Все выпуски
- 2026 Том 18
- 2025 Том 17
- 2024 Том 16
- 2023 Том 15
- 2022 Том 14
- 2021 Том 13
- 2020 Том 12
- 2019 Том 11
- 2018 Том 10
- 2017 Том 9
- 2016 Том 8
- 2015 Том 7
- 2014 Том 6
- 2013 Том 5
- 2012 Том 4
- 2011 Том 3
- 2010 Том 2
- 2009 Том 1
-
Оценка качества кластеризации панельных данных с использованием методов Монте-Карло (на примере данных российской региональной экономики)
Компьютерные исследования и моделирование, 2020, т. 12, № 6, с. 1501-1513В работе рассматривается метод исследования панельных данных, основанный на использовании агломеративной иерархической кластеризации — группировки объектов на основании сходства и разли- чия их признаков в иерархию вложенных друг в друга кластеров. Применялись 2 альтернативных способа вычисления евклидовых расстояний между объектами — расстояния между усредненными по интервалу наблюдений значениями и расстояния с использованием данных за все рассматриваемые годы. Сравнивались 3 альтернативных метода вычисления расстояний между кластерами. В первом случае таким расстоянием считается расстояние между ближайшими элементами из двух кластеров, во втором — среднее по парам элементов, в третьем — расстояние между наиболее удаленными элементами. Исследована эффективность использования двух индексов качества кластеризации — индекса Данна и Силуэта для выбора оптимального числа кластеров и оценки статистической значимости полученных решений. Способ оценивания статистической достоверности кластерной структуры заключался в сравнении качества кластеризации, на реальной выборке с качеством кластеризаций на искусственно сгенерированных выборках панельных данных с теми же самыми числом объектов, признаков и длиной рядов. Генерация производилась из фиксированного вероятностного распределения. Использовались способы симуляции, имитирующие гауссов белый шум и случайное блуждание. Расчеты с индексом Силуэт показали, что случайное блуждание характеризуется не только ложной регрессией, но и ложной кластеризацией. Кластеризация принималась достоверной для данного числа выделенных кластеров, если значение индекса на реальной выборке оказывалось больше значения 95%-ного квантиля для искусственных данных. В качестве выборки реальных данных использован набор временных рядов показателей, характеризующих производство в российских регионах. Для этих данных только Силуэт показывает достоверную кластеризацию на уровне $p < 0.05$. Расчеты также показали, что значения индексов для реальных данных в целом ближе к значениям для случайных блужданий, чем для белого шума, но имеют значимые отличия и от тех, и от других. Визуально можно выделить скопления близко расположенных друг от друга в трехмерном признаковом пространстве точек, выделяемые также в качестве кластеров применяемым алгоритмом иерархической кластеризации.
Assessing the validity of clustering of panel data by Monte Carlo methods (using as example the data of the Russian regional economy)
Computer Research and Modeling, 2020, v. 12, no. 6, pp. 1501-1513The paper considers a method for studying panel data based on the use of agglomerative hierarchical clustering — grouping objects based on the similarities and differences in their features into a hierarchy of clusters nested into each other. We used 2 alternative methods for calculating Euclidean distances between objects — the distance between the values averaged over observation interval, and the distance using data for all considered years. Three alternative methods for calculating the distances between clusters were compared. In the first case, the distance between the nearest elements from two clusters is considered to be distance between these clusters, in the second — the average over pairs of elements, in the third — the distance between the most distant elements. The efficiency of using two clustering quality indices, the Dunn and Silhouette index, was studied to select the optimal number of clusters and evaluate the statistical significance of the obtained solutions. The method of assessing statistical reliability of cluster structure consisted in comparing the quality of clustering on a real sample with the quality of clustering on artificially generated samples of panel data with the same number of objects, features and lengths of time series. Generation was made from a fixed probability distribution. At the same time, simulation methods imitating Gaussian white noise and random walk were used. Calculations with the Silhouette index showed that a random walk is characterized not only by spurious regression, but also by “spurious clustering”. Clustering was considered reliable for a given number of selected clusters if the index value on the real sample turned out to be greater than the value of the 95% quantile for artificial data. A set of time series of indicators characterizing production in the regions of the Russian Federation was used as a sample of real data. For these data only Silhouette shows reliable clustering at the level p < 0.05. Calculations also showed that index values for real data are generally closer to values for random walks than for white noise, but it have significant differences from both. Since three-dimensional feature space is used, the quality of clustering was also evaluated visually. Visually, one can distinguish clusters of points located close to each other, also distinguished as clusters by the applied hierarchical clustering algorithm.
-
Реконструкция морфологии астроцитов методом быстрого марша с новым профилем скорости
Компьютерные исследования и моделирование, 2026, т. 18, № 5, с. 1365-1377Астроциты, ключевой тип клеток глии центральной нервной системы, характеризуются сложной трехмерной морфологией, которая тесно связана с их многочисленными функциями и меняется при развитии, адаптационной пластичности и патологии. Автоматизированная реконструкция этой морфологии из конфокальных микроскопических изображений остается методической проблемой из-за высокого пространственного разнообразия отростков, зашумленности данных и отсутствия специализированных открытых инструментов. Представлен новый алгоритм для автоматической реконструкции морфологии астроцитов, основанный на комбинации многомасштабного анализа анизотропности и метода быстрого марша. Основное нововведение заключается в построении профиля скорости для уравнения эйконала через нормировку отклика фильтра Сато на величину проекции градиента яркости на направление, перпендикулярное центральной линии отростков, позволяя эффективно выделять осевые линии отростков разного калибра. Для параметризации получаемых деревьев использовались топологические морфологические дескрипторы и анализ степенного распределения узлов графа. Алгоритм был валидирован на открытом наборе данных изображений астроцитов разных стадиях созревания морфологии в ходе развития. Показано, что распределение весов узлов реконструкции подчиняется степенному закону, показатель которого монотонно уменьшается с возрастом, отражая увеличение иерархической упорядоченности морфологии. Низкоразмерное UMAP-представление портретов персистентности, построенных на основе реконструкций, выявило четкую «ось созревания», вдоль которой кластеризуются клетки в соответствии с возрастом животного. Предложенный метод предоставляет эффективный инструмент для количественного анализа трехмерной архитектуры астроцитов, что может найти применение в исследованиях роли астроцитов в работе центральной нервной системы.
Reconstruction of astrocyte morphology based on the fast marching method with a new speed profile
Computer Research and Modeling, 2026, v. 18, no. 5, pp. 1365-1377Astrocytes, a key type of macroglial cell in the central nervous system, are characterized by a complex three-dimensional morphology that is closely linked to their function and undergoes changes during development, plasticity, and pathology. Automated quantitative reconstruction of this morphology from confocal microscopy images remains a methodological challenge due to the high spatial diversity of processes, data noise, and the lack of specialized open-source tools. This paper presents a novel algorithm for the automatic reconstruction of astrocyte morphology, based on a combination of multi-scale anisotropy analysis and the fast marching method. The core innovation lies in constructing a speed profile for the eikonal equation by normalizing the response of the Sato filter with the magnitude of the brightness gradient projection onto the direction perpendicular to the branch centerline. This approach effectively highlights the medial axes of processes of varying calibers. The reconstruction is achieved by building a graph from the trajectories of gradient descent on a time-of-arrival map initiated from the cell soma. For parameterizing the resulting trees, topological morphological descriptors and an analysis of the power-law distribution of the leaf count of the graph nodes were used. The algorithm was validated on an open dataset of hippocampal astrocyte images from rats at different postnatal developmental stages. It is shown that the distribution of node weights in the reconstructions follows a power law, whose exponent monotonically decreases with age, reflecting an increase in the hierarchical order of the morphology. A low-dimensional UMAP representation of persistence images, constructed from the reconstructions, revealed a clear “maturation axis” along which cells cluster according to the animal’s age. The proposed method provides a reliable open-source tool for the objective quantitative analysis of complex three-dimensional astrocyte architecture, which is essential for research in developmental neurobiology, astroglial physiology.
-
Метод представления дифракционных изображений XFEL для классификации, индексации и поиска
Компьютерные исследования и моделирование, 2015, т. 7, № 3, с. 631-639В работе представлены результаты применения алгоритмов машинного обучения: метода главных компонент и метода опорных векторов для классификации дифракционных изображений, полученных в экспериментах на лазерах на свободных электронах. Показана высокая эффективность применения такого подхода с использованием модельных данных дифракции лазерного пучка на капсиде аденовируса и вируса катаральной лихорадки, в которых учтены условия реального эксперимента на лазерах на свободных электронах, такие как шум и особенности используемых детекторов.
XFEL diffraction patterns representation method for classification, indexing and search
Computer Research and Modeling, 2015, v. 7, no. 3, pp. 631-639Просмотров за год: 6.The paper presents the results of application of machine learning methods: principle component analysis and support vector machine for classification of diffraction images produced in experiments at free-electron lasers. High efficiency of this approach presented by application to simulated data of adenovirus capsid and bluetongue virus core. This dataset were simulated with taking into account the real conditions of the experiment on lasers free electrons such as noise and features of used detectors.
Журнал индексируется в Scopus
Полнотекстовая версия журнала доступна также на сайте научной электронной библиотеки eLIBRARY.RU
Журнал входит в систему Российского индекса научного цитирования.
Журнал включен в базу данных Russian Science Citation Index (RSCI) на платформе Web of Science
Международная Междисциплинарная Конференция "Математика. Компьютер. Образование"





