Аннотация: Существующие подходы к формированию единого информационного пространства для доступа из различных информационных ресурсов не достаточно эффективны с экономической и операционной точки зрения. Предмет данного исследования — информационные ресурсы из различных источников, используемые для работы интеллектуального ситуационного центра. Целью работы является формирование методики объединения таких ресурсов в единое информационное пространство, что необходимо и важно при обработке больших объемов неструктурированной и слабоструктурированной информации. В процессе исследования рассмотрены модели и типы данных, информационное пространство работы для определения конечного вида представления данных и алгоритм перехода от объекта к модели NoSQL. Были задействованы методы системного анализа, методы объектно-ориентированного анализа и проектирования. В результате исследования построена новая информационная структура интеллектуального ситуационного центра. Предложенная методика формирования физических моделей данных совместима с четырьмя типами СУБД NoSQL: колонками, документами, графиками и ключевым значением. Модели данных (концептуальные, логические и физические), используемые в разработанном процессе, соответствуют мета-моделям: от концептуального этапа к логическому, а затем от логического этапа к физическому. Представленное решение предлагается реализовать в виде аппаратно-программного комплекса, использующего представленную методику для интеграции информационных потоков различных ситуационных центров. Реализация позволит обеспечивать адаптивное динамическое преобразование поступающих данных и их дальнейшее использование в рамках ситуационного центра.

Ключевые слова: объединение информационных потоков, объединение ситуационных центров, структурирование данных, анализ данных, обработка данных, интеллектуальные ситуационные центры, интеграция данных, модели данных, мета-модели, NoSQL

Библиография:
Silverston L. (2001) The Data Model Resource Book, Revised Edition. Volume 1: A Library of Universal Data Models for All Enterprises. — John Wiley & Sons, New York, 2001. — 542 p. — ISBN 978-0-471-38023-8.
Hay D. C. (2011) Enterprise Model Patterns: Describing the World (UML Version). — Technics Publications, LLC, Bradley Beach, USA, 2011. — 532 p. — ISBN 978-1-9355040-5-4.
Blaha M. (2010) Patterns of Data Modeling (Emerging Directions in Database Systems and Applications). — CRC Press, Washington, 2010. — 261 p. — ISBN 978-1-4398198-9-0.
Fowler M. (1996). Analysis Patterns: Reusable Object Models. — Addison-Wesley Professional, 1996. — 384 p. — ISBN 978-0-201-89542-1.
Симанков В. С., Дриленко М. В. (2020) Методические основы выбора платформ представления информации в интеллектуальном ситуационном центре // Современная наука: актуальные проблемы теории и практики. Серия: Естественные и Технические Науки. — 2020. — №8. — С. 108–112. — ISSN 2223-2966. — DOI: 10.37882/2223-2966.2020.08.30.
Симанко

Аннотация: Объектом исследования являются способы хранения мастер-данных в корпоративных информационных системах. Построение систем интеграции разнородных данных является одним из способов решения проблемы управления мастер-данными (Master Data Management). В данной работе рассматривается система хранения структурированных данных в различных базах данных. Такие системы называют гетерогенными системами. Гетерогенные системы обычно возникают в тех случаях, когда узлы, уже эксплуатирующие свои собственные системы с базами данных, со временем интегрируются в распределенную систему. Целью работы является создание системы хранения разнородных данных в базах данных различного типа. Для построения системы используется методология «расходящаяся разработка». Предложен подход к повышению эффективности управления разнородными данными в корпоративных информационных системах, основанный на парадигме программирования «расходящаяся разработка». В рамках данной парадигмы разработан предметно-ориентированный язык запросов к гетерогенной базе данных. Об эффективности созданной системы интегрирования данных можно судить по приведенным в работе результатам тестирования.

Ключевые слова: базы данных, разнородные данные, NoSQL базы данных, MongoDB, БД ORACLE, MDM, SQL, DSL, синтаксическое дерево, семантическая модель

Библиография:
Knut Jürgensen Master Data Management (MDM): Help or Hindrance? [ Electronic resource ] URL: https://www.red-gate.com/simple-talk/sql/database-delivery/master-data-management-mdm-help-or-hindrance/(дата обращения: 23.01.2019).
Oracle Database Gateways [Electronic resource] http://www.oracle.com/technetwork/database/gateways/index-100140.html (дата обращения: 23.01.2019).
Кристина Чодороу, Майкл Дирольф MongoDB: The Definitive Guide. O’Reilly Media, 2010. 216с.
The Five Most Common Big Data Integration Mistakes to Avoid. [Elecronic resource] URL: http://www.oracle.com/us/products/middleware/data-integration/big-data-integration-mistakes-wp-2492054.pdf (дата обращения: 23.01.2019).
М. В. Щербаков, Чан Ван Фу, Сай Ван Квонг Грамматика запросов для хранилища разнородных данных в проактивных системах // Программные продукты и системы. 2018. № 4. с. 659-667. DOI:10.15827/0236-235X.124.659-666
В. Л. Волушкова Гетерогенные базы данных в корпоративных информационных системах // Информационные те

Аннотация: Предметом исследования является предложенная автором концепция
иерархических bitmap-индексов. Она заключается в том, что в целях повышения производительности обработки запросов по фильтру времени индексы поддерживаются не только для значений основной единицы времени, но и произвольных более крупных кратных единиц. Объектом исследования является построение вероятностной модели, позволяющей оценить эффективность принятия решения: какую побитовую операцию применить на очередном уровне иерархии при построении результирующей выборки - дизъюнкцию или исключающее ИЛИ. Автор уделяет основное внимание обоснованию валидности модели и сравнению результатов с построенной ранее минимаксной моделью, в которой принятие решения выполнялось по заранее установленному правилу и не зависело от текущего состояния системы.
Методологией исследования являются теория вероятностей, методы
многокритериальной оптимизации и вычислительный эксперимент, а также
сопутствующие им методы интуитивной оценки правдоподобия результатов.
Основные выводы проведенного исследования: построена и верифицирована аналитическая модель динамического выбора индексной операции; показано, что предложенная дисциплина выбора дает более высокую производительность в сравнении с минимаксной моделью и разработано программное обеспечение, позволяющее получить численную оценку этой разности; предложена модель оценки расходов на динамическое принятие решения и весовая функция, позволяющая при том или ином выборе весов оценить эффективность модели с принятием решений и сделать выбор в пользу одной из двух моделей.

Ключевые слова: разбиение на группы, минимаксное правило, исключающее ИЛИ, дизъюнкция, полная вероятность, экспоненциальное распределение, случайный поток событий, иерархические bitmap-индексы, многокритериальная оптимизация, весовая функция

Библиография:
Труб И.И. Вероятностная модель иерархических индексов баз данных. //Программные системы и вычислительные методы.-2017.-№ 4.-с.15-31. DOI: 10.7256/2454-0714.2017.4.24437 URL: http://nbpublish.com/library_read_article.php?id=24437
Труб И.И. Аналитическая вероятностная модель bitmap-индексов. //Программные системы и вычислительные методы.-2016.-№4.-с.315-323. DOI: 10.7256/2305-6061.2016.4.21091
Соколов А.В., Токарев В.В. Методы оптимальных решений. Т.1.-М.: Физматлит, 2011.-564 с.
Подиновский В.В., Потапов М.А. Метод взвешенной суммы критериев в анализе многокритериальных решений: PRO et CONTRA.-Бизнес-Информатика, № 3(25), 2013.-с.41-48.
Клейнрок Л. Теория массового обслуживания.-М.: Машиностроение, 1979.-432 с.
Ларичев О. Теория и методы принятия решений.-М.: Логос,2002.-392 с.
Подиновский В.В. Введение в теорию важности критериев в многокритериальных задачах принятия решений.-М.: Физматлит, 2007.-63 с.
Вентцель Е.С. Теория вероятностей.-М.: Наука, 1969.-576 с.
Федоров В.В. Численные ме

Аннотация: Предметом исследования являются компьютерные технологии обработки анкетных данных. Особое внимание в статье уделяется подготовительному этапу обработки данных, который предшествует содержательному анализу данных. Этот этап работы во многом определяет качество результатов всей работы. Подготовительный этап весьма трудоемкий и требует достаточно много времени. Автоматизация работы участников процесса сбора информации позволяет повысить эффективность работы всей системы анализа анкетных данных. Целью настоящего исследования является разработка программного средства, позволяющего осуществлять объединение данных, собранных различными способами, в единую базу данных. Для анализа различных схем организации сбора информации и переноса информации на машинный носитель использовалась методология системного анализа. Кроме того, был использован практический опыт использования различных интернет-сервисов по организации онлайн опросов. Компьютерная технология обладает свойством универсальности, допуская использование в широком диапазоне схем и методов организации анкетных опросов. Достоинством технологии является ее простота использования и доступность широкому кругу пользователей, использующих в своей работе компьютерную среду EXCEL. Эффективность, разработанного программного обеспечения была подтверждена в ходе практической работы по исследованию социально-экономических проблем региона.

Ключевые слова: анкетные опросы, онлайн опрос, автоматизации научных исследований, база данных, программные средства, качество данных, компьютерная технология, анализ данных, интернет, Excel

Библиография:
Мартышенко Н.С., Мартышенко С.Н. Метод обнаружения ошибок в эмпирических данных // Известия вузов. Северо-Кавказский регион – 2008. – №1. – С. 11-14.
Мартышенко Н.С., Мартышенко С.Н. Практические вопросы обработки анкетных данных // Практический маркетинг. – 2007. – №4. – С. 2–8.
Беликова Ю.В. Сравнительный анализ сервисов для проведения он-лайн опросов // Актуальные научные исследования в современном мире. – 2016. – № 5-4 (13). – С. 36-41.
Бондаренко В.А., Иванченко О.В. Современные тенденции в опросах потребителей с использованием компьютеро-ориентированной коммуникации // Экономика и предпринимательство. – 2016. – № 1-1 (66-1). – С. 605-608..
Насретдинова М.М. Актуальность онлайн исследований в России // Психология, социология и педагогика. – 2014. – № 6 (33). – С. 24.
Иванова В.А. Особенности проведения дистанционных опросов онлайн // Маркетинг в России и за рубежом. – 2015. – № 1. – С. 11-16.
Федоровский А.М. Качество онлайн-опросов. Методы проверок // Мониторинг общественного мнения: э

Аннотация: Предметом исследования является предложенная автором концепция иерархических bitmap-индексов. Она заключается в том, что в целях повышения производительности обработки запросов по фильтру времени индексы поддерживаются не только для значений основной единицы времени, но и произвольных более крупных кратных единиц. Объектом исследования является построение аналитической вероятностной модели таких индексов для частного случая экспоненциального распределения случайного потока занесения записей в базу данных. Автор уделяет основное внимание такому аспекту как вычисление дискретного распределения количества индексов, участвующих в обработке запроса. Методологией исследования являются теория вероятностей, методы комбинаторики, теория меры, вычислительный эксперимент. Кроме того, показано, что для исследования особенностей предложенной модели могут быть использованы новейшие понятия теории клеточных автоматов, такие как окрестность Зайцева. Основные результаты работы можно сформулировать следующим образом: введена оригинальная, интуитивно понятная концепция построения индексов; сформулированы новые, содержательные задачи оптимизации для выбора системы иерархических индексов; построена и верифицирована математическая модель, позволяющая оценить эффективность использования выбранной иерархии индексов. Показано, что в предельном случае модель естественным образом стремится к множеству фрактальной природы, в частности, одной из разновидностей канторовой пыли, для которой выведена формула вычисления ее размерности Хаусдорфа-Безиковича через прикладные параметры исходной задачи.

Ключевые слова: иерархические bitmap-индексы, случайный поток событий, экспоненциальное распределение, полная вероятность, фрактальное множество, Канторова пыль, размерность Хаусдорфа-Безиковича, дизъюнкция, исключающее ИЛИ, окрестность Зайцева

Библиография:
McNutt B. The Fractal Structure of Data Reference: Application to the Memory Hierarchy. - Kluwer Academic, Boston, 2000. - 132 p.
Bulut A., Singh A.K. Indexing and Querying Data Streams.-In book DataStreams: Models and Algorithms (edited by Charu C. Aggarwal).-Springer, 2007, 373 p.-pp.237-259.
Труб И.И. О распределении количества bitmap-индексов для произвольного потока занесения записей в базу данных //Программные системы и вычислительные методы.-2017.-№ 1.-с.11-21. DOI: 10.7256/2454-0714.2017.1.21790
Труб И.И. Аналитическое вероятностное моделирование bitmap-индексов //Программные системы и вычислительные методы.-2016-№ 4.-с.315-323. DOI: 10.7256/2305-6061.2016.4.2109
Мандельброт Б. Фрактальная геометрия природы.-Москва, Институт компьютерных исследований, 2002.-656 с.
Градштейн И.С., Рыжик И.М. Таблицы интегралов, сумм, рядов и произведений.-СПб, БХВ, 2011, 7-е изд.-1232 с.
Деменюк С.Л. Фрактал: между мифом и ремеслом.-Академия исследования культуры РИНВОЛ, СПб, 2011.-296 с.
Кроновер

Аннотация: Предметом исследования является задача вычисления для интервала времени заданной длины распределения вероятностей количества единичных интервалов, на которых происходит по крайней мере одно событие некоторого случайного потока, заданного произвольным распределением вероятностей. Прикладное значение данной задачи заключается в том, что ее решение дает оценку количества bitmap-индексов, попадающих в результат запроса к базе данных, отфильтрованного по диапазону времени. Объектом исследования является математическая модель задачи, построенная средствами теории вероятностей, и методы получения с ее помощью численных результатов. Методологией исследования является детальная декомпозиция случайного потока событий с учетом прикладной логики решаемой задачи и вывод на основе методов теории вероятностей уравнений, которым удовлетворяет искомая функция распределения. Важным элементом методологии является использование аппарата преобразований Лапласа и применение теоремы о свертке. Основным результатом работы является постановка оригинальной задачи теории массового обслуживания и получение ее решения в виде системы интегральных рекуррентных уравнений для набора вспомогательных кусочно-непрерывных функций, совокупность которых позволяет получить итоговую функцию. Сформулирован вычислительный алгоритм решения полученной системы. Показано, что для случая экспоненциального распределения непосредственно получаемое ввиду его простоты решение удовлетворяет системе интегральных уравнений.

Ключевые слова: теория массового обслуживания, случайный поток событий, плотность распределения вероятностей, двоичный индекс, экспоненциальное распределение, условная вероятность, интегральное уравнение, преобразование Лапласа, свёртка, граничные условия

Библиография:
Paxson V., Floyd S. Wide-area traffic: the failure of Poisson modeling. // IEEE/ACM Transactions on Networking.-1995.-June.-P.226-244.
Discrete-Event Simulation. 3rd ed. / J. Banks, J. S. Carson, B. L. Nelson, D. M. Nicol. — Prentice Hall: Englewood Cliffs, NS, 2000. - 594 p.
Крылов В.И., Скобля Н.С. Методы приближенного преобразования Фурье и обращения преобразования Лапласа. - М. Наука, 1974. 312 с.
Труб И.И. Аналитическое вероятностное моделирование bitmap-индексов // Программные системы и вычислительные методы. – 2016. – № 4. – С. 315-323. DOI: 10.7256/2305-6061.2016.4.2109
Клейнрок Л. Теория массового обслуживания.-М.: Машиностроение, 1979. 432 с.
Кокс Д.Р., Смит В.Л. Теория восстановления.-М.: Советское радио, 1967. 300 с.
Диткин В.А., Прудников А.П. Интегральные преобразования и операционное исчисление. М.: ГИФМЛ, 1961. 524 с.
Труб И.И. Объектно-ориентированное моделирование на С++.-СПб, Питер, 2006. 416 с.
Бейтмен Д., Эрдейи А. Таблицы интегральных преобразований. Том 1: Преобр