基于LT码的无损数据压缩算法

针对传统无损数据压缩缺少对传输错误的容错能力的问题,提出了一种基于LT码的无损数据压缩算法,将LT码编码器作为数据压缩器,BP译码器作为解压缩器,并通过二分法搜索递增或递减冗余数据长度.该算法不仅加快了收敛速度,而且提高了压缩效率.仿真结果表明,与已有的同类压缩算法相比,该算法具有较好的压缩性能和较强的噪声鲁棒性.     

自适应数据压缩算法研究

针对传感器网络的数据压缩研究,本文提出了一种基于过滤的数据压缩方法。验证算法的实验数据来自Intel-伯克利大学联合研究实验。数据类型包括传感器节点采集的温度,湿度,以及对应的电压等信号值,通过实验比较了算法在不同情况下的压缩比等性能。     

JSF组件模型下视图状态在客户端的保存与恢复

针对JSF（Java Server Faces）组件模型,给出了视图对应组件树结构的保存与恢复方法,设计了视图状态信息在客户端页面的保存与恢复算法,算法在利用加密（解密）方法防止视图状态信息泄露的同时,采用数据压缩（解压）技术有效减小了视图状态信息的大小。     

基于改进哈夫曼编码的数据压缩方法研究

作为一种无损压缩编码方法,哈夫曼编码在数据压缩中具有重要的应用。经典的哈夫曼编码是在构造哈夫曼的基础上自下而上进行的,通过分析哈夫曼算法的思想,给出了一种改进的哈夫曼数据压缩算法。该算法利用队列结构,从哈夫曼的根节点出发,向叶子节点进行编码,在编码过程中仅将哈夫曼树的每个叶子节点进行一次扫描便可以得到各个叶子节点的哈夫曼编码。实验表明,改进算法不仅压缩率高于以往算法,而且保证了最终生成的压缩文件的安全性。     

Huffman算法的分析与应用

在目前的信息科学领域,数据压缩技术占有重要地位,而Huffman算法在数据压缩场合的应用甚为广泛。除此之外,Huffman算法在数据库系统及网络通信等领域发挥着越来越重要的作用,究其原因,主要是由于通过Huffman算法可实现存储结构、编码方式及最小权值的选择,从而获得明显的压缩效果。     

基于文本的Huffman压缩技术

在信息快速传输和存储的过程中，数据压缩有着非常重要的作用，介绍了基于文本的Huffman压缩的原理与方法，并给出了一个Huffman压缩与解压程序的核心算法的实现过程．     

基于LZMA的钻杆磁漏检测数据压缩方法研究

钻杆检测过程中需要对大量的已采集数据进行存储和处理.现代的高速数据采集芯片采样频率可达1MHz,现阶段研究通常采用LZMA算法进行数据压缩处理,并进一步进行算法改进实现压缩率的提升.从采样数据分布特点入手,对采样数据进行分割,将信号特征与LZMA算法结合起来进行数据压缩用以提高压缩率.     

在Delphi编程中如何使用数据压缩和解压缩

数据压缩和解压缩,一直是软件技术领域的热门技术,一些程序员曾为数据的压缩和解压缩而费尽心血,在编程时自己按照相应的算法来实现,这样做既费时又费力,在Delphi环境下,数据压缩和解压缩变得非常的容易,本文详细介绍了在Delphi编程环境下,进行应用开发时,使用数据压缩和解压缩的技术和方法.     

二维DCT变换在TMS320VC5402芯片上的实现及应用

针对医学图像处理中的数据压缩预处理问题,提出了一种基于DSP的二维DCT和IDCT实现,并针对TMS320VC5402的特点优化了DCT算法,极大提高了运算速度.     

数据立方体压缩存储技术研究现状与展望

数据立方体的压缩存储是大型数据库中立方体优化计算的重要研究内容。介绍了数据立方体压缩存储技术的概念，并在分类总结当前立方体数据压缩技术及其代表方法的基础上，对这些技术进行了分析和比较，最后探讨了数据立方体压缩存储技术的发展方向。     

数据挖掘中聚类算法的研究与探讨

聚类算法是数据挖掘中用来发现数据分布和隐含模式的一项重要技术。通过分析研究数据仓库及数据挖掘中聚类算法的现状,对数据挖掘中常见的几种聚类算法的性能进行相互比较,并分析它们各自的优缺点,对数据挖掘中聚类算法的发展趋势作出展望。     

流数据聚类的捕鱼算法简

流数据是近年来关注比较多的一种数据形式,但由于它自身的特点,无法使用传统的算法对它进行聚类分析.数据挖掘是从大规模数据库中提取感兴趣的信息.聚类是数据挖掘的重要工具,它根据数据间的相似性将数据库分成多个类,每类中数据要求尽可能相似.针对流数据的特点,引入一种采用渔夫捕鱼策略的新的聚类算法.该算法采用动态多点随机投鱼网方法,并且根据捕鱼环境的不同采用不同的探测策略.流数据聚类的捕鱼算法是一种即时更新模型的在线聚类算法.     

一种求关键路径算法的改进

通过对文献1求关键路径算法的分析,本文提出新的求解思路,采用同步计算比较模式代替原始的单步方式,克服了原始算法中存在的步骤繁琐问题,减少了求解步骤.同时省略原算法中的D、S矩阵,减少数据存储单元,节省空间,改进后的算法计算过程更加简单、有效.     

一种改进的关联规则挖掘算法及其应用

详细了分析传统关联规则Apriori算法的不足,提出了一种改进的关联规则快速挖掘算法。针对当前高校招生录取后大量考生流失问题,使用该算法对某地区考生信息进行数理分析和仿真实验,挖掘了隐含的有用信息,为高校招生录取提供决策性的作用。     

面向运营商大数据的汽车精准营销算法研究

精准营销可以帮助企业节约营销成本、提升营销效果,基于大数据的消费者行为分析也是大数据领域的一个热点研究。为此,基于运营商大数据对汽车用户精准营销算法进行研究,提出基于专家经验与统计学方法的精准营销算法。首先对用户上网日志数据进行加工,得到用户行为标签,然后根据专家经验与统计学公式计算用户购车意向得分,输出潜在购车客户信息。通过在某运营商真实环境下进行实验,验证了算法的可行性与有效性。实验结果表明,面向运营商大数据的汽车用户精准营销算法成功率可达到5.98%,相比现有推荐算法效率明显提升。     

熵值距离的离群点检测及其在学生评教中的应用

离群数据检测是找出与正常数据不一致的数据。学生评教中由于某种原因,会出现一些评教噪声数据。针对学生评教中噪声数据的特征,提出了一个基于熵值距离的离群点检测算法,该算法通过比较每个数据点所对应的熵值和整个数据集的熵值,来判断数据点的离群程度。仿真结果表明该算法对学生评教中出现的噪声数据具有较好的过滤效果。     

关联规则挖掘的一种改进算法

关联规则的提取是数据挖掘中的重要研究课题,文章对关联规则提取中的Apriori算法进行了深入研究,指出了该算法的某些不足,提出了一种改进算法.     

A new algorithm based on metaheuristics for data clustering

This paper presents a new algorithm for clustering a large amount of data.We improved the ant colony clustering algorithm that uses an ant’s swarm intelligence,and tried to overcome the weakness of the classical cluster analysis methods.In our proposed algorithm,improvements in the efficiency of an agent operation were achieved,and a new function "cluster condensation" was added.Our proposed algorithm is a processing method by which a cluster size is reduced by uniting similar objects and incorporating them into the cluster condensation.Compared with classical cluster analysis methods,the number of steps required to complete the clustering can be suppressed to 1% or less by performing this procedure,and the dispersion of the result can also be reduced.Moreover,our clustering algorithm has the advantage of being possible even in a small-field cluster condensation.In addition,the number of objects that exist in the field decreases because the cluster condenses;therefore,it becomes possible to add an object to a space that has become empty.In other words,first,the majority of data is put on standby.They are then clustered,gradually adding parts of the standby data to the clustering data.The method can be adopted for a large amount of data.Numerical experiments confirmed that our proposed algorithm can theoretically applied to an unrestricted volume of data.     

基于改进DBSCAN算法的异常数据处理

随着智慧农业的发展,农业生产中海量数据不断涌现。在海量数据中难免存在噪声数据,这些数据不仅难以提供有效价值,还会影响信息挖掘。针对该问题,采用基于密度的DBSCAN聚类算法进行异常数据处理。鉴于DBSCAN算法对参数敏感,结合数据集本身特性与统计学思想以绘制各点之间的距离升序曲线,预估出DBSCAN的Eps参数。仿真实验结果表明,改进算法平均准确率达到99.6%,较传统算法提高了1.7个百分点,并且在10次检测中,改进算法只有3个数据判定错误,证明该参数设置方法对异常数据处理准确率更高,稳定性也更好。     

关联规则的并行挖掘算法

关联规则是数据挖掘的重要研究内容之一,而传统的串行算法已不能满足数据库空前发展的需求.本文提出了关联规则的并行挖掘算法,探讨了相关的数据结构,并对算法进行了定性分析.