数据库系统数据字典的设计与实现

本文首先介绍运用Ｖｉｓｕａｌ ＦｏｘＰｒｏ设计创建数据库系统数据字典的基本方法，进而详细分析了表格属性字典、字段属性字典、表格字段字典、索引信息字典、数据约束字典以及存储各表格关系的关系字典等多种字典的数据结构特征。     

PowerBuilder数据字典的分析与打印

ＰｏｗｅｒＢｕｉｌｄｅｒ是一个功能强大的数据库管理系统开发工具。在开发管理系统时，它建立并维护一套数据字典。本文分析了其数据字典结构，给打印数据字典的方法，从而可以方便、准确地得到应用系统的数据字典。     

共有结构假设下流形正则图的零样本分类方法

零样本学习（Zero-Shot Learning，ZSL）利用视觉和语义特征关联模型进行可鉴别知识迁移，但视觉和语义数据不是简单的对应关系，难以直接建立映射函数。提出一种局部敏感双字典方法，主要贡献有两点：（1）双字典方法。视觉-语义的单字典映射缺乏直接关联的共有变量，提出双字典方法为视觉和语义添加一个共有结构的描述字典，从而构造更合理的视觉-语义关联通道。（2）局部敏感的流形保持方法。在双字典学习中，局部结构信息的描述是关键点，通过构造流形结构图来定义局部敏感约束项，对字典学习和局部流形保持进行联合优化。在AwA和CUB数据集上的实验结果表明，该方法在分类准确率上优于对比算法。     

字典与统计相结合的中文分词方法

提出了一种字典与统计相结合的中文分词方法，该方法首先利用基于字典的分词方法进行第一步处理，然后利用统计的方法处理第一步所产生的歧义问题和未登录词问题．本算法在基于字典的处理过程中，通过改进字典的存储结构，提高了字典匹配的速度；在基于统计的处理过程中，通过统计和规则相结合的方法提高了交集型歧义切分的准确率，并且一定条件下解决了语境中高频未登录词问题，实验结果表明，由本文算法实现的分词系统DSfenci的分全率达99．52％，准确率达98．52％．     

模拟电路故障诊断：模糊故障字典法

提出了一种基于模糊故障字典的模拟电路故障诊断的方法。该方法是用模糊故障字典取代传统的故障字典，在构造隶属函数时考虑了输出响应关于电路元件参数的灵敏度。本方法简单易行，便于计算机辅助诊断。     

基于时间约束的认证字典分类方法

认证字典是一类重要的数据结构，它在众多研究领域郝具有重要的理论和应用价值，诸如科学数据挖掘、地理数据服务器、Internet上的第三方数据发布以及PKI中的证书撤销等。本文介绍了认证字典的基本概念与原理；首次在认证字典模型中引入了时间约束，并据此给出了一种新的认证字典分类方法，探讨了认证字典的实现技术。最后，简要讨论了认证字典在PKI／WPKI中的应用。     

模拟电路故障诊断仪的设计

提出一种实用的分层故障字典诊断模型。首先进行子网络撕裂，缩小字典规模，随后运用交流故障字典法划分故障模糊集，最后运用直流故障字典法定位故障元件。该诊断模型有效地克服了传统故障字典方法中字典规模过于庞大的缺点。并且便于实现模拟电路的自动测试，故障定位准确率高。文中同时阐述了算法的应用和软硬件设计要点，并在某高炮控制系统模拟电路故障诊断中得到了应用。     

基于字典的数据查询方法及技巧

该文介绍一种基于字典技术上的数据库查询方法，它利用文件和数据两个字典组成检索对象，可以组合任意条件并且可以检索到字典中任意库中的任意字段的内容。     

OpenBASE的全局字典和数据库结构的设计与实现

本文介绍了面向多媒体应用的扩展关系型数据库ＯｐｅｎＢＡＳＥ中面向对象的数据字典设计与实现方法，即如何采用向对象的分析与设计方法进行数据字典中类的划分和类层次的构造，并介绍了基于这种字典结构的数据库整体结构。     

基于XML的消息字典

消息代理技术在企业应用集成中的应用越来越广泛，消息字典是消息代理实现消息智能路由和对消息进行处理的重要模块。介绍了用XML实现消息字典的一种方法以及消息字典的使用方式。该方法充分利用了XML自身的特点，易于实现和使用。     

散列高阶字典编码及其实现*

该文引入了散列高阶字典的概念,提出了一个使用散列高阶字典实现数据压缩的模型.实验数据表明,该模型比传统的数据压缩字典方法具有更高的数据压缩能力.     

一种Symbian S60数据库应用中的文本压缩方法

为了提高Symbian S60数据库中文本数据存储的效率,同时使数据库应用具有良好的响应速度,在研究该类数据库的特点和"字典码"压缩算法的基础上,提出通过提取隐含在"字典码"压缩算法压缩的文件中的字典并独立存储和维护,实现对数据库记录级的文本压缩。该方法只有在用户用到数据库记录数据时,相应记录中被压缩的数据才被解压缩,因此数据库的响应速度快,内存占用也更少,开始运行软件时数据库加载也更快。该方法在数据记录短,文本数据量大的数据库应用中更具有优势。     

稀疏表达的运动数据压缩

随着运动数据越来越多地被应用于动画制作和科研领域,高效的运动数据压缩技术也逐渐成为一个热门的研究课题.基于稀疏表达提出一种新的运动数据有损压缩方法.首先对输入的运动数据进行分析生成稀疏表达字典;然后基于稀疏表达字典对运动数据中的每一帧进行稀疏线性表达;最后用K-SVD算法对字典和稀疏表示进行迭代优化.实验结果表明,本文方法可以达到较高的压缩比(50倍左右),同时保持原始运动数据的完整性,还原后可控制重建误差在肉眼不易分辨的范围内(平均RMS误差2.0以下),并且本文方法特别适用于对较短运动数据的压缩.     

几种常用无损数据压缩算法研究

随着网络承载的信息量的飞速增长,数据压缩必然会备受人们重视。数据压缩可分成两种类型,一种叫做无损压缩,另一种叫做有损压缩。文中主要介绍目前用得最多和技术最成熟的无损数据压缩技术,按照无损压缩方法采用的压缩技术的不同,从基于统计的压缩思想和基于字典的压缩思想两个方面对其中最具有代表性的无损数据压缩方法进行了详细的分类讨论和优缺点比较,并对基于字典压缩算法的一些成熟的改进算法进行了汇总介绍,便于对无损数据压缩技术感兴趣的同志学习参考。     

基于内容自适应稀疏字典的图像集压缩算法

大数据时代巨大的图像信息量,给实际的存储、传输带来了相当大的困难。有效利用图像集自身内容,去除图像之间的信息冗余,是图像集压缩的主要目的。本文提出一种基于内容自适应稀疏字典的图像集压缩方案。通过对图像内容信息进行分类学习,得到分组稀疏字典,将稀疏编码替代传统的变换编码,并利用图像非局部相似特征优化图像解码,得到更高质量的重建图像。实验结果表明,与JPEG方法以及基于递归最小二乘字典学习算法（RLS-DLA）的压缩框架相比,本方案提出的图像集压缩方法有效提高了图像集编码性能。     

远程故障诊断系统通信数据压缩技术研究与验证

根据远程故障诊断的测试数据的网络传输特点,在详细分析和比较了多种数据压缩算法的基础上,针对LZW算法字典列表长度有限、查找时间长等问题,利用加入了动态延伸列表长度、根据压缩比例调整已有的字典内容和哈希函数查找等方法,对LZW算法提出了改进措施;同时,引入MPEG帧间压缩的思想,设计了一种新的"周期性差值压缩方法",将改进的LZW数据压缩算法与"周期性差值压缩方法"相结合,构成了更有效的级联数据压缩方法,有效地提高了数据压缩比率和效率,并且该算法的处理速度能够满足远程故障诊断系统对通信的要求。     

远程故障诊断终端的数据压缩技术研究与实现

为了解决挖掘机远程故障诊断系统终端因采集到的数据量巨大,而无法实时有效地传输到远程故障诊断中心的问题,研究了各种无损数据压缩方法。结合硬件资源的特点,应用Hash查找字典的方法对LZW压缩算法进行了改进,提高了数据压缩的速度,并且在FPGA上实现。仿真表明,在压缩率几乎相等的情况下,硬件实现比软件实现在压缩速度上得到了极大提高,从而使故障诊断的实时性得到了保证。     

基于稀疏表示的SAR图像压缩方法研究

基于过完备字典的图像稀疏表示是一种新的图像表示理论,利用过完备字典的冗余性可以有效地捕捉图像的各种结构特征,从而实现图像的有效表示。采用基于过完备字典稀疏表示的方法实现SAR图像的压缩。为了得到表示图像所需要的信息,只需要存储稀疏分解的系数极其对应的坐标,实现压缩的目的。采用K-SVD算法实现过完备字典的构造。K-SVD算法是一种基于学习的算法,由于训练样本全部来自于图像本身,因此字典能够更好地逼近图像本身的结构,实现稀疏表示。仿真表明对于SAR图像的压缩,算法是有效的,并且优于基于DCT的Jpeg算法和基于小波变换的EZW和SPIHT算法。     

面向无线传感网络应用的改进LZW算法

在无线传感网络通信中,传感器数据需要通过无线设备发送给上位机。随着终端传感器传输数据量的增大,无线设备的发送能耗逐渐加大。在不便于及时维护的复杂环境中,这将导致无线通讯设备过早失效从而使得通讯中断。因此需要先将传感器采集到的数据进行压缩,减小发送数据量。在分析传感器数据特点和传统的LZW(Lempel-Ziv-Welch)压缩算法的基础上,提出了一种面向无线传感网络应用的改进LZW算法。该算法首先对采集到的传感器相邻数据进行差值预处理,以提高数据项的重复率;然后选择大小合适的字典,在字典上用哈希存储的方式代替传统的顺序存储,以改进字典更新方式,当检测到压缩率降低时更新字典,并保存常用单字符,释放字典空间,达到数据压缩的目的。实验数据显示,与传统的LZW算法相比,改进的LZW算法使得有序传感器数据的压缩率最高降低40%,减小了所需发送数据的数据量,压缩速度也提高了近10倍,证明了面向无线传感网络应用的改进LZW算法是有效可行的。     

Parallel parsing algorithms for static dictionary compression

The data compression based on dictionary techniques works by replacing phrases in the input string with indexes into some dictionary. The dictionary can be static or dynamic. In static dictionary compression, the dictionary contains a predetermined fixed set of entries. In dynamic dictionary compression, the dictionary changes its entries during compression. We present parallel algorithms for two parsing strategies for static dictionary compression. One is the optimal parsing strategy with dictionaries that have the prefix properly, for which our algorithm requires O(L+log n) time and O(n) processors, where n is the number of symbols in the input string, and L is the maximum length of the dictionary entries, while previous results run in O(L+log n) time using O(n²) processors or in O(L+log² n) time using O(n) processors. The other is the longest fragment first (LFF) parsing strategy, for which our algorithm requires O(L+log n,) time and O(n log L) processors, while a previous result obtained an O(L log n) time performance on O(n/log n) processors. For both strategies, we derive our parallel algorithms by modifying the on-line algorithms using a pointer doubling technique