V Международная студенческая научная конференция Студенческий научный форум - 2013

Фрактальная теория сформировалась не так давно, но благодаря своему универсальному подходу, основанному на анализе свойства самоподобия сложных стохастических систем, нашла свое применение во многих областях: в биологии, геологии, физике, экономике, компьютерной графике, в сетевых технологиях и др.

Целью исследования является разработка модели описания и прогнозирования стохастических информационных потоков в сети интернет на основе методов фрактального анализа.

При рассмотрении информационного пространства в нем выделяют совокупность информационных ресурсов, таких как документы, файлы и веб-страницы. Большой объем информации и ее высокая частота обновления позволяет рассматривать информационное пространство как стохастическое[1]. Особый интерес представляют взаимосвязи между ресурсами этого пространства, для изучения которых все чаще находит применение фрактальная теория, рассматривающая такое свойство информационного пространства как самоподобие. Оно обуславливается тем, что при росте информационного пространства в последнее время, его частотная и ранговая составляющая практически не изменяет своей формы[2].

Группы взаимосвязанных документов образуют кластеры. Их анализ позволяет упрощать процесс поиска необходимой информации. Существуют системы кластерного анализа, которые объединяют информационные ресурсы в группы по некоторым заданным критериям. Примером такой системы может служить веб-сервис Touchgraph(www.touchgraph.com), демонстрирующий появление кластерных образований, сформированных подобием информационных объектов. Еще один пример кластерной системы - служба News Is Free (newsisfree.com)[1]. На этом сайте представлены ссылки на новостную информацию в разрезе таких ее свойств, как популярность и актуальность.

Большинство экспериментальных данных обладает фрактальной статистикой, анализ которой позволяет сформировать временной ряд. Временной ряд представляет собой совокупность наблюдаемых параметров изучаемой системы во времени. Фрактальный анализ временных рядов позволяет учитывать то, как ведет себя система не только в период измерений, но и его предысторию. Изломанность кривой характеризуется фрактальной размерностью. Проанализировав изменения фрактальной размерности на различных участках и влияние на систему внешних и внутренних факторов, можно спрогнозировать ее дальнейшее поведение[3]. Наибольший интерес представляют те участки временной кривой, где система теряет устойчивость и переходит в состояние, в котором дальнейшее значение параметров либо возрастает, либо убывает, в зависимости от тенденции, имеющей место в данное время.

Для последующего решения ставятся следующие задачи:

1. Провести обзор методов фрактального анализа данных и адаптировать их к анализу стохастических информационных потоков в сети интернет;

2. На основе фрактальных методов разработать приложение для анализа стохастических информационных потоков в сети интернет;

3. Получить и сравнить показатели эффективности каждого из разработанных методов.

Список использованной литературы:

1. Ландэ Д.В., Снарский А.А. Интернетика: Навигация в сложных сетях: модели и алгоритмы. М.: Книжный дом «Либроком» ТПУ, 2009. – с. 224-228

2. Иванов С.А. Стохастические фракталы в Информатике //Научно-техническая информация. Сер. 2. – 2002. – № 8. – С. 7–18.

3. Старченко Н.В. Локальный анализ хаотических временных рядов с помощью индекса фрактальности // Автореферат диссертации на соискание ученой степени кандидата физико-математических наук, Москва, 2005.

Код для цитирования: Скопировать