[发明专利]一种基于离散事件系统的无损事件压缩方法在审

专利信息
申请号: 202010557459.7 申请日: 2020-06-18
公开(公告)号: CN111726118A 公开(公告)日: 2020-09-29
发明(设计)人: 曹林 申请(专利权)人: 同济人工智能研究院(苏州)有限公司
主分类号: H03M7/40 分类号: H03M7/40;G06F16/174
代理公司: 苏州创元专利商标事务所有限公司 32103 代理人: 王桦
地址: 215100 江苏省苏*** 国省代码: 江苏;32
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 基于 离散 事件 系统 无损 压缩 方法
【说明书】:

发明涉及一种基于离散事件系统的无损事件压缩方法,包括给定离散事件系统及其产生的源事件序列得到最小可恢复的压缩事件序列;给定第一压缩协议:保留源事件序列中的最后k个事件;给定第二压缩协议:对于任何循环子事件序列,至少保留一个事件,建立压缩自动机模型表示给定压缩事件序列所有可能的源事件序列,基于该压缩自动机模型检测给定压缩事件序列是否1‑阶可恢复以及是否满足第二压缩协议,分别提出离线无损事件压缩方法和在线无损事件压缩方法。本发明利用了系统动态产生的信息冗余,作为基于系统的压缩方法,减少存储资源,在节省更少动作的同时,保证能够追踪到系统发生的所有动作。

技术领域

本发明属于信息处理技术领域,具体涉及一种基于离散事件系统的无损事件压缩方法。

背景技术

压缩作为一种非常典型的技术,可以减少存储和传输信息所需的资源,会应用到很多场合下,比如文件系统、数据库、消息传输、网页传输等等。随着大数据技术的兴起,人们对压缩的需求更加明显。目前,压缩是基于数据库的,可以是有损的,也可以是无损的。无损压缩算法通常利用统计冗余来压缩数据而不丢失任何信息。LZ压缩方法就是其中之一,使用基于字典的压缩模型,其中字典条目被替换为重复的数据字符串。在非字典类算法中,PPM压缩方法是一种基于上下文建模和预测的自适应统计数据压缩技术,它不同于字典,因为PPM方法预测下一个符号是什么,而不是试图在字典中找到下一个符号来编码。最近,基于语法的代码越来越流行,因为它们可以非常有效地压缩高度重复的输入,例如,相同或相近物种的生物数据。

在许多实际的系统中,信息结构受制于系统本身的动态。像一些Web服务中,某些动作的发生可以根据已经发生的动作来进行预测。因此,不需要存储所有信息(所有动作的发生),只需要保留部分信息(某些动作的发生)。

发明内容

本发明的目的是提供一种基于离散事件系统的无损事件压缩方法,采用离散事件系统框架来研究压缩问题,可应用于汽车、电网、制造工厂、智能建筑等工程系统。

为达到上述目的,本发明采用的技术方案是:

一种基于离散事件系统的无损事件压缩方法,包括:

给定离散事件系统G及其产生的源事件序列s,得到最小可恢复的压缩事件序列s′min;给定第一压缩协议:保留源事件序列中的最后k个事件(k≥1);给定第二压缩协议:对于任何循环子事件序列,至少保留一个事件,

建立压缩自动机模型Gs′表示给定压缩事件序列s′所有可能的源事件序列s,基于该压缩自动机模型检测给定压缩事件序列是否1-阶可恢复以及是否满足第二压缩协议,

分别提出离线无损事件压缩方法和在线无损事件压缩方法。

优选地,所述的离线无损事件压缩方法包括:

S1、设置s′=s,判断s′是否是1-阶可恢复,如1-阶可恢复,设置s′min=s并且输出s′min

S2、设置i=1和s*=s,判断s*i是否满足第二压缩协议,如不满足第二压缩协议,判断i=m-1是否成立,如成立,设置s′min=s*;如不成立,设置i=i+1重复S2,

S3、判断s*i是否是1-阶可恢复,如1-阶可恢复,从s*删除事件σi并且设置s*=s*i

S4、输出s′min

优选地,所述的在线无损事件压缩方法包括:

S1、设置j=1,

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于同济人工智能研究院(苏州)有限公司,未经同济人工智能研究院(苏州)有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202010557459.7/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top