导读:本文包含了数据无损压缩算法论文开题报告文献综述及选题提纲参考文献，主要关键词:高程栅格数据,无损压缩,比特,阈值
数据无损压缩算法论文文献综述
刘辰炜,孙耀宗[1]（2019）在《基于距离信息的高程栅格数据无损压缩算法》一文中研究指出随着地理信息系统的不断发展,在军用、民用等领域已经积累了海量栅格数据,对存储容量的需求也随之快速增长。针对如何降低存储体积这一问题,该文提出了一种保存高程数据距离信息的无损压缩算法。首先,选择若干小于原始数据占用比特个数的数值,并计算其阈值;然后,计算最大高程距离所属的阈值范围以及阈值上限对应的比特数m;接着,将高程值与最小值的距离逐一左移m个比特进行保存;进一步优化算法,针对等分后的高程瓦片小块采用上述算法进行压缩;最后,选取压缩率最高的压缩数据。实验结果表明:针对瓦片小块利用该文无损压缩算法,能有效降低高程数据的存储体积。(本文来源于《电子质量》期刊2019年11期）
曾强宇,V,Chandrasekar,何建新,史朝,王皓[2]（2019）在《基于预测的双线偏振天气雷达数据无损压缩算法》一文中研究指出随着双线偏振天气雷达技术的发展,雷达提供的探测参量越来越多,数据精度不断提高。探测性能提升使得天气雷达数据量急剧增长,数据存储和传输是雷达网络化应用中需要解决的重要问题。数据压缩算法用于减小传输和存储的数据量,但通用的数据压缩算法并未充分考虑双线偏振天气雷达数据的特点。文中提出适用于双线偏振天气雷达数据压缩算法(DPRC),使用径向预测减小天气雷达数据相关性,实现了天气雷达基数据的高效无损压缩。使用CSU-CHILL雷达数据和双线偏振改造后的CINRAD SA雷达对DPRC的算法性能进行评估,试验结果表明,DPRC较通用的压缩算法压缩率更高,适用于高分辨率双线偏振雷达数据无损压缩。(本文来源于《气象学报》期刊2019年02期）
吕炳赟[3]（2019）在《常用无损数据压缩算法的分析及研究》一文中研究指出在信息时代下,各种数据信息不断增多,为减少对存储空间的占用,并进一步提高数据的传输效率,需要对数据进行压缩处理。在数据压缩的过程中,确保数据的无损性非常重要,无损数据压缩算法随之出现。基于此点,本文从数据信息压缩的重要意义分析入手,阐述了常用的无损数据压缩算法,最后设计了快速解压的无损数据压缩算法。1数据信息压缩的重要意义随着信息时代的到来,信息数据呈几何倍数增长,对信息传输(本文来源于《电子世界》期刊2019年04期）
张宏振[4]（2016）在《基于测井数据的无损压缩算法研究及实现》一文中研究指出由于特殊井测环境,数据只能通过电缆从井下数千米传到地面设备,海量的数据给传输系统带来了严峻的挑战。此外因为数据量巨大,带宽有限,导致井下测井仪器是数量受到限制。另外,传输时间过长也容易造成网络断线和产生误码,以至于影响地面设备的实时性。所以对测井数据进行无损压缩非常必要。LZW是一种基于字典压缩的无损压缩算法,具有压缩率高,易于软硬件实现等特点,但传统LZW算法在压缩过程中存在字典查找效率较低,字典溢出等问题。本文针对测井数据提出了一种改进的LZW压缩算法,该算法通过在字典词条中增加计数位,采用散列函数查询字典。实验和仿真结果表明本文提出的压缩算法取得了较好压缩效果。在井下对数据压缩后再传至地面,有效的提高测井数据的传输速率。硬件部分论文提出了一种通过改进型LZW算法,基于FPGA平台的系统设计方案,对数据进行实时无损压缩。硬件平台采用了Microsemi公司的基于Flash架构的SmartFusion2产品,该产品具有高安全性、高可靠性和极低功耗等特点。对压缩系统的整个体系结构进行分模块化设计,主要分成了前段缓冲模块、散列函数产生模块、字典模块、状态机模块、数据位数转换模块等几个主要模块,并对其进行功能验证。最后对整个硬件压缩系统进行了分析和验证,测试结果表明数据经本文设计的压缩系统压缩后传至数上位机解压后与原始数据保持一致,验证了基于改进算法的无损压缩系统的可靠性,说明该压缩系统具有一定的实用价值。(本文来源于《南京邮电大学》期刊2016-11-18）
巫忠书[5]（2016）在《雷达全脉冲数据无损压缩算法研究》一文中研究指出在当今大数据时代下,数据压缩技术的研究与发展日益成熟,并应用在生活中的各个方面。随着雷达体制的发展与电子侦察的盛行导致了与日俱增的全脉冲数据量,而市面上流行的通用压缩算法并不能很好的对全脉冲数据进行压缩,因此,研究一种对全脉冲数据进行无损压缩的算法就势在必行。本文设计了一个基于聚类分析的雷达全脉冲数据压缩系统,实现对全脉冲数据的无损压缩功能。本文主要研究了聚类压缩系统的几个关键技术:首先,分析了几种具有代表性的聚类方法,对每种算法进行测试和结果比较,选择了算法速度快、伸缩性好的K均值聚类;其次,对聚类处理之后的数据要进行熵编码,分析对比了常用的无损压缩编码方式,包括针对数值和文本的压缩方法,选择了区间编码;再次,将聚类和编码串联起来形成一个系统进行测试,对其中K均值聚类算法的缺陷提出了一种处理的方法;最后,尝试整个K均值聚类在GPU上的并行化,主要是通过数据分块并行实现,并有较好的效果。本文的主要特点有以下几点:(1)处理的数据结构较新,全脉冲数据是一种较为新型的雷达数据格式,每个数据对象拥有5个参数,分别是到达时间(TOA),脉宽(PW),幅值(PA),载频(CF)和方位角(DOA)。其数据源是无人机侦察时产生的对每个侦察目标的信息,全脉冲数据中的一些数据会对应着同一个目标。这样这些数据之间就存在着很强的相关性,本文利用这种相关性将全脉冲数据进行无损压缩。(2)聚类算法主要用于信号分选领域,主要功用是识别数据内部结构,将数据或对象的集合划分成不同的类簇。本文将聚类算法应用在数据压缩领域,将数据集聚类之后提取每一个类簇中的中心值和其余数据点相对中心值的差值再做处理,拓宽了聚类算法的应用范围。(3)尝试K均值聚类在GPGPU上的并行计算。异构计算平台是近几年较为热门的课题之一,GPGPU是将CPU的逻辑控制功能与GPU的强大浮点计算功能结合在一起的异构平台。本文试行了K均值聚类的并行化,取得了较好的效果。本文设计的聚类压缩系统经测试,算法对全脉冲数据有较好的压缩效果。针对一个152MB的全脉冲数据,压缩率能够达到48.1%;同时,在输入数据大小为2000KB时,K均值聚类并行速度比串行提高了1.65倍。(本文来源于《电子科技大学》期刊2016-03-31）
张永棠[6]（2016）在《一种改进的LZ77无损数据压缩算法设计》一文中研究指出研究了LZ77无损数据压缩算法的原理,在对LZ77各种改进算法进行深入分析的基础上,结合TUNEDBM单模式匹配算法,提出了一种新的改进的LZ77无损数据压缩算法。实验结果表明,改进的LZ77压缩率比原LZ77稍有降低,但在压缩时间有很明显的优势,尤其当文件较小时,这种优势体现得更加明显。(本文来源于《佛山科学技术学院学报(自然科学版)》期刊2016年01期）
余兴阁[7]（2016）在《无损数据压缩与解压算法的介绍与实现》一文中研究指出数据压缩是数字化日益普及和计算机、数字通信、数字信号处理及各种数据处理设备日益广泛应用并渗透到各行各业所产生的巨大客观需求。随着信息化社会的发展,人们面对急剧增长的海量信息,存储、传输和处理这些海量信息的压力越来越大。在这种情况下,进行数据压缩是一种必然选择。数据压缩又分为有损数据压缩和无损数据压缩,这篇文章主要讨论无损数据压缩,无损数据压缩适用于文本文件、数据库、程序等数据压缩,其特点是数据经压缩、解压后,可以完全与压缩前的数据一样。(本文来源于《信息与电脑(理论版)》期刊2016年01期）
仇杰,梁久祯,吴秦,王培斌[8]（2015）在《基于改进科学计算浮点数压缩算法的工业远程监控数据无损压缩方法》一文中研究指出为解决大量工业远程监控数据在通用分组无线服务(GPRS)网络上的传输延迟问题,提出了基于改进科学计算浮点数压缩(FPC)算法的工业远程监控数据无损压缩方法。首先,根据工业监控数据中浮点数部分的特点对原FPC算法中的预测器结构进行改进,并将该改进算法作为浮点数部分的压缩算法;然后,与区间编码相结合作为整个数据域的压缩方法。改进前后的浮点数部分压缩实验结果表明改进的FPC算法提高了预测器的预测精度,且在保持较高压缩效率的同时提高了压缩率。与通用无损压缩算法相比,所提算法提高了12%以上的平均压缩率,减少了38.5%以上的平均压缩时间,使得传输时间降低了23.7%以上,在传输数据量大且传输速率不高的情况下大大提高了监控的实时性。(本文来源于《计算机应用》期刊2015年11期）
汪嘉文[9]（2015）在《面向复杂工程系统监测数据的无损压缩算法研究》一文中研究指出复杂工程系统是指完全根据用户需求建立的一个大型专用系统的工程项目,它具有一次性、多科学、系统集成复杂等特性。随着信息技术的飞速发展和工业4.0概念的提出,更多的传统行业将转向以智能为主导的新的发展浪潮,智能化的过程离不开数据,从数据中挖掘出有重大价值的信息必然会有助于构建一个全新的产品和服务模式。在复杂工程系统中,往往存在系统设备量大,设备包含参数多,参数采集时间周期短等特点。随着时间的累积,系统运行会产生大量的监测数据,这些数据直接反映复杂工程系统的运行状态,如果将这些数据不做处理,直接存储,不仅会占用大量的系统存储空间,也会为后续的数据处理带来难度,因此在保证数据正确且不减少数据信息的前提下,对海量监测数据进行压缩是十分必要的,它能够有效的减少存储空间,提升数据的存储效率。本文所展开的主要工作是将无损数据压缩算法引入复杂工程系统监测数据处理过程,实现对海量监测数据的无损、高效压缩。为了得到更好的数据压缩效果,根据对应用对象数据特性分析,将需要处理的监测数据分为数值型数据与状态型数据两类,再根据数据形态不同,有针对性的应用不同的数据压缩算法,使其在压缩性能上有进一步提升。论文首先介绍了数据压缩的基本概念;其次对复杂工程系统监测数据的特点与构成进行了说明,并详细分析了本文应用背景中监测数据的特性、结构特点与数据规模,指出了将无损数据压缩算法引入复杂工程系统监测数据处理中的必要性,并介绍了通用的无损数据压缩算法;针对监测数据中数值型数据特性,结合基础算法的自身特点,提出一种基于字典结构扩展的LZW改进算法,针对监测数据中状态型数据特性,提出一种特定结构的连续信息片段压缩算法,并利用复杂工程系统真实监测数据对改进和提出的算法性能进行验证;最后介绍了压缩算法的应用背景,将算法应用于复杂工程系统监测数据压缩处理中,降低了数据的存储占用空间,提升了数据存储容量。通过对压缩前后文件大小、压缩比、压缩时间和解压时间4个方面进行测试,验证了提出的数据压缩算法性能,并将算法应用于某航天发射场海量监测数据压缩处理过程。(本文来源于《重庆大学》期刊2015-04-01）
周晓恺[10]（2015）在《一个数据无损压缩算法研究》一文中研究指出随着信息化技术的不断发展,日常需要处理和传输的数据越来越多,其中不可避免带来数据的冗余,冗余的数据不仅仅浪费存储器,同时也对信息的检索带来了不必要的时间开销。因此我们迫切的需要有好的压缩算法来消除不必要的数据冗余。给出一种基于算数常识的压缩算法,就其实现上看依然属于基于字典模型的压缩算法。本算法的创新点在于,从更广泛的角度理解数据“冗余”的概念,不再是简单地匹配、消除重复的比特串,而是对一些较长的数据串,我们找出一些更精简的数据和一种推导方法以更简短的方式表示源数据。给出一套基于算数常识的压缩算法的具体实现方案。引入最优编码和最优序列的概念,以及基于线性变换的最优编码和最优序列应当满足的性质,并加以证明。根据这些性质给出一种编码优化方案及相关算法。其中,基于算数常识的压缩算法和上述编码优化方案结合,可能需要大量内存来存储字典,压缩速度较慢,但是其本质已经发生了变化,不再依赖于数据局部冗余的特性,而依赖与字典的大小,只要字典越大,压缩效果则越好,解压算法不需要字典,解压的核心则是进行相应的算数运算,运算速度较快。实验证明,基于算数常识的压缩算法与一般字典编码如LZ77压缩算法相比对不可预测的随机数据有较好的压缩效果,并且还有进一步优化的空间。(本文来源于《华中科技大学》期刊2015-01-01）
数据无损压缩算法论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
随着双线偏振天气雷达技术的发展,雷达提供的探测参量越来越多,数据精度不断提高。探测性能提升使得天气雷达数据量急剧增长,数据存储和传输是雷达网络化应用中需要解决的重要问题。数据压缩算法用于减小传输和存储的数据量,但通用的数据压缩算法并未充分考虑双线偏振天气雷达数据的特点。文中提出适用于双线偏振天气雷达数据压缩算法(DPRC),使用径向预测减小天气雷达数据相关性,实现了天气雷达基数据的高效无损压缩。使用CSU-CHILL雷达数据和双线偏振改造后的CINRAD SA雷达对DPRC的算法性能进行评估,试验结果表明,DPRC较通用的压缩算法压缩率更高,适用于高分辨率双线偏振雷达数据无损压缩。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
数据无损压缩算法论文参考文献
[1].刘辰炜,孙耀宗.基于距离信息的高程栅格数据无损压缩算法[J].电子质量.2019
[2].曾强宇,V,Chandrasekar,何建新,史朝,王皓.基于预测的双线偏振天气雷达数据无损压缩算法[J].气象学报.2019
[3].吕炳赟.常用无损数据压缩算法的分析及研究[J].电子世界.2019
[4].张宏振.基于测井数据的无损压缩算法研究及实现[D].南京邮电大学.2016
[5].巫忠书.雷达全脉冲数据无损压缩算法研究[D].电子科技大学.2016
[6].张永棠.一种改进的LZ77无损数据压缩算法设计[J].佛山科学技术学院学报(自然科学版).2016
[7].余兴阁.无损数据压缩与解压算法的介绍与实现[J].信息与电脑(理论版).2016
[8].仇杰,梁久祯,吴秦,王培斌.基于改进科学计算浮点数压缩算法的工业远程监控数据无损压缩方法[J].计算机应用.2015
[9].汪嘉文.面向复杂工程系统监测数据的无损压缩算法研究[D].重庆大学.2015
[10].周晓恺.一个数据无损压缩算法研究[D].华中科技大学.2015