基于有限序列的压缩新算法

doi:10.13229/j.cnki.jdxbgxb20170399

吉林大学学报(工学版) ›› 2018, Vol. 48 ›› Issue (3): 882-886.doi: 10.13229/j.cnki.jdxbgxb20170399

基于有限序列的压缩新算法

赵宏伟^1,2,3, 刘宇琦¹, 特日根⁴, 陈长征², 臧雪柏^{1, 3}

1.吉林大学计算机科学与技术学院,长春 130012;
2.中国科学院应用光学国家重点实验室,长春 130033;
3.吉林大学符号计算与知识工程教育部重点实验室,长春 130012;
4.长光卫星技术有限公司,长春 130000;

收稿日期:2017-04-20 出版日期:2018-05-20 发布日期:2018-05-20
通讯作者: 臧雪柏(1963-),女,研究员,博士.研究方向:智能信息系统.E-mail:zangxb@jlu.edu.cn
作者简介:赵宏伟(1962-),男,教授,博士生导师.研究方向:智能信息系统.E-mail:zhaohw@jlu.edu.cn
基金资助:
国家自然科学基金青年基金项目(61101155); 吉林省发展和改革委员会产业创新专项项目(2016C035); 应用光学国家重点实验室开放基金项目(YG201701).

New compression algorithms based on finite sequence

ZHAO Hong-wei^1,2,3, LIU Yu-qi¹, TE Ri-gen⁴, CHEN Chang-zheng², ZANG Xue-bai^{1, 3}

1.College of Computer Science and Technology, Jilin University, Changchun 130012, China;
2. State Key Laboratory of Applied Optics, Chinese Academy of Sciences, Changchun 130033, China;
3.Key Laboratory of Symbolic Computation and Knowledge Engineering, Ministry of Education, Jilin University, Changchun 130012, China;
4.Chang Guang Satellite Technology Co.,Ltd., Changchun 130000,China

Received:2017-04-20 Online:2018-05-20 Published:2018-05-20

摘要/Abstract

摘要： 为了降低排序序列的空间复杂度,提出了CSNB二进制压缩排序数。通过包含有01校验、奇偶校验以及CSNA校验的解压算法,正确地还原出原序列,并对解压算法结果的唯一性进行了理论及实验检验。从实验结果可知,CSNB能够正确描述任意排序序列,且通过CSNB解压算法可以得到唯一解,即可以还原出原序列。通过对CSNB压缩算法的测试,表明CSNB压缩算法对整数型文档具有较高的压缩率。数据压缩不仅可以节省数据的存储空间,而且能够增强其在传输过程中的安全和效率。

关键词: 计算机应用, 数据压缩, 压缩编码, 整数数据, 数据还原

Abstract: CSNB binary compression sort numbers are proposed to reduce the spatial complexity of ordering sequence, and the original sequence is restored correctly by 01 check, parity check and decompression algorithm of CSNA check. The uniqueness of the decompression algorithm result is theoretically and experimentally tested. CSNB can correctly describe any sort sequences through experimental results, and a unique solution can be obtained by CSNB decompression algorithm, which can restore the original sequence. Test results show that CSNB compression algorithm has high compression ratio for documents of integer types. Data compression can not only save data storage space, but also enhance the safety and efficiency in the transmission process.

Key words: computer application, data compression, compression coding, integer data, data restore

中图分类号:

TP301

赵宏伟, 刘宇琦, 特日根, 陈长征, 臧雪柏. 基于有限序列的压缩新算法[J]. 吉林大学学报(工学版), 2018, 48(3): 882-886.

ZHAO Hong-wei, LIU Yu-qi, TE Ri-gen, CHEN Chang-zheng, ZANG Xue-bai. New compression algorithms based on finite sequence[J]. 吉林大学学报(工学版), 2018, 48(3): 882-886.

参考文献

[1] Deligiannakis A,Kotidis Y,Roussopoulos N.Dissemination of compressed historical information in sensor networks[J]. The VLDB Journal,2007,16(4):439-461.
[2] 张建明,林亚平,周四望,等. 传感器网络中误差有界的小波数据压缩算法[J]. 软件学报,2010,21(6):1364-1377.
Zhang Jian-ming,Lin Ya-ping,Zhou Si-wang,et al.Haar wavelet data compression algorithm with error bound for wireless sensor networks[J]. Journal of Software,2010,21(6):1364-1377.
[3] Chu D,Deshpande A,Hellerstein J M,et al.Approximate data collection in sensor networks using probabilistic models[C]∥Proceedings of the 22nd International Conference on Data Engineering,Atlanta,USA,2006:48-59.
[4] Najafi H,Lahouti F,Shiva M.AR modeling for temporal extension of correlated sensor network data[C]∥International Conference on Software in Telecommunications and Computer Networks,Split, Croatia,2006:117-120.
[5] Borgne Y L,Bontempi G.Unsupervised and supervised compression with principal component analysis in wireless sensor networks[C]∥13th ACM International Conference on Knowledge Discovery and Data Mining,New York,USA,2007:94-103.
[6] Ganesan D,Estrin D,Heidemann J.DIMENSIONS:Why do we need a new data handling architecture for sensor networks?[J]. ACM SIGCOMM Computer Communication Review,2003,33(1):143-148.
[7] 郑翠芳. 几种常用无损数据压缩算法研究[J]. 计算机技术与发展,2011,21(9):73-76.
Zheng Cui-fang.Research of several common lossless data compression algorithms[J]. Computer Technology and Development,2011,21(9):73-76.
[8] Tsang P,Liu J P,Cheung K.Modern methods for fast generation of digital holograms[J]. 3D Research,2010,1(2):11-18.
[9] Gödel K.Über formal unentscheidbare Sätze der Principia Mathematica und Verwandter Systeme I[J]. Mathematics and Statistics,1931,38(1):173-198.

相关文章 15

[1]	刘富,宗宇轩,康冰,张益萌,林彩霞,赵宏伟. 基于优化纹理特征的手背静脉识别系统[J]. 吉林大学学报(工学版), 2018, 48(6): 1844-1850.
[2]	王利民,刘洋,孙铭会,李美慧. 基于Markov blanket的无约束型K阶贝叶斯集成分类模型[J]. 吉林大学学报(工学版), 2018, 48(6): 1851-1858.
[3]	金顺福,王宝帅,郝闪闪,贾晓光,霍占强. 基于备用虚拟机同步休眠的云数据中心节能策略及性能[J]. 吉林大学学报(工学版), 2018, 48(6): 1859-1866.
[4]	赵东,孙明玉,朱金龙,于繁华,刘光洁,陈慧灵. 结合粒子群和单纯形的改进飞蛾优化算法[J]. 吉林大学学报(工学版), 2018, 48(6): 1867-1872.
[5]	刘恩泽,吴文福. 基于机器视觉的农作物表面多特征决策融合病变判断算法[J]. 吉林大学学报(工学版), 2018, 48(6): 1873-1878.
[6]	欧阳丹彤, 范琪. 子句级别语境感知的开放信息抽取方法[J]. 吉林大学学报(工学版), 2018, 48(5): 1563-1570.
[7]	刘富, 兰旭腾, 侯涛, 康冰, 刘云, 林彩霞. 基于优化k-mer频率的宏基因组聚类方法[J]. 吉林大学学报(工学版), 2018, 48(5): 1593-1599.
[8]	桂春, 黄旺星. 基于改进的标签传播算法的网络聚类方法[J]. 吉林大学学报(工学版), 2018, 48(5): 1600-1605.
[9]	刘元宁, 刘帅, 朱晓冬, 陈一浩, 郑少阁, 沈椿壮. 基于高斯拉普拉斯算子与自适应优化伽柏滤波的虹膜识别[J]. 吉林大学学报(工学版), 2018, 48(5): 1606-1613.
[10]	车翔玖, 王利, 郭晓新. 基于多尺度特征融合的边界检测算法[J]. 吉林大学学报(工学版), 2018, 48(5): 1621-1628.
[11]	赵宏伟, 刘宇琦, 董立岩, 王玉, 刘陪. 智能交通混合动态路径优化算法[J]. 吉林大学学报(工学版), 2018, 48(4): 1214-1223.
[12]	黄辉, 冯西安, 魏燕, 许驰, 陈慧灵. 基于增强核极限学习机的专业选择智能系统[J]. 吉林大学学报(工学版), 2018, 48(4): 1224-1230.
[13]	傅文博, 张杰, 陈永乐. 物联网环境下抵抗路由欺骗攻击的网络拓扑发现算法[J]. 吉林大学学报(工学版), 2018, 48(4): 1231-1236.
[14]	曹洁, 苏哲, 李晓旭. 基于Corr-LDA模型的图像标注方法[J]. 吉林大学学报(工学版), 2018, 48(4): 1237-1243.
[15]	侯永宏, 王利伟, 邢家明. 基于HTTP的动态自适应流媒体传输算法[J]. 吉林大学学报(工学版), 2018, 48(4): 1244-1253.

Metrics

Viewed

Full text

Abstract

Cited

Shared

Discussed

基于有限序列的压缩新算法

New compression algorithms based on finite sequence

RICH HTML

PDF (PC)

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

Metrics

本文评价

推荐阅读 10