多變量體數(shù)據(jù)的壓縮技術(shù)研究.pdf

1、近幾年來,隨著移動計算和傳感器設(shè)備的迅速發(fā)展,高維度多變量數(shù)據(jù)日益增多,例如互聯(lián)網(wǎng)企業(yè)巨頭阿里巴巴專注于電子商務(wù)多年,積累了海量的文本、視頻類高維多變量數(shù)據(jù),蘊含著巨大的商業(yè)價值。數(shù)據(jù)壓縮技術(shù)是合理分析這些海量數(shù)據(jù)的關(guān)鍵一步,通過壓縮可以去掉大量的冗余信息,以減小數(shù)據(jù)挖掘、可視化分析等科研任務(wù)的壓力。但是傳統(tǒng)的單一變量數(shù)據(jù)壓縮技術(shù)無法處理這類海量數(shù)據(jù),針對高維度多變量大規(guī)模數(shù)據(jù)集的壓縮技術(shù)研究又很少,目前所存在壓縮算法也只是擴展傳統(tǒng)的單

2、變量分析方法。因此,針對于高維度多變量數(shù)據(jù)的壓縮技術(shù)研究具有重大的意義。
　　本文分析了多變量體數(shù)據(jù)多個變量之間的內(nèi)在關(guān)系,提出了兩種可行的壓縮方法,實驗結(jié)果均表明了本文提出的壓縮方法的有效性。
　　在第三章中,本文提出了基于小波變換的多變量體數(shù)據(jù)壓縮方法。主要利用小波變換在時頻域的局部化特性以及與多分辨率分析完美結(jié)合的優(yōu)點。通過彩色空間轉(zhuǎn)換(RGB到Y(jié)CbCr)預處理彩色多變量體數(shù)據(jù),然后依據(jù)不同的權(quán)重值對三個顏色分量不均

3、衡采樣,再根據(jù)顏色分量的重要性分別選擇小波變換和離散余弦變換分解數(shù)據(jù),最后由閾值量化去掉冗余系數(shù),實現(xiàn)對多變量體數(shù)據(jù)的壓縮。
　　考慮到本文第三章提出的壓縮方法在處理的數(shù)據(jù)類型上的局限性,第四章中,本文又提出了結(jié)合了機器學習相關(guān)理論的壓縮方法?？紤]到多變量體數(shù)據(jù)的流行結(jié)構(gòu),通過流行方差最小化準則迭代求出體數(shù)據(jù)中最具代表性的體素的特征向量集合,壓縮的數(shù)據(jù)是特征向量集合和MDS對原始體數(shù)據(jù)降維后結(jié)果,最后利用半監(jiān)督學習算法在這些代表特