基于小波變換的流數據壓縮算法研究.pdf

1、近幾年來,隨著網絡通信技術的快速發(fā)展滋生了大量的流數據。許多實時的應用系統(tǒng)面對的都是在線的、持續(xù)的數據流。流數據海量無限的特性決定了我們無法用傳統(tǒng)的存儲方式將其完全保存,此外不經處理完全傳輸這些數據會占用大量有限的網絡帶寬,造成網絡阻塞。因此,對流數據進行壓縮處理顯得尤為重要,具有現實意義。
　　 本文圍繞數據流時間序列錯位相似性、聚類壓縮、多小波變換三個方面進行了深入研究。主要成果包括:
　　 (1)基于動態(tài)時間彎曲技

2、術的數據流處理方法。將一段時間內采集到的流數據作為一個時間序列來進行處理。由于同一時間段內數據流變化的影響因素基本相同,導致一些數據流變化存在錯位相似,具體表現為數據流形狀大致相同,但在時間上有所超前或延遲。對于這種錯位相似的數據流采用常用的歐幾里得測度法是無法識別的,而采用動態(tài)時間彎曲技術卻可以很好地判斷數據流的這種相似性。本文在采用動態(tài)時間彎曲路徑法得到兩個時間序列對應點的基礎上提出了用預測法估計兩個時間序列的關系,從而確定時間序列

3、最佳匹配點的算法。
　　 (2)基于多元時間序列相似性聚類壓縮算法。首先采用動態(tài)時間彎曲距離分析數據流之間的相似關系,根據相似程度進行模糊聚類,接著選取各聚類中心作為特征流時間序列,最后保存每個聚類的數據流編號、特征數據流序列的小波系數和其它數據流序列與特征流序列的匹配點對和關系系數作為壓縮數據。之后結合上一章的最佳匹配點算法給出了數據還原的算法。從仿真實驗結果可以看出,該算法能有效壓縮數據流,較采用歐式距離測度能更好地提高數據