基于后綴數(shù)組的滑動窗口匹配壓縮改進算法研究.pdf

1、LZ77算法,又被稱為“滑動窗口壓縮”,它依賴兩個滑動窗口來進行壓縮,一個窗口包含已輸入數(shù)據(jù)流,稱為字典窗口 DW(dictionary window);另一個窗口包含待壓縮編碼的字符串,即待編碼窗口CW(code window)。LZ77通過查找在DW中與CW相同的字符數(shù)據(jù)并將匹配成功的數(shù)據(jù)編碼成三元組寫入壓縮文件,從而實現(xiàn)數(shù)據(jù)壓縮功能。后綴數(shù)組(Suffix Array,簡稱SA)作為一種常用的文本索引機制,由于其結構簡單及空間效率

2、較好的特點,現(xiàn)已經(jīng)結合到LZ算法中。但這種結合方法,每次都需重建SA,時間復雜度較高,效率不高。
　　首先分析字符串匹配等算法并進行對比,在對已提出各種LZ77改進算法的研究分析的基礎上,進一步對后綴數(shù)組與最長公共前綴((Longest Common Prefix,簡稱LCP)等相關理論進行研究分析,闡述三種后綴數(shù)組的構建算法并對比。然后分析現(xiàn)有結合算法的思想及其不足,通過對SA的特點分析,提出完全后綴這一新術語,利用LCP數(shù)組把

3、SA分為完全后綴(Complete Suffix Array,簡稱CSA)和非完全后綴(Uncompleted Suffix Array,簡稱UCSA),由于窗口滑動后UCSA保持了原有的偏序關系,且占SA比例高,采用二分插入法把CSA插入到UCSA中構建新的SA,可以更高效地重建SA。從而在保證壓縮效率不降低的同時,提高整個算法的壓縮效率。
　　最后通過實驗,對多種不同大小的文件進行測試,對比現(xiàn)有結合算法和改進算法的效率,表明改