基于Douglas-Peucker的矢量数据压缩算法

由于Douglas-Peucker算法未考虑空间对象间的拓扑关系,易造成矢量空间数据压缩后的面状地物公共边出现“裂缝”现象,出现失真问题。针对该问题,该文提出了Douglas-Peucker一种改进算法,通过实验验证,改进的算法不仅能较好地保留图形特征,而且提高了压缩精度。     

基于WBCT的地震数据感兴趣区域编码算法

提出一种基于小波域Contourlet变换(WBCT)最优截断嵌入码块(EBCOT)的地震数据压缩算法.首先利用WBCT获得地震数据的稀疏表示,根据码块熵最小化原则优化WBCT方向分解,降低码块复杂度,提高编码效率;然后针对不同地质信息对小波各子带的带通特性不同,改进JPEG2000算法感兴趣区域掩模处理方式,对不同的小波子带设置不同权值,进行掩模处理;最后通过EBCOT编码生成压缩码流.实验结果表明,重构的地震数据不仅峰值信噪比(PSNR)得到提高,而且地震数据同向轴局部纹理失真明显减小.     

基于二维离散小波变换的智能交通系统数据去噪声压缩

研究了基于二维离散小波变换的交通数据压缩与解压缩技术, 建立了交通数据的空-时模型,所提出的二维离散小波变换算法利用交通数据的二维空-时特征, 去除传感器噪声,得到良好的数据压缩结果,压缩比为20～40.同时给出了基于二维离散小波变换的交通数据压缩编码原理. 采用北京市三环路检测断面测得的交通数据,验证所提出的算法是有效的.     

改进的LZSS算法在电子邮件系统中的应用

在海上专用电子邮件系统中,对邮件进行压缩可以有效节省通信费用.采用预先加载字典,精简压缩代码对中每个分量的表示方法,以及减少算法复杂度等方法对LZSS算法进行了改进,并且将其应用于电子邮件系统.在实际环境下的测试结果证明,改进后的压缩程序是有效的,邮件大小相对于压缩前有了明显改变.根据文件类型的不同,压缩比相应不同:对于中英文混合的文档类型文件,压缩比一般为0.4～0.6;对于长文件的压缩,算法表现更好.与标准LZSS压缩算法相比,压缩比提高率在3%到20%不等.在邮件收发的过程中,比未压缩前节省通讯费用40%～60%,且缩短了收发时间.     

基于列存储数据库的压缩态数据访问算法

基于列存储数据库数据访问的特点, 对主流整数压缩格式进行改进, 提出了3种整数压缩算法及相应的压缩态数据访问算法. 实验结果表明, 不解压而直接访问压缩态数据非常高效, 从而为数据的压缩态运算提供了有力支持.     

常数级压缩方法的优化

为提高常数级压缩方法效率,对核心算法所需时间和频率表空间进行了优化.首先对基数计算进行优化,推导出相关优化公式;其次用20组球进行试验,对不同基数计算方法进行了对比;最后对频率表空间进行优化.结果表明,比例运算可有效提高基数计算速度;在内容随机分段中,越靠近字节平均频率值的位置字节频率出现的次数越多;根据这一特征对频率表空间进行优化,所做的优化节省了存储空间,从而提高了压缩率.这些优化策略推动了常数级压缩算法的实用化.     

数据压缩卡尔曼滤波的多传感器精确配准方法

针对多传感器的系统偏差估计问题,提出了数据压缩卡尔曼滤波的精确配准方法。首先采用无偏转换测量模型,利用各传感器局部测量值来构造系统偏差的伪测量方程,然后引入数据压缩方法得到一个合成的测量值,并使用卡尔曼滤波得到偏差估计值。转换模型的无偏特性,保证了即使在测量噪声及系统偏差较大的情形下,估计结果仍然能有较好的一致性和稳定性。同时数据压缩方法可避免传统方法的多次迭代处理,只需一次滤波过程即可完成估计。仿真实验结果表明新方法的估计结果精度良好,同时可有效降低计算耗时。     

基于预测编码的无线传感器网络节点数据压缩算法研究

基于一阶预测编码,对无线传感器网络节点采集的数据进行压缩,除去数据之间的冗余信息,大大减少了网络数据传输量.仿真结果表明,采用改进的预测编码进行数据压缩,可极大减少能耗,增加网络生命周期等效果.     

一种改进的分块自适应压缩算法

针对高分辨合成孔径雷达(SAR)中高数据获取率与有限的存储设备容量及数据传输设备带宽之间的矛盾,在分析传统的分块自适应(BAQ)压缩算法的基础上,给出了一种新型的、改进的指数型BAQ压缩算法。通过用指数值替代幅度均值的方法来对采样数据进行压缩,同时采用了以四个分查找表和比特位移操作共同处理采样数据的新方法,成功地减小了查找表的大小,降低了对数传系统和存储设备的要求,提高了查找速度。     

面向CLAIMS基于Smart物化策略的列存储设计与实现

物化是列存储数据库查询中必不可少的操作,物化策略和物化技术在查询执行过程中起着至关重要的作用.因此设计一种针对列存储数据库的物化策略尤为重要.提前物化生成的元组中存在无关属性;而延迟物化对选择率较高的查询可能无法优化其性能,且某些列会被访问多次.针对以上缺点,本文提出了有别于上述两种策略的策略——Smart物化策略.本文提出了在逻辑查询计划中使用结构——projection,该结构是由用户选取查询所需的属性来生成的,相当于对全表进行物理上的切分;在查询开始时,能减少直接加载到内存的数据量,避免额外的开销.在构建逻辑查询计划过程中,Smart物化策略将projection作为扫描操作标准来对数据进行按列划分,根据一组语句集中对列访问的相关性来对下一次查询所需要的列进行预测,将所需要的列加入到一个最合适的projection中来进行物化.本文通过在分布式内存数据库CLAIMS上使用TPC-H数据集来验证其有效性.