A process consisting of sequential operations is considered. For each operation, you can determine the currently available probability of its error-free (high-quality) execution. By the qualitative performance of the operation, we will understand the achievement of a given level of quality in quantitative proportion to the overall level. The purpose of the article is to build a quality management strategy in which a set of probabilities of quality levels not less than a certain threshold value is achieved, with minimal costs for carrying out appropriate measures. The article presents the decomposition of operations into activities; classification of activities into activities with conditionally linear or asymptotic response; quality assessment in a multi-level control system with response functions of various types; optimization problems and their algorithmic solutions.

No abstract

No abstract

https://orcid.org/0000-0001-6270-6787 Аннотация Предмет исследования. Предложено решение задачи сокращения набора стеганоаналитических методов определения размера вложения в пространственную область изображения, на примере количественных детекторов Least Significant Bits (LSB) стеганографии. Предположено, что методы могут отслеживать одни и те же закономерности в контейнерах, вследствие чего результаты их работы могут коррелировать. Представлены результаты разработки и тестирования методики редукции набора методов с учетом точности и достоверности для снижения вычислительной сложности стеганоаналитической экспертизы. Метод. Теоретическая база предложенного решения -приближение регрессии первого рода линейной регрессией второго рода для многомерных случайных величин. Для верификации результатов выполнен численный эксперимент. В качестве источника контейнеров применена коллекция BOSSbase. Вложения реализованы с шагом 10 % путем автоматизации стеганографических программ freeware-сегмента CryptArkan и The Third Eye c помощью AutoIt. Использованы стеганоаналитические методы Weighted Stego, Sample Pairs, Triples analysis, Asymptotically Uniformly Most Powerful detection, Pair of Values. Датасеты получены в среде MATLAB, программа реализована на языке Python. Для обеспечения воспроизводимости эксперимента датасеты и программный код представлены в Kaggle. Основные результаты. На основе экспериментальных данных рассчитаны интервальные оценки коррелированности методов для различных размеров стегановложения. Разработана методика в составе математической модели, алгоритма реализации модели и компьютерной программы. Практическая значимость. Предложенную методику целесообразно применять в задачах, где необходимо учитывать точность и достоверность. Такие оценки востребованы при осуществлении экспертно-криминалистической деятельности по вопросам, допускающим вероятностные выводы. С помощью данных оценок аналитик может варьировать количество методов в зависимости от доступных вычислительных мощностей и временных рамок исследования.

The article considers aerospace technologies in terms of the details of the space survey of distributed objects. With discrete shooting of areas of interest, a set of images is formed, which are processed by segmentation tools. A set of overlapping or overlapping segments forms objects belonging to the register (areas of interest). The theoretical features of creating mathematical support for the process of forming areas of interest in which objects are present, based on a set of image segments obtained as a result of image processing by segmentation tools, are described. In particular, a mathematical model is presented for creating initial zones from multiple segments of sequential images. The process consists of determining the dynamic neighbourhood, determining the interaction weights and the rules for updating them, updating the spatial vectors of the segments of the processed images. The obtained results provide the creation of mathematical support for the process of forming areas of interest in which objects are present, based on a set of image segments obtained as a result of image processing by segmentation tools.