySQL.
Для поиска предложений — предложения разбиваются на слова, слова приводятся в базовую форму морфологическим анализатором. Осуществляются поиски отдельных слов.
На первом месте в результатах поиска выводится та страница, в которой найдено больше всего слов, пар слов, и исходных предложений.

Конкретная реализация поисковой системы в вашем случае будет зависеть только от вашего умения программировать.

Всех приглашаю пользоваться моей поисковой системой.

С наилучшими пожеланиями,
SVLAB

Новый метод кластерного анализа
sv_beat
Сделайте пожалуйста latex формулы в блогах. Следующая статья содержит немного таких формул.
Эта научная статья посвящена новому методу кластерного анализа мною разработанного и реализованного в сервисах портала svlaboratory.org.
Девочкам могут понравится игры на моем портале.
Ищите мои приложения и игры в Google Play от тега разработчика SVLAB и SVLAB Family.
Всех приглашаю в мою соц сеть "Знакомства" и "Социальная сеть".
Итак, читаем статью.



В работе предлагается новый метод кластерного анализа. Его преимущество в менее сложном с вычислительной точки зрения алгоритме. Метод основан на расчете голосов за то, что пара объектов находится в одном классе из информации о значении отдельных координат.



Введение

Большой потребностью анализа данных является разработка эффективных методов классификации. В таких методах требуется разделить все множество объектов на оптимальное число классов, основываясь только на информации о значении отдельных показателей [Загоруйко 1999].

Кластерный анализ являются одним из самых популярных методов анализа данных и математической статистики. Кластерный анализ позволяет автоматически найти классы объектов, используя только информацию о количественных показателях объектов (обучение без учителя). Каждый такой класс может задаваться одним самым характерным для него объектом, например средним по показателям. Существует большое число методов и подходов для классификации данных.

Современные исследования в области кластерного анализа проводятся с целью улучшения методов для определения классов сложной топологии [Furaoa 2007, Загоруйко 2013], а также для улучшения скорости работы алгоритмов в случае больших данных.

В данной работе предлагается метод классификации основанный, на получении голосов за то, что пара объектов находится в одном классе, основываясь на информации о значении отдельных показателей. Предлагается считать, что пара объектов находится в одном классе, если значения их отдельных показателей находятся в интервале с длиной не превосходящей заданную величину.

Метод k-средних

Метод k-средних является одним из наиболее популярных методов кластеризации. Его целью является получение таких центров данных, которые бы соответствовали бы гипотезе компактности классов данных при их симметричном радиальном распределении. Одним из способов определить положения таких центров, при заданном их количестве \textit{k}, является EM подход.



В данном методе выполняется последовательно две процедуры.

1. Определение для каждого объекта данных X_{i} ближайшего центра C_{j}, и назначение данному объекту метки класса X_{i}^{j}. Далее для всех объектов становится определена их принадлежность различным классам.
2. Вычисление нового положения центров всех классов.

Итеративно повторяя эти две процедуры из начального случайного положения центров \textit{k} классов, можно добиться разделения объектов на классы, которые бы максимально бы соответствовали гипотезе радиальной компактности классов.

С методом k-средних будет сравниваться новый авторский алгоритм классификации.

Новый метод

Новый алгоритм кластерного анализа построен на базе голосов за принадлежность различным кластерам из информации о значений отдельных координат точек данных.

1. Задается величина d, характеризующая длину интервала показателей, в пределах которого два объекта считаются принадлежащими одному классу.
2. Выбирается показатель x_{i} и рассматриваются все пары объектов \left\{O_{l} ,O_{k} \right\}, где l,k=1\ldots N.
3. Если \left|x_{i}^{l} -x_{i}^{k} \right|\le d, то величине r_{lk} :=r_{lk} +1 (прибавляется голос).
4. Действия 2) и 3) повторяются для всех показателей i=1\ldots M.
5. Задается величина p, характеризующая минимальное количество голосов, за принадлежность одинаковым классам.
6. Методом ключей пар значений определяются все классы объектов, таких что в пределах одного класса голоса за пары объектов из этих классов >=p.
7. Перебираются все значения d и p и повторяются пункты 1) - 6) для получения количества классов ближайшее к заданному числу классов g.

Чтобы снизить сложность алгоритма до N, можно использовать T интервалов для отдельных показателей и пункт 2) и 3) в алгоритме заменить на следующие:

1. Выбирается показатель x_{i} и рассматриваются все интервалы \left[u_{l} ,w_{l} \right], где l=1\ldots T:

u_{0} =\min (x_{i} );u_{0} =\min (x_{i} );
w_{T} =\max (x_{i} );
s_{i} =w_{T} -u_{0} ;
u_{l} =u_{0} +l\cdot s_{i} ;
w_{l} =u_{l} +d;
2. Если x_{i}^{k} \in \left[u_{j} ,w_{j} \right] и x_{i}^{l} \in \left[u_{j} ,w_{j} \right], где j=1\ldots T, то величине r_{lk} :=r_{lk} +1 (прибавляется голос при уникальном ключе l, k для i-го показателя).

Численный эксперимент

В качестве исходных данных были взяты данные, с интуитивно понятной человеку классификацией.

На рисунках 1 и 2 приведены результаты классификации метода k-средних и нового метода классификации.


Рис. 1. Проекция 1-2 и классификация данных.

Слева метод k-средних, справа авторский метод.


Рис. 2. Проекция 2-3 и классификация данных.

Слева метод k-средних, справа авторский метод.

По результату сравнения двух методов, видно очевидное преимущество авторского метода, в его способности обнаружения кластеров сложной топологии.

Программная реализация

Метод кластеризации k-средних был реализован программно как web приложение. Вычислительная часть приложения вынесена на сервер написанном на языке PHP c использованием фреймворка Zend. Интерфейс приложения написан с использованием HTML, CSS, JavaScript, JQuery. Приложение доступно по адресу http://svlaboratory.org/application/klaster2 после регистрации нового пользователя. Приложение позволяет визуализировать принадлежность объектов различным кластерам в заданной плоскости координат.

Заключение

Предложен новый метод классификации. Преимущества данного метода в распознании классов сложной топологии, не радиального распределения, а также в меньшей сложности алгоритма и меньшем количестве действий, что особенно выгодно в случае больших массивов данных.

Список литературы (References)
1. Загоруйко Н.Г. Прикладные методы анализа данных и знаний. Новосибирск: Изд-во Ин-та математики, 1999. 270 с.
2. Загоруйко Н.Г., Борисова И.А., Кутненко О.А., Леванов Д.А. Обнаружение закономерностей в массивах экспериментальных данных // Вычислительные технологии. − 2013. Т. 18. № S1. С. 12-20.
3. Shen Furaoa, Tomotaka Ogurab, Osamu Hasegawab An enhanced self-organizing incremental neural network for online unsupervised learning. Hasegawa Lab, 2007.

Программа RFA факторного вращения
sv_beat
Основное назначение программы RFA – это осуществление факторного вращения по различным критериям. 
В качестве типовых критериев вращения предоставляется следующие:
-   квартимакс,
-   варимакс,
-   облимакс,
-   квартимин,
-   облимин,
-   бинормамин,
-   критерий интерпретабельности.
Все критерии могут быть вычислены в рамках ортогональной или косоугольной модели.
Критерии вращения
Матрица − матрица первичного факторного отображения размерности весовых коэффициентов. Где − число изучаемых параметров, − число общих факторов.
Вращение заключается в следующей матричной операции:
,
косоугольная факторная структура;
матрица вращения.
Квартимакс

Максимизация данного критерия приводит теоретически к минимальной сложности каждого исходного параметра равной 1, когда исходный параметр выражается только через один фактор [53].
Варимакс

Максимизация варимакс критерия соответствует максимизации дисперсий квадратов нагрузок факторов. Тем самым теоретическая сложность фактора уменьшается, нагрузки фактора близки к 0 или 1 и фактор можно наилучшим образом проинтерпретировать. Нормализация факторных нагрузок в данном критерии устраняет различие между вкладами отдельных параметров пропорциональное их общностям.
Облимакс

Максимизация данного критерия соответствует максимизации эксцесса случайной величины , представленной выборкой и . В результате максимизируется доля больших и маленьких (близких к нулю) элементов факторной структуры.
Квартимин

Минимизация данного критерия соответствует идее простой факторной структуры, когда для фиксированной пары факторов переменные максимально приближаются к одному из факторов.
Облимин
,
При γ = 0 – это нормализованный квартимин критерий,
при γ = 1 критерий называется коваримин,
при γ = 0.5 критерий называется биквартимин.
Минимизация коваримин критерия соответствует минимизации ковариации между квадратами элементов различных пар факторов конечной факторной структуры. Коваримин критерий теоретически дает ортогональное решение.
Бинормамин

Минимизация данного критерия близка к результатам биквартимин решения.
Критерий интерпретабельности
Получение интерпретабельного факторного решения связана с получением минимальной сложности исходных параметров, когда только одна факторная нагрузка переменной близка к 1, тогда как остальные близки к 0. Поэтому предлагается следующий критерий, непосредственной учитывающий это свойство.
,
где − максимальная по модулю факторная нагрузка i-ой переменной факторной структуры.
Максимизация данного критерия приводит к тому, что максимальная факторная нагрузка переменной приближается к 1, тогда как остальные к 0.

Скриншот программы RFA для проведения факторного вращения


Скриншот программы RFA

Online-сервис для чтения и встроенного перевода epub книг
sv_beat
Web приложение для чтения и встроенного перевода epub книг: epub Books


Android приложение: читатель EPUB с возможностью встроенного перевода с английского на русский epubViewer

Программа виртуальный собеседник ChatBot
sv_beat
Программа ChatBot создавалась как простейший аналог ассоциативной памяти.
Принцип работы состоит в поиске наиболее релевантного вопроса из базы данных и получения следующего за ним ответа.
В программа есть возможность поиска картинок и музыки.
Android версия поддерживает распознавание речи для ввода сообщения, а также воспроизведение голосом ответов чат бота.

Приложение «EnglishWords» для запоминания английских слов
sv_beat
Приложение «EnglishWords» позволяет учить английские слова.
В программе имеется базовый набор слов для изучения.
Главной особенностью программы является возможность создавать свои наборы слов для изучения.
ИНФОРМАЦИЯ НА ЭКРАНЕ
* Процент. Означает процент изученных слов в словаре.
КАК ЭТО РАБОТАЕТ.
Процесс изучения слов начинается с того, что программа набирает из выбранных словарей 5 случайных слов и начинает их показывать в случайном порядке.
После того, как слова выучены из словаря извлекаются следующие 5 случайных слов.
Если вы отвечаете не правильно на слово, то слово будет показываться чаще.
Когда все слова выучены показываются только те слова на которые чаще всего давался не правильный ответ.
СЛОВАРЬ
Базовый набор слов содержит около 1000 наиболее употребляемых английских слов.
EnglishWords EnglishWords EnglishWords

EnglishWords на Android
Приложение использует yandex и google api для получения перевода, транскрипции и звукового воспроизведения.
Для работы приложения необходим доступ в интернет.
Также оригинальный блог и статья находятся тут svlaboratory.org

Нейронная сеть с обратным распространением ошибки для распознавания изображений
sv_beat
В программе используется алгоритм обратного распространения ошибки для обучения нейронной сети.
Входные изображения преобразуются до размера 10 на 10 пикселей для формирования векторов данных фиксированной размерности 100.
Значения элементов векторов данных имеют значения от -0.5 до 0.5.
Для этого изображения преобразуются в черно белые с интервалом значений серых цветов [0, 255].
В качестве активационной функции используется антисимметричная сигмоидальная функция с интервалом значений [-1, 1].

Логика работы:
Загрузить всю обучающую выборку, добавить названия для классов изображений, сопоставить классы и исходные изображения, выбрав соответствующие пункты в списках и нажать сопоставить. Для одного класса может быть несколько представителей из обучающей выборки.
Нажать "Обучение". Когда обучение завершилось загрузить изображение для распознавания.

Скриншот программы:
Распознование изображений

Также оригинальный блог и статья находятся тут svlaboratory.org

Программа PrimEji проектирования компьютерной сети
sv_beat
Программа «PrimEji» представляет собой средство проектирования компьютерной сети с вычисляемой схемой расположения центров коммутации и соединениями между ними.
В число выполняемых программой функций входят:

  • генерировние узлов сети;

  • вычисление центров по методу k-средних;

  • построение оптимальной компьютерной сети на основе алгоритма Прима;

  • построение оптимальной компьютерной сети на основе алгоритма Ежи-Вильямса;

  • построение оптимальной компьютерной сети с ограничениями на основе алгоритма Прима;

  • расчет стоимости проектируемой сети;

В программе реализованы алгоритмы поиска минимального остовного дерева:

  • метод Прима,

  • метод Прима с ограничениями,

  • метод Ежи-Вильямса,

  • метод Ежи-Вильямса с несколькими центрами коммутации.

прим ежи
прим ежи2

Также оригинальный блог и статья находятся тут svlaboratory.org