共查询到19条相似文献,搜索用时 187 毫秒
1.
提出近似重复矢量(Approximate Repeat Vector,ARV)模型用于DNA序列冗余片段的描述.通过将数据生物信息学特征引入压缩预处理,并使用ARV矢量构造编码码本,提出了非对称DNA序列压缩算法BioLZMA-2.算法引入基于粒子群优化的Memetic改进方法CLIPSO-MA用于压缩码本的智能优化设计,有效提升了编码性能.在标准测试序列上的实验结果表明,BioLZMA-2可获得比现有DNA序列数据压缩方法更高的压缩率. 相似文献
2.
本文通过将生物学特征和生物学含义引入DNA序列数据的压缩处理中,提出了基于生物信息学特征的BioLZMA压缩算法.在BioLZMA算法中,DNA序列根据组成部分生物学含义的不同切分重组为四个集合:编码序列CDS集合、内含子序列集合、RNA序列集合以及剩余序列的集合.根据各集合中序列的具体生物学特征分别使用针对性的压缩策略进行预处理,并通过LZMA算法进行压缩编码.实验结果表明,BioLZMA算法在基准测试序列上的压缩性能优于原有的DNA序列压缩方法.特别是对于生物信息学特征清晰的长序列,算法能够在较短的时间内获得较高的压缩率. 相似文献
3.
该文提出一种基于CPMA(Collaborative Particle swarm optimization-based Memetic Algorithm) 算法的DNA序列数据压缩方法,CPMA分别采用综合学习粒子群优化(Comprehensive Learning Particle Swarm Optimization, CLPSO)算法和动态调整的混沌搜索算子(Dynamic Adjustive Chaotic Search Operator, DACSO)进行全局搜索和局部搜索。该文采用CPMA寻找全局最优的基于扩展操作的近似重复矢量(Extended Approximate Repeat Vector, EARV)码书,并用此码书压缩DNA序列数据。实验结果表明,CPMA比其它优化算法有很大的改善,对文中采用的大部分测试函数,其解都非常接近全局最优点;对于DNA基准测序序列,与文中所列的经典DNA序列压缩算法相比,基于CPMA算法的压缩性能得到了显著提升。 相似文献
4.
本文对气象雷达原始回波文本类型数据进行无损压缩算法研究,根据文本类型数据的特点,设计了位图压缩 半字节压缩 双Huffman压缩的混合压缩算法。采用设计的混合压缩算法对实测数据在C环境下进行压缩和解压实验,结果表明:混合压缩算法的压缩性能优于通用压缩软件WinRar、WinZip的压缩性能。 相似文献
5.
6.
7.
文中分析了电视侦察图像的数据特点,介绍了MPEG—2压缩算法在电视侦察图像数据压缩中的应用。 相似文献
8.
9.
霍夫曼算法在数字示波器中的应用 总被引:1,自引:0,他引:1
针对于数字存储示波器中要存储的波形数据或设置数据比较大,并且用户多用来存储周期波形这一特点,提出了本来用于文件压缩算法的霍夫曼压缩算法,将其改进为应用于数据流压缩。首先描述了用于霍夫曼算法的压缩和解压缩基本原理,并对压缩算法重点讨论,给出了详细的过程,解压过程比较简单,只筒略描述。并对传统的只能对字符进行压缩的霍夫曼算法进行了改进,使之可以完成对数据流压缩。 相似文献
10.
DNA分子计算机是一种生物化学计算机,具有高度并行性、大容量、低能耗的特点。目前关于DNA分子计算机的研究主要是抽象的计算模型和原理性的试验。介绍了DNA分子的组成、置换DNA分子链中部分碱基序列的生物置换操作方法和DNA图灵机的结构,提出了DNA逻辑运算器,并应用活性DNA分子完成逻辑运算。 相似文献
11.
12.
雷达信号的数据量非常庞大,如果不压缩进行存储或传输,会占用很大资源。文中介绍了雷达信号的特点,对常用的雷达数据压缩方法进行了分类,给出了评价指标。介绍了雷达有损压缩中较为典型的游程、单触发单元、离散余弦变换、小波分析等压缩算法,阐述了各算法的流程和关键技术,并结合评价指标进行了比较,提出了建议的压缩方法。文中将压缩流程扩展为去噪声和压缩2个部分,充分肯定了去噪在雷达数据压缩中的作用,得出了一些有意义的结论。 相似文献
13.
The drastic growth of research in image compression, especially deep learning-based image compression techniques, poses new challenges to objective image quality assessment (IQA). Typical artifacts encountered in the emerging image codecs are significantly different from that produced by traditional block-based codecs, leading to inapplicability of the existing objective IQA algorithms. Towards advancing the development of objective IQA algorithms for recent compression artifacts, we built a learning-based compressed image quality assessment (LCIQA) database involving traditional block-based image codecs, hybrid neural network based image codecs, convolutional neural network based and generative adversarial network (GAN) based end-to-end optimized image coding approaches. Our study confirms the statistical difference and human perception difference between reconstructions of learned compression and traditional block-based compression. We propose a two-step deep learning model for learning-based compressed image quality assessment. Extensive experiments on LCIQA database demonstrate that our proposed model performs better than other counterparts on learning-based compressed images, especially on GAN compressed images, and achieves competitive performance to the state-of-the-art IQA metrics on traditional compressed images. 相似文献
14.
15.
Jiang J. Liu M.G. Hou C.H. 《Vision, Image and Signal Processing, IEE Proceedings -》2003,150(3):198-204
The authors describe a new approach for content-based image indexing and retrieval by extracting texture features from the process of image compression via JPEG-LS. Since the compression technique adopted incorporates local edge detection to formulate predictive values for pixels being encoded, the texture features extracted by the proposed algorithms are also capable of describing image content in terms of edges and shapes of local objects without adding any significant complexity to the original JPEG-LS. While lossless data compression helps in saving storage space automatically for image databases, the extensive experiments also show that this type of feature extraction produces better retrieval results in comparison with existing similar indexing techniques which are carried out without data compression. 相似文献
16.
17.
18.
目标检测通常利用复杂的、高维度的特征来提高其检测精度,而高维特征往往会产生较高的计算复杂度和存储开销。经典的特征压缩算法常常被用于目标检测系统以实现特征降维,但在其求解过程中会涉及到大量的矩阵分解运算,从而降低了算法的实时性。针对此问题,提出一种基于随机映射的特征压缩算法。该算法仅通过一个稀疏随机矩阵和简单的矩阵乘法运算就实现了特征从高维空间到低维空间的映射。利用经该算法压缩后的特征向量构建了Ada-Boost分类器,实验结果表明,该分类器在保证检测精度的前提下,提高了目标检测的实时性。 相似文献
19.
基于提升小波变换的雷达视频数据实时压缩算法 总被引:1,自引:0,他引:1
雷达视频数据压缩具有大数据量、需要高保真度和实时处理的特点.而现有的一些高保真数据压缩算法都比较复杂,不能满足实时处理的要求.已有的硬件实现算法虽然可以实时处理,但其保真度差,同时难以调整压缩比.通过对实际雷达视频回波数据的分析,表明该数据具有相关性强、相关长度短的特点.在此基础之上,本文提出了一种基于提升格式5-3小波变换和简单的Golomb-Rice编码方法的压缩算法,该算法具有低复杂、高保真的特点,并对算法的运算量进行了详细地分析.实测实验表明,通过软件方式实现该算法即可满足雷达视频数据实时压缩的要求.最后,该算法已被成功应用到雷达海情记录系统中. 相似文献