СЕВЕРОКАВКАЗСКИЕ ТРАДИЦИИ В ФОРМАХ СОСУДОВ ДМИТРИЕВСКОГО МОГИЛЬНИКА САЛТОВО-МАЯЦКОЙ КУЛЬТУРЫ / NORTH CAUCASIAN TRADITIONS IN THE VESSEL FORMS OF THE DMITRIEVSKY CEMETERY OF THE SALTOVO-MAYATSKAYA CULTURE

1. Общее описание Данный репозиторий содержит исходные данные и программные скрипты, использованные в сравнительном исследовании форм керамических сосудов из Дмитриевского могильника и 31 памятника Северного Кавказа. Программный конвейер последовательно реализует следующие этапы: Подготовка данных: построение усреднённого симметричного контура сосуда, выполнение радиальных промеров профиля по 49 точкам, а также пакетная стандартизация изображений (создание бинарных силуэтов) для эллиптического Фурье-анализа. Попарное сравнение: реализация трёх независимых методов выявления пар сосудов «одного мастера» (сходство на уровне, характерном для продукции одного гончара): на основе радиальных промеров от хорды профиля; на основе эллиптического Фурье-анализа (EFA); на основе нейросетевой модели на архитектуре Swin Transformer. Анализ и статистическая оценка: выявление уникальных и общих пар, анализ распределения связей по памятникам и регионам, а также оценка статистической значимости связей с помощью пермутационных тестов с коррекцией на множественные сравнения (FDR). Все скрипты написаны на языке Python и предназначены для запуска в командной строке. Результаты работы сохраняются в структурированном виде в форматах Excel (.xlsx) и CSV (.csv), а также в виде графов для визуализации в программе Gephi (формат .gexf). 2. Структура репозитория Репозиторий организован в соответствии с этапами исследования: 1) подготовка данных 1) средний контур – скрипт с графическим интерфейсом для построения усреднённого контура сосуда из растрового изображения. 2) радиальные измерения (криволинейные очертания оболочек) – скрипт для сегментации профиля и выполнения 49 радиальных замеров. 3) эллиптический Фурье анализ – скрипт для пакетной обработки изображений и создания стандартизированных бинарных силуэтов. 2) попарное сравнение (радиальные замеры от хорды) – расчёт попарного сходства на основе измерений профиля. 3) попарное сравнение (эллиптический Фурье анализ) – извлечение признаков EFA и попарное сравнение сосудов. 4) попарное сравнение (Swin Transformer) – поиск форм «одного мастера» с помощью обученной нейросетевой модели для попарного сравнения. 5) сравнение результатов работы разных методов – скрипты для выявления общих и уникальных пар, найденных тремя методами. 6) анализ северокавказских материалов – скрипты для анализа распределения связей по памятникам и регионам, а также для поиска статистически значимых связей между могильниками Северного Кавказа. 7) сравнение Дмитриевского могильника и северокавказских/ – скрипт для статистического анализа связей между фокусным памятником (Дмитриевка) и всеми остальными, включая агрегацию по регионам. Здесь также представлены сами исходные данные: в виде таблицы с результатами измерений каждого сосуда (см. папку «2) попарное сравнение (радиальные замеры от хорды)») и в виде бинарных силуэтов средних контуров формы (см. папку «3) попарное сравнение (эллиптический Фурье анализ)\vessels_for_EFA»). 3. Полный список зависимостей (Python-библиотеки) Для корректной работы всех скриптов необходима установка следующих библиотек Python. Рекомендуется использовать менеджер пакетов pip. Основные библиотеки для обработки данных и вычислений: text numpy pandas scipy openpyxl statsmodels scikit-learn Библиотеки для обработки изображений и компьютерного зрения: text opencv-python Pillow matplotlib Библиотеки для работы с векторной графикой и SVG: text svgpathtools cairosvg (опционально, для рендеринга сложных SVG) Библиотеки для машинного обучения и нейросетей: text torch torchvision timm Библиотеки для сетевого анализа и визуализации: text networkx Библиотеки для визуализации прогресса: text tqdm Дополнительное примечание: Для работы скриптов с графическим интерфейсом (в папке 1) средний контур) требуется библиотека tkinter, которая обычно входит в стандартную поставку Python, но в некоторых дистрибутивах Linux может требовать отдельной установки (например, sudo apt-get install python3-tk). 4. Рекомендации по установке Для установки всех необходимых зависимостей выполните следующую команду в командной строке: text pip install numpy pandas scipy openpyxl statsmodels scikit-learn opencv-python Pillow matplotlib svgpathtools torch torchvision timm networkx tqdm 5. Инструкция по запуску Каждый скрипт запускается из своей папки через командную строку. Общий порядок работы описан в файлах readme.docx, прилагаемых к каждому модулю. Для удобства пользователей в папке 1) подготовка данных приведены подробные инструкции по открытию командной строки в нужной директории (для ОС Windows). Основная последовательность процедур для воспроизведения изложенных в статье результатов: Обработайте исходные изображения через модуль 1) подготовка данных. Выполните попарное сравнение любым из трёх методов (2, 3 или 4). Сравните результаты трёх методов с помощью скриптов из папки 5. Проведите статистический анализ с помощью скриптов из папок 6 и 7. Все выходные файлы (результаты сравнений, статистические таблицы, графы) автоматически сохраняются в папку results, которая создаётся в каждом модуле при первом запуске.