可視數(shù)據(jù)壓縮與分析.pdf

1、信息化的飛速發(fā)展，不僅導致記錄信息的數(shù)據(jù)規(guī)模越來越大，而且數(shù)據(jù)的形式也朝著高維、多源和多態(tài)的方向發(fā)展。如今世界正處于一種數(shù)據(jù)爆炸的狀態(tài)之中，數(shù)據(jù)的增長速度已遠遠超過了人類歷史上的任何時候，如何對這些規(guī)模巨大并且多樣性的數(shù)據(jù)進行有效的存儲與分析，已成為一項嚴峻的挑戰(zhàn)。
　　針對數(shù)據(jù)的壓縮與分析，本文研究了多變量體數(shù)據(jù)的壓縮和運動軌跡數(shù)據(jù)的異常檢測可視分析，其中涉及了機器學習、完美哈希函數(shù)、異常檢測、可視分析等技術(shù)。本文主要研究工作如

2、下：
　　首先，針對多變量體數(shù)據(jù)本文提出了一種機器學習與完美哈希算法相結(jié)合的近似無損壓縮算法。其壓縮算法主要分為三步：第一步，利用主動學習方法選取原始體數(shù)據(jù)中具有代表性的體素并用MDS方法對原始體數(shù)據(jù)進行降維，然后利用半監(jiān)督學習的方法進行體數(shù)據(jù)重構(gòu)，這是初步的有損壓縮；第二步，保留有損壓縮中偏離原始體數(shù)據(jù)較大的誤差值，對于保留的誤差值根據(jù)完美哈希函數(shù)建立哈希表；第三步，將有損壓縮結(jié)果與誤差值哈希表相結(jié)合實現(xiàn)近似無損壓縮。