首页|数据集压缩建模的研究

数据集压缩建模的研究

扫码查看
原文链接
  • 万方数据
  • 维普
目前金融、医疗、农业等各行各业都处在大数据的背景下,数据集的处理问题已成为研究的热点.数据集的有效处理有利于从海量的数据中挖掘出有价值的信息,通过对数据序列变化趋势的分析和预测,揭示事物的内在规律和关联.论文在分析了已有模型的基础上,提出了两种新的模型.数据集的压缩模型以及奇异值的识别模型.经实验证明,使用论文提出的压缩模型进行数据集压缩,不仅考虑到数据集的时间特性,而且与已有模型相比,出错率最高能降低16.1％.同时,在奇异值识别研究中,所提出的模型,压缩率最高能达到92％,与原数据序列的差异值最小为0.03.
Research on Data Set Compression Modeling

王赫楠、孙艳秋、张柯欣

展开 >

辽宁中医药大学信息工程学院 沈阳 110847

大数据 压缩模型 奇异值 压缩率 数据序列

国家自然科学基金教育部产学合作协同育人项目辽宁省教育厅科研项目辽宁省教育厅科研项目

61772252202002273002LJKZ0894L201612

2022

10.3969/j.issn.1672-9722.2022.06.025

计算机与数字工程
中国船舶重工集团公司第七0九研究所

计算机与数字工程

CSTPCD
影响因子：0.355
ISSN：1672-9722
年,卷(期)：2022.50(6)
  • 16