基于多实体的矢量数据压缩改进算法

矢量数据压缩在地形环境仿真、制图综合、GIS等研究中具有重要作用,对增加移动设备的存储能力和提高矢量数据的网络传输效率来说是一项很重要的工作。根据动态规划算法理论、Douglas-Peucker算法和矢量数据的特点,提出了基于动态规划算法的矢量数据压缩的模型和改进方法,通过一条参考路径构造一条带形成最小误差搜索范围,同时条带宽度可自适应调整。并将单一实体的优化压缩算法扩展为基于多实体的压缩算法,解决了图层压缩的全局优化问题。实验结果表明,该方法具有较高的效率,能够得到较小的压缩误差。     

基于GA的矢量数据压缩优化算法

矢量数据压缩在地形环境仿真、制图综合、GIS等研究中具有重要作用,对增加移动设备的存储能力和提高矢量数据的网络传输效率来说是一项很重要的工作。根据遗传算法理论、Douglas-Peucker算法和矢量数据的特点,提出了基于GA的矢量数据压缩的模型和方法。通过对构成曲线的结点进行二进制编码,以压缩后结点数较少和误差较小为优化目标,并利用Douglas-Peucker算法控制选择、变异和交叉的有效性,所得最优解中值为1的基因对应压缩后的曲线结点。实验结果表明,该方法能够得到较大的压缩率。     

基于面积阈值的矢量数据压缩方法

曲线矢量数据压缩本质是信息压缩问题,它在计算机制图中具有十分重要作用。在分析传统矢量数据压缩方法的基础上提出一种基于向量运算的曲线矢量压缩的新方法,该方法与传统数据压缩方法的区别在于以面积为判定标准,利用面积的可叠加性提高算法的精度和效率。实验证明该算法容易实现,数据压缩量大,算法时空复杂度低且能有效地控制矢量图形的面积误差在一定范围内。     

WebGIS系统中矢量数据的压缩与化简方法综述

空间数据的压缩对于空间数据网络传输以及提高整个WebGIS系统的效率来说是一项很重要的工作。该文针对WebGIS系统中矢量数据压缩问题进行了总结与综述。首先分析了矢量数据压缩的重要性,并对矢量数据压缩技术进行了详细的分类,然后重点分析与比较了Douglas-Peucker压缩方法与小波技术压缩方法,最后简单讨论了WebGIS系统中矢量数据的网络传输策略。     

一种基于SDT算法的新的过程数据压缩算法

针对流程工业实测过程数据压缩存储问题,在深入分析旋转门（SDT,Swing Door Trending）算法的基础上,提出了一种基于SDT算法新的过程数据压缩算法（NSDT,New Swing Door Trending）。NSDT算法采用曲线对过程数据进行拟和以实现数据压缩,与SDT算法相比能取得更好的压缩效果。根据理论分析和实验数据结果分析,证明了NSDT算法确实可以在不增加压缩误差的前提下,有效地提高压缩比。     

一种基于SDT算法的新的过程数据压缩算法

针对流程工业实测过程数据压缩存储问题,在深入分析旋转门（SDT,Swing Door Trending）算法的基础上,提出了一种基于SDT算法新的过程数据压缩算法（NSDT,New Swing Door Trending）。NSDT算法采用曲线对过程数据进行拟和以实现数据压缩,与SDT算法相比能取得更好的压缩效果。根据理论分析和实验数据结果分析,证明了NSDT算法确实可以在不增加压缩误差的前提下,有效地提高压缩比。     

无线传感器网络中基于面积矢量的数据压缩算法

考虑无线传感器网络WSN(Wireless Sensor Networks)节点采集数据的时间相关性,提出一种基于面积矢量的有损压缩算法AVA(area vector algorithm),并推导面积阈值的取值公式。该算法通过设定面积阈值为判定标准,利用面积矢量的可叠加性提高算法的精度和效率。实验结果表明,该算法数据压缩量大,计算速度快,算法复杂度低,且能有效地控制误差范围。     

二元Haar小波分解下的曲面数据压缩算法

本文基于二元张量积Haar小波分解，构造误差驱动的曲面数据压缩算法，该算法既可对已知曲面进行数据采样，又适用于对未知曲面方程的测量数据直接进行数据压缩。     

改进的SDT算法

数据压缩是减少网络数据流量、避免拥挤、提高控制系统性能的有效手段.针对数据压缩的问题,在分析了一系列现有有损压缩算法基础上,提出了一种新思想,改进了现有的旋转门(Swing Door Trending)算法,在每个存储数据的地方保存了两个有用的数据,并表明了该算法正确性和合理性.实验数据结果表明该算法确实可以在不增加压缩误差的前提下,有效地提高压缩比.     

SCADA中历史数据的SDT算法研究与改进

随着物联网和大数据技术的快速发展,数据采集与监视控制SCADA系统每天采集的数据量呈几何级数增长,传统的数据压缩算法--旋转门算法SDT 已经不能满足SCADA系统对历史数据压缩的要求。在深入研究了数据压缩方法尤其是旋转门SDT算法的基础上,提出了一种改进的ASDT 算法,并用Java语言加以实现。ASDT算法通过正弦曲线拟合数据以实现数据压缩,与传统SDT算法的性能相比,ASDT算法能取得更好的压缩效果。实验数据结果表明,相对于传统SDT算法,ASDT算法可以在不显著增加压缩误差的前提下,有效地提高压缩比。     

基于Hopfield神经网络的图像矢量量化

矢量量化是图像压缩的重要方法。论文提出了基于Hopfield神经网络的图像矢量量化方法,该方法首先构造聚类表格;然后聚类表格按离散Hopfield神经网络串行方式运行;最后根据得到的最终码字集,对图像进行矢量量化。论文最后给出模拟实验和结果比较,结果表明该方法是有效的,生成的码本质量优于传统的LBG算法。     

基于奇异值分解和径向基函数神经网络的人脸识别算法研究

提出一种基于奇异值分解和径向基函数神经网络的人脸特征提取与识别方法,来解决人脸识别中的高维、小样本问题。该方法采用奇异值分解、奇异值降维压缩、奇异值矢量标准化和奇异值矢量排序,最后得到用于识别的奇异值特征矢量。运用基于径向基函数神经网络分类器进行人脸分类识别。在ORL数据库上进行实验和数据分析表明,该方法无论是在分类的错误率上还是在学习的效率上都能表现出极好的性能。     

第二代小波及压缩算法在数据处理中的应用

为消除误差和随机干扰对测量数据的影响,提出利用第二代小波提升算法对原始测量数据进行去噪处理,再利用基于第二代小波原理的数据压缩算法对测量数据进行不失真压缩。两种方法结合运用,可以在保留数据特征及精度的基础上,降低数据量,提高工作的速度和质量。     

第二代小波及压缩算法在数据处理中的应用

为消除误差和随机干扰对测量数据的影响．提出利用第二代小波提升算法对原始测量数据进行去噪处理．再利用基于第二代小波原理的数据压缩算法对测量数据进行不失真压缩。两种方法结合运用．可以在保留数据特征及精度的基础上,降低数据量,提高工作的速度和质量。     

基于混合遗传算法的人体运动捕获数据关键帧提取

为实现基于最佳关键帧集合的人体运动的紧致表示,提出一种遗传算法与单纯形法结合的人体运动捕获数据关键帧提取方法。以重构误差最小化和压缩率最优为目标,定义适应度函数,度量重构运动与原始运动之间的重构误差,通过关节位置和关节速率加权计算,并考虑数据的运动特性。利用背景知识对初始种群的个体进行优化,保证进化的良好基础和种群的多样性。将遗传算法和局部搜索技术结合,提高算法运行效率和求解质量。实验结果表明,该方法能够高效地从运动捕获数据中提取出最优的关键帧集合,较好地满足运动数据的紧致表示,且能高质量重构其它帧。     

基于动态规划算法的矢量压缩方法研究与改进

将动态规划算法应用于矢量数据压缩是一种非常有效的优化压缩方法,可以得到压缩误差最小的压缩曲线,但是会导致局部失真明显。针对该缺点提出一种改进算法,通过在动态规划算法执行过程中设定阈值限制最大位移来防止局部失真,同时对A. KOLESNIKOV等提出的原动态规划算法公式的错误进行了纠正。实验表明,改进算法在保持原算法优势的同时,可以较好地解决压缩曲线局部失真问题。     

基于运动状态改变的在线全球定位系统轨迹数据压缩

针对基于偏移量计算的轨迹数据压缩算法中对于关键点的评估不足以及基于在线轨迹数据压缩算法中累积误差和对偏移量考虑不足的问题,提出一种基于运动状态改变的在线全球定位系统(GPS)轨迹数据压缩算法——限定同步欧氏距离(SED)的阈值结合算法(SLTA)。该算法通过轨迹点的转向角度大小和速度变化大小来评估轨迹点信息量的大小;同时用SED限制点的偏移量,以达到较好的信息保留度。实验结果表明,SLTA的轨迹压缩率能够达到50%左右,与阈值结合算法(TA)相比,SLTA的平均SED误差(5 m以内)可以忽略不计;相对于基于偏移量计算的轨迹数据压缩算法,SLTA的平均角度误差最小(1.5°~2.3°),运行时间最稳定。SLTA能够稳定有效地进行在线GPS轨迹数据压缩。     

一种快速空间矢量数据压缩方法

提出了一种线与多边形矢量数据的压缩方法，并在此方法的基础上提出了基于非拓扑关系的穷举搜索压缩法。利用MapInfo交换格式矢量数据进行实验，结果表明，使用该方法数据压缩量大、逼真度无明显变化且运算速度快。