Все выпуски

Современная литература содержит многочисленные примеры применения распределений с тяжелыми хвостами для прикладных исследований сложных систем. Моделирование экстремальных данных обычно ограничено небольшим набором форм распределений, которые исторически применяются в данной области прикладных исследований. Расширение набора форм возможно посредством сопоставления мер форм распределений. В работе на примере бета-распределения второго рода показано, что неопределенность моментов тяжелохвостых бета-распределений ограничивает применимость классических методов моментов для исследования их форм. На данном этапе сохраняется актуальность построения методов сопоставления распределений с помощью квантильных мер формы, которые освобождены от ограничений на параметры формы. Цель работы состоит в компьютерном исследовании возможности построения пространства квантильных мер форм для проведения сравнения распределений с тяжелыми хвостами. На основе компьютерного моделирования проводится картирование реализаций распределений в пространстве параметрических, квантильных и информационных мер формы. Картирование распределений в пространстве только параметрических мер формы показало, что наложение множества распределений с тяжелыми хвостами в пространстве квантильных мер асимметрии и эксцесса не позволяет сопоставить формы распределений, принадлежащие разным типам распределений. Хорошо известно, что информационные меры содержат дополнительную информацию о мере формы распределений. В работе предложен квантильный коэффициент энтропии в качестве дополнительной независимой меры формы, построенной на отношении интервалов энтропийной и квантильной неопределенностей. На примере логнормального распределения и распределения Парето иллюстрируются возможности сравнения форм распределений с реализациями бета-распределения второго рода. В частности показано, что, несмотря на близость положений форм в трехмерном пространстве, формы реализаций логнормального распределения отсутствуют среди реализаций бета-распределения второго рода. Картирование положения устойчивых распределений в трехмерном пространстве квантильных мер форм позволило оценить параметры формы бета-распределения второго рода, для которого форма наиболее близка к форме распределения Леви. Из материала статьи следует, что отображение распределений в трехмерном пространстве квантильных мер форм значительно расширяет возможность сравнения форм для распределений с тяжелыми хвостами.

В работе представлен метод анализа цифровых изображений, основанный на совместном использовании быстрого дискретного шиарлет-преобразования и статистически значимых мер информационной энтропии и сложности. Предложенный подход ориентирован на исследование пространственных структур различной природы, включая регулярные, стохастические и многомасштабные системы, и позволяет выявлять закономерности их организации без необходимости предварительной сегментации или обучения моделей.

В основе метода лежит построение локальных вероятностных распределений на основе коэффициентов шиарлет-преобразования, учитывающего масштабную и направленную структуру изображений. На базе этих распределений вычисляются нормированная энтропия Шеннона и статистическая сложность, определяемая черездиверг енцию от равномерного распределения. Это позволяет перейти от анализа отдельных коэффициентов к более устойчивому описанию структурных свойств изображений в пространстве «энтропия – сложность».

Метод протестирован на ряде синтетических и реальных данных. В частности, исследован переход от упорядоченных систем к хаотическим, продемонстрирована чувствительность предложенных мер к разрушению регулярных структур. На примере фрактальных объектов (треугольник Серпинского) показано, что статистическая сложность достигает максимума на характерных масштабах самоподобия. Применение метода к изображениям поверхности Марса продемонстрировало его потенциал для задач дистанционного зондирования и геоморфологического анализа.

Отдельное внимание уделено устойчивости метода к шуму. Показано, что даже слабое зашумление приводит к росту энтропии и снижению сложности, что позволяет использовать данные характеристики как индикаторы дегра- дации структур.

Полученные результаты свидетельствуют о том, что пространство «энтропия – сложность», сформированное на основе шиарлет-преобразования, может служить универсальным инструментом для анализа многомасштабных изображений. Предложенный подход обладает высокой чувствительностью к структурным особенностям данных и может быть применен в широком спектре задач, включая обработку текстур, анализ природных изображений и медицинскую диагностику.