CN115913248A - 一种直播软件开发数据智能管理系统 - Google Patents
一种直播软件开发数据智能管理系统 Download PDFInfo
- Publication number
- CN115913248A CN115913248A CN202211285221.9A CN202211285221A CN115913248A CN 115913248 A CN115913248 A CN 115913248A CN 202211285221 A CN202211285221 A CN 202211285221A CN 115913248 A CN115913248 A CN 115913248A
- Authority
- CN
- China
- Prior art keywords
- initial segment
- segment length
- length
- data
- code field
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Withdrawn
Links
Images
Landscapes
- Compression, Expansion, Code Conversion, And Decoders (AREA)
Abstract
本发明涉及数据处理领域,具体涉及一种直播软件开发数据智能管理系统,该系统包括:编码模块、分段模块、迭代判断模块、形态学处理模块、压缩存储模块,根据初始分段长度的合适度和衰减系数对初始分段长度进行更新操作,将多次更新后的初始分段长度记为最优长度,根据最优长度对码字进行分段获得码字段;将所有码字段与标识符拼接组成二维矩阵;计算二维矩阵的腐蚀必要性;根据最优结构元对二维矩阵进行形态学处理获得损失点;对二维矩阵进行压缩存储实现数据的管理。本发明对数据进行分段分层,增加数据的冗余度,同时保留数据的位置信息,在提高压缩效率的同时可以快速定位目标数据,由此达到提高压缩率与精准解压缩的目的。
Description
技术领域
本发明涉及数据处理领域,具体涉及一种直播软件开发数据智能管理系统。
背景技术
直播软件的开发伴随着一定的研发周期,所以对直播软件开发数据往往需要进行管理。直播软件开发中往往伴随着不同数据的多次使用,同时数据量较大,因此需要对数据进行存储与提取。
传统数据压缩方法通常存在不同程度的问题,例如采用游程编码进行数据压缩时对数据本身的要求较高,若数据本身的冗余程度较低时,游程编码压缩的压缩率往往很低,甚至会出现数据膨胀;而LZ系列的压缩算法在进行解压缩时往往需要从头开始解压缩,而直播软件开发数据往往伴随着不同数据的多次使用,若每次使用均从头开始解压缩势必会造成大量计算成本。
发明内容
为了解决上述问题,本发明提供一种直播软件开发数据智能管理系统,所述系统包括:
编码模块,获取数据序列,对数据序列中的所有数据进行编码,获取所有的码字;
分段模块,根据最优长度从码字上分段得到一种码字段,包括:设置一个初始分段长度,根据初始分段长度的合适度和衰减系数对初始分段长度进行多次更新操作,将多次更新后的初始分段长度记为最优长度,从码字的左端根据最优长度分段获得码字段,将分段后剩余的码字记为新的码字;
迭代判断模块,重复根据最优长度从新的码字上分割得到新的码字段,直至没有新的码字时停止,获得所有种的码字段;
形态学处理模块,对于任意一种码字段,根据所有数据的码字段与标识符获得对应的层次序列,将层次序列转换为二维矩阵;计算二维矩阵的腐蚀必要性;获得所述码字段的最优结构元;根据最优结构元对二维矩阵进行形态学操作,得到腐蚀矩阵和膨胀矩阵,根据膨胀矩阵和二维矩阵获得损失点;
压缩存储模块,对二维矩阵的最优结构元、腐蚀矩阵和损失点进行压缩存储实现数据的管理。
优选的,所述根据初始分段长度的合适度和衰减系数对初始分段长度进行更新操作,包括:
计算第次更新后的初始分段长度的合适度,如果第次更新后的初始分段长度的合适度不大于第一阈值,将第次更新后的初始分割长度作为最优长度;如果第次更新后的初始分段长度的合适度大于第一阈值,计算第次更新后的初始分段长度的衰减系数,判断第次更新后的初始分段长度的衰减系数与第二阈值的关系:如果第次更新后的初始分段长度的衰减系数大于第二阈值,将第次更新后的初始分割长度作为最优长度,如果第次更新后的初始分段长度的衰减系数不大于第二阈值,对第次更新后的初始分段长度进行更新操作,获得第次更新后的初始分段长度,对第次更新后的初始分段长度进行更新操作具体为:将第次更新后的初始分段长度加1作为第次更新后的。
优选的,所述初始分段长度的合适度的计算方法为:
从码字的左端根据第次更新后的初始分段长度获得码字段,统计获得所有码字段的统计直方图,根据统计直方图计算初始分段长度的合适度,第次更新后的初始分段长度的合适度的计算公式为:
式中,表示第次更新后的初始分段长度的合适度,表示第次更新后的初始分段长度的第种码字段的频数,表示第次更新后的初始分段长度的所有种码字段的频数的最大值,表示第次更新后的初始分段长度的码字段的种类数。
优选的,所述初始分段长度的衰减系数的计算方法为:
第次更新后的初始分段长度的衰减系数的计算公式为:
式中,表示第次更新后的初始分段长度的衰减系数,表示第次更新后的初始分段长度的合适度,表示未更新的初始分段长度的合适度。
优选的,所述计算二维矩阵的腐蚀必要性的步骤包括:
任意一个二维矩阵的腐蚀必要性的计算公式为:
式中,表示二维矩阵的腐蚀必要性,表示二维矩阵中不跳变状态的元素数量,表示二维矩阵中跳变状态的元素数量,其中,对于二维矩阵中的任意一个元素,如果所述元素与其前一个元素相同,则所述元素的状态为不跳变状态,如果所述元素与其前一个元素不相同,则所述元素的状态为跳变状态。
优选的,所述码字段的最优结构元的获取步骤包括:
对于任意一种码字段,将对应的统计直方图中最大的频数对应的码字段记为目标码字段,如果目标码字段的长度为奇数,则将该目标码字段组成的矩阵作为最优结构元,如果目标码字段的长度为偶数,则将该目标码字段与标识符1进行拼接,将拼接后的目标码字段组成的矩阵作为最优结构元。
优选的,所述根据所有数据的码字段与标识符获得对应的层次序列的步骤包括:
对于任意一种码字段,获得每个数据的所述码字段,如果当前码字段之后存在别的码字段,则标识符为1,如果当前码字段之后不存在别的码字段,则标识符为0,同时如果当前码字段的长度小于最优长度,根据目标码字段对当前码字段进行补充操作,具体为:计算最优长度与当前码字段的长度的差值,将目标码字段从右边起差值个元素补充到当前码字段后,将所有数据的所述码字段与标识符拼接组成的序列记为层次序列。
本发明实施例至少具有如下有益效果:
1、通过将数据序列进行二进制编码转换为码字,分析码字间的关联性,对码字进行自适应分段处理,根据相似的码字段构建二维矩阵,根据码字的相似性自适应获取最优结构元,根据最优结构元,对二维矩阵进行形态学处理,使处理后的二维矩阵的冗余程度提高,从而提高数据的压缩率。
2、通过自适应获取最优结构元,在对二维矩阵进行形态学处理后,保证二维矩阵中损失点的数量尽可能的少,从而减少记录损失点的数据量,不仅保证存储的数据为无损压缩,还保证了数据的压缩率。
3、对码字段进行分层组合,获得层次序列,通过增加标识符,保留了数据的位置信息,相比于传统算法从头解压,本发明能够在进行解压缩时快速定位到目标数据,定位查找速度快,达到精准解压的目的。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案和优点,下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其它附图。
图1为本发明一个实施例提供的一种直播软件开发数据智能管理系统的系统框图;
图2为本发明一个实施例提供的码字段表;
图3为本发明一个实施例提供的二维矩阵。
具体实施方式
为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效,以下结合附图及较佳实施例,对依据本发明提出的一种直播软件开发数据智能管理系统,其具体实施方式、结构、特征及其功效,详细说明如下。在下述说明中,不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外,一或多个实施例中的特定特征、结构、或特点可由任何合适形式组合。
除非另有定义,本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。
下面结合附图具体的说明本发明所提供的一种直播软件开发数据智能管理系统的具体方案。
请参阅图1,其示出了本发明一个实施例提供的一种直播软件开发数据智能管理系统,该系统包括以下模块:
编码模块用于获取数据序列,对数据序列进行编码,获取所有的码字。
具体的,获得开发直播软件过程中的所有开发数据,按照顺序对所有开发数据进行排列获得数据序列,对数据序列中的每个数据进行不定长二进制编码,将每个数据编码得到的二进制数记为数据的码字。
例如:数据序列为,对数据序列进行不定长二进制编码后,获得的每个数据的码字分别为:
。
分段模块用于获取多个最优长度,根据每个最优长度对码字进行分段,获得所有种的码字段。
需要说明的是,采用游程编码进行压缩时,对数据的冗余度有较高的要求,对于冗余程度低的数据,通过游程编码进行压缩往往难以获得较好的压缩效果,甚至会出现数据膨胀。为了增加数据的冗余程度,以便于通过游程编码进行压缩,本发明采用形态学对数据进行处理,由于数据种类较多,难以选取一个最优结构元,同时形态学处理会导致数据出现一定程度的损失,如果想要保证数据无损,需要记录数据经过形态学处理后的损失点,为了在增加压缩率的同时保证数据无损,需要获得合适的最优结构元,进而通过形态学处理增加数据的冗余程度,同时减少损失点的数量。因此,本发明对数据的码字进行分段获得所有码字段,针对每一种码字段,获取合适的最优结构元对其进行形态学处理,在增加数据的冗余程度的同时保证数据无损,同时使损失点的数量较少,从而增大数据的压缩率,达到最优压缩的目的。
由于编码后数据的码字存在较强的规律性,例如456、457、123等数据的码字的前4位均为1110,以分段长度4对码字进行分段,若将这三个数据的前四位分为一个码字段,将所有码字段组成二维矩阵,此时二维矩阵存在较强的关联性,进一步选取合适的最优结构元对二维矩阵进行形态学处理,使处理之后的二维矩阵冗余程度更大。但是,在关注数据的关联性的同时,还需要考虑数据之间的差异性,例如456、457、123等数据的码字的前4位均为1110,而数据369的码字的前4位为1011,数据345的码字的前4位为1010,此时若以分段长度4进行分段,会导致组成的二维矩阵的关联性低,虽然通过形态学处理之后的二维矩阵冗余程度较大,但导致损失点的数量多,压缩率较低。因此,需要根据数据的码字间的相似性,自适应获取最优长度,并根据最优长度对码字进行分段,获得冗余程度更大的二维矩阵,同时减小损失点的数量,增大压缩率。
根据最优长度对码字分段得到一种码字段,包括:
1、对于任意一个码字,从码字的左端获取长度为初始分段长度的子序列记为码字段,统计获得所有码字的码字段,统计获得所有码字段的统计直方图,在本实施例中,初始分段长度为2。
根据统计直方图计算初始分段长度的合适度,计算公式为:
式中,表示初始分段长度的合适度,表示初始分段长度的第种码字段的频数,表示初始分段长度的目标码字段的频数,表示初始分段长度的码字段的种类数。
如果初始分段长度的合适度不大于第一阈值,将初始分割长度作为最优长度;如果初始分段长度的合适度大于第一阈值,对初始分段长度进行更新操作具体为:将初始分段长度加1作为第次更新后的初始分段长度。
在本实施例中,第一阈值为0.9,在其他实施例中,实施人员可根据需要设置第一阈值。
2、根据初始分段长度的合适度和衰减系数对初始分段长度进行多次更新操作,获得最优长度,具体为:
接下来会对初始分段长度进行多次更新操作,每次更新操作都会加1,以及每次更新操作都会再次计算初始分段长度的合适度和衰减系数,接下来以第次更新后的初始分段长度为例进行说明。
(1)对于任意一个码字,从码字的左端获取长度为第次更新后的初始分段长度的子序列记为码字段,统计获得所有码字段的统计直方图,将统计直方图中最大的频数对应的码字段记为目标码字段。
(2)根据统计直方图计算第次更新后的初始分段长度的合适度,计算公式为:
式中,表示第次更新后的初始分段长度的合适度,表示第次更新后的初始分段长度的第种码字段的频数,表示第次更新后的初始分段长度的目标码字段的频数,表示第次更新后的初始分段长度的码字段的种类数。
当统计直方图中的目标码字段的频数远远大于其他码字段的频数时,说明此时初始分段长度对应的码字段的相似性高,则初始分段长度的合适度越大。
(3)根据第次更新后的初始分段长度的合适度,计算第次更新后的初始分段长度的衰减系数,计算公式为:
式中,表示第次更新后的初始分段长度的衰减系数,表示第次更新后的初始分段长度的合适度,表示初始分段长度的合适度。
(4)根据初始分段长度的合适度和衰减系数对初始分段长度进行更新操作。
如果第次更新后的初始分段长度的合适度不大于第一阈值,将第次更新后的初始分割长度作为最优长度;如果第次更新后的初始分段长度的合适度大于第一阈值,判断第次更新后的初始分段长度的衰减系数与第二阈值的关系:如果第次更新后的初始分段长度的衰减系数大于第二阈值,将第次更新后的初始分割长度作为最优长度,如果第次更新后的初始分段长度的衰减系数不大于第二阈值,对第次更新后的初始分段长度进行更新操作,获得第次更新后的初始分段长度,对第次更新后的初始分段长度进行更新操作具体为:将第次更新后的初始分段长度加1作为第次更新后的初始分段长度,在本实施例中,初始分段长度为2。
在本实施例中,第一阈值为0.9,第二阈值为0.3,在其他实施例中,实施人员可根据需要设置第一阈值和第二阈值。
3、从码字的左端根据最优长度分段获得码字段,将分段后剩余的码字记为新的码字。
迭代判断模块用于获得所有种的码字段。
重复根据最优长度从新的码字上分割得到新的码字段,直至没有新的码字时停止,获得所有种的码字段。
例如,最优长度分别为3、2、3、1,则数据456的码字111001000根据最优长度进行分段后的码字段分别为:111、00、100、0,数据123的码字111011根据最优长度进行分段后的码字段分别为:111、01、1。
形态学处理模块用于根据最优结构元对二维矩阵进行形态学处理,获得二维矩阵的最优结构元、腐蚀矩阵和损失点。
1、获得最优结构元。
对于任意一种码字段,获取该码字段对应的统计直方图的目标码字段,如果目标码字段的长度为奇数,则将该目标码字段组成的矩阵作为最优结构元,如果目标码字段的长度为偶数,则将该目标码字段与标识符1进行拼接,将拼接后的目标码字段组成的矩阵作为最优结构元。
例如,码字段的目标码字段为10,该目标码字段的长度为偶数,将该目标码字段与标识符1进行拼接,将拼接后的目标码字段组成的矩阵作为最优结构元,故最优结构元为;码字段的目标码字段为100,该目标码字段的长度为奇数,将该目标码字段组成的矩阵作为最优结构元,故最优结构元为。
2、获取码字段和标识符组成的二维矩阵。
对于任意一种码字段,获得每个数据的该码字段,为了达到定位的目的,在码字段后增加标识符,具体为:如果当前码字段之后存在别的码字段,则标识符为1,如果当前码字段之后不存在别的码字段,则标识符为0,同时如果当前码字段的长度小于最优长度,根据目标码字段对当前码字段进行补充操作,具体为:计算最优长度与当前码字段的长度的差值,将目标码字段从右边起差值个元素补充到当前码字段后。
将所有数据的码字段和标识符组成的序列记为层次序列,同时记录层次序列中,进行补充操作的码字段的序号和长度。将层次序列转换为二维矩阵。
例如,时序序列通过最优长度进行分段后的结果如图2所示,表示层次序列,表示码字段,表示标识符,其中,分别为根据最优长度分别为3、2、3、1进行分段后得到的四种码字段,分别为四种码字段的标识符。其中,第三种码字段对应的第三个码字段100是原本的码字段1进行补充操作后获得的。
对于图2中的第一种码字段组成的层次序列C1=111111111111101111111011111111111111,将层次序列转换为如图3所示的二维矩阵。
3、计算二维矩阵的腐蚀必要性。
需要说明的是,如果二维矩阵比较规则,说明数据本身的冗余程度较大,此时没有必要对二维矩阵进行形态学处理,因此,需要首先根据二维矩阵的分布情况计算二维矩阵腐蚀必要性。
本实施例中,任意一个二维矩阵的腐蚀必要性的计算公式为:
式中,表示二维矩阵的腐蚀必要性,表示二维矩阵中不跳变状态的元素数量,表示二维矩阵中跳变状态的元素数量。其中,对于二维矩阵中的任意一个元素,如果所述元素与其前一个元素相同,则所述元素的状态为不跳变状态,如果所述元素与其前一个元素不相同,则所述元素的状态为跳变状态。
4、根据最优结构元对二维矩阵进行形态学处理,具体为:通过最优结构元对二维矩阵进行腐蚀操作,得到二维矩阵对应的腐蚀矩阵,通过最优结构元对二维矩阵进行膨胀操作,得到二维矩阵对应的膨胀矩阵;将二维矩阵与膨胀矩阵作差获得所有损失点;对损失点进行标记,并记录损失点在二维矩阵中的位置坐标。
压缩存储模块用于对二维矩阵的最优结构元、腐蚀矩阵和损失点进行压缩存储。
由于腐蚀操作之后的腐蚀矩阵冗余程度大大增加,此时采用游程编码对腐蚀矩阵进行压缩,可以大大提高数据的压缩率;而每一个层次序列仅有一个最优结构元,且最优结构元的较小,故最优结构元所占内存很小;同时根据最优结构元处理之后的损失点的数量也相对较少,故记录损失点所占内存也会较少,以便于达到更大的压缩效果,对二维矩阵的最优结构元、腐蚀矩阵和损失点进行压缩,并进行存储,实现对数据的管理。
数据解压缩:首先对所有腐蚀矩阵进行还原得到所有还原矩阵,具体为:对于任意一个腐蚀矩阵,采用对应的最优结构元对腐蚀矩阵进行膨胀操作,根据损失点的位置信息,将所有损失点还原到膨胀之后的二维矩阵中,记为还原矩阵。将所有还原矩阵转换为一维序列,获得所有还原序列。
例如,对数据序列中的第4个数据进行解码,则在第一个层次序列中找到第4个码字段为101,标识符为1,说明该码字段后还存在码字段,此时第一个层次序列前4个数据的标识符层有4个1,即在第二个层次序列继续寻找第4个码字段为01,标识符为1,说明该码字段后还存在码字段,此时第二个层次序列的前4个数据的标识符层有4个1,即在第三层继续寻找第4个码字段为100,标识符为1,说明该码字段后还存在码字段,此时第三个层次序列的前4个数据的标识符层有3个1,即在第四层继续寻找第3个码字段为1,标识符为0,说明该码字段后不存在码字段,此时结束,故解码得到的第4个数据的码字为101011001,解码得到对应的数字为345,解码成功。
此时不仅解决了传统游程编码对相似但不相同数据压缩率小且数据膨胀的问题,大大增大数据的压缩率,同时还可以从需要的数据开始解压缩,传统游程编码解压缩需要从头开始解压缩,但本发明可以从需要解压缩的数据开始直接解压缩,大大增加解压效率。
综上所述,本发明的系统包括编码模块、分段模块、迭代判断模块、形态学处理模块、压缩存储模块,根据初始分段长度的合适度和衰减系数对初始分段长度进行更新操作,将多次更新后的初始分段长度记为最优长度,根据最优长度对码字进行分段获得码字段;将所有码字段与标识符拼接组成二维矩阵;计算二维矩阵的腐蚀必要性;根据最优结构元对二维矩阵进行形态学处理获得损失点;对二维矩阵进行压缩存储实现数据的管理。本发明对数据进行分段分层,增加数据的冗余度,同时保留数据的位置信息,在提高压缩效率的同时可以快速定位目标数据,由此达到提高压缩率与精准解压缩的目的。
需要说明的是:上述本发明实施例先后顺序仅仅为了描述,不代表实施例的优劣。且上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下,在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外,在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。
以上实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的范围,均应包含在本申请的保护范围之内。
Claims (7)
1.一种直播软件开发数据智能管理系统,其特征在于,所述系统包括:
编码模块,获取数据序列,对数据序列中的所有数据进行编码,获取所有的码字;
分段模块,根据最优长度从码字上分段得到一种码字段,包括:设置一个初始分段长度,根据初始分段长度的合适度和衰减系数对初始分段长度进行多次更新操作,将多次更新后的初始分段长度记为最优长度,从码字的左端根据最优长度分段获得码字段,将分段后剩余的码字记为新的码字;
迭代判断模块,重复根据最优长度从新的码字上分割得到新的码字段,直至没有新的码字时停止,获得所有种的码字段;
形态学处理模块,对于任意一种码字段,根据所有数据的码字段与标识符获得对应的层次序列,将层次序列转换为二维矩阵;计算二维矩阵的腐蚀必要性;获得所述码字段的最优结构元;根据最优结构元对二维矩阵进行形态学操作,得到腐蚀矩阵和膨胀矩阵,根据膨胀矩阵和二维矩阵获得损失点;
压缩存储模块,对二维矩阵的最优结构元、腐蚀矩阵和损失点进行压缩存储实现数据的管理。
2.根据权利要求1所述的一种直播软件开发数据智能管理系统,其特征在于,所述根据初始分段长度的合适度和衰减系数对初始分段长度进行更新操作,包括:
计算第次更新后的初始分段长度的合适度,如果第次更新后的初始分段长度的合适度不大于第一阈值,将第次更新后的初始分割长度作为最优长度;如果第次更新后的初始分段长度的合适度大于第一阈值,计算第次更新后的初始分段长度的衰减系数,判断第次更新后的初始分段长度的衰减系数与第二阈值的关系:如果第次更新后的初始分段长度的衰减系数大于第二阈值,将第次更新后的初始分割长度作为最优长度,如果第次更新后的初始分段长度的衰减系数不大于第二阈值,对第次更新后的初始分段长度进行更新操作,获得第次更新后的初始分段长度,对第次更新后的初始分段长度进行更新操作具体为:将第次更新后的初始分段长度加1作为第次更新后的初始分段长度。
3.根据权利要求1所述的一种直播软件开发数据智能管理系统,其特征在于,所述初始分段长度的合适度的计算方法为:
从码字的左端根据第次更新后的初始分段长度获得码字段,统计获得所有码字段的统计直方图,根据统计直方图计算初始分段长度的合适度,第次更新后的初始分段长度的合适度的计算公式为:
式中,表示第次更新后的初始分段长度的合适度,表示第次更新后的初始分段长度的第种码字段的频数,表示第次更新后的初始分段长度的所有种码字段的频数的最大值,表示第次更新后的初始分段长度的码字段的种类数。
4.根据权利要求2所述的一种直播软件开发数据智能管理系统,其特征在于,所述初始分段长度的衰减系数的计算方法为:
第次更新后的初始分段长度的衰减系数的计算公式为:
式中,表示第次更新后的初始分段长度的衰减系数,表示第次更新后的初始分段长度的合适度,表示未更新的初始分段长度的合适度。
5.根据权利要求1所述的一种直播软件开发数据智能管理系统,其特征在于,所述计算二维矩阵的腐蚀必要性的步骤包括:
任意一个二维矩阵的腐蚀必要性的计算公式为:
式中,表示二维矩阵的腐蚀必要性,表示二维矩阵中不跳变状态的元素数量,表示二维矩阵中跳变状态的元素数量,其中,对于二维矩阵中的任意一个元素,如果所述元素与其前一个元素相同,则所述元素的状态为不跳变状态,如果所述元素与其前一个元素不相同,则所述元素的状态为跳变状态。
6.根据权利要求1所述的一种直播软件开发数据智能管理系统,其特征在于,所述码字段的最优结构元的获取步骤包括:
对于任意一种码字段,将对应的统计直方图中最大的频数对应的码字段记为目标码字段,如果目标码字段的长度为奇数,则将该目标码字段组成的矩阵作为最优结构元,如果目标码字段的长度为偶数,则将该目标码字段与标识符1进行拼接,将拼接后的目标码字段组成的矩阵作为最优结构元。
7.根据权利要求1所述的一种直播软件开发数据智能管理系统,其特征在于,所述根据所有数据的码字段与标识符获得对应的层次序列的步骤包括:
对于任意一种码字段,获得每个数据的所述码字段,如果当前码字段之后存在别的码字段,则标识符为1,如果当前码字段之后不存在别的码字段,则标识符为0,同时如果当前码字段的长度小于最优长度,根据目标码字段对当前码字段进行补充操作,具体为:计算最优长度与当前码字段的长度的差值,将目标码字段从右边起差值个元素补充到当前码字段后,将所有数据的所述码字段与标识符拼接组成的序列记为层次序列。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211285221.9A CN115913248A (zh) | 2022-10-20 | 2022-10-20 | 一种直播软件开发数据智能管理系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211285221.9A CN115913248A (zh) | 2022-10-20 | 2022-10-20 | 一种直播软件开发数据智能管理系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115913248A true CN115913248A (zh) | 2023-04-04 |
Family
ID=86492755
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211285221.9A Withdrawn CN115913248A (zh) | 2022-10-20 | 2022-10-20 | 一种直播软件开发数据智能管理系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115913248A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116665836A (zh) * | 2023-07-26 | 2023-08-29 | 国仪量子(合肥)技术有限公司 | 序列数据的编辑存储方法、读取播放方法和电子设备 |
-
2022
- 2022-10-20 CN CN202211285221.9A patent/CN115913248A/zh not_active Withdrawn
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116665836A (zh) * | 2023-07-26 | 2023-08-29 | 国仪量子(合肥)技术有限公司 | 序列数据的编辑存储方法、读取播放方法和电子设备 |
CN116665836B (zh) * | 2023-07-26 | 2023-10-27 | 国仪量子(合肥)技术有限公司 | 序列数据的编辑存储方法、读取播放方法和电子设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116303374B (zh) | 基于sql数据库的多维度报表数据优化压缩方法 | |
KR100950607B1 (ko) | 허프만 코딩 | |
CN116681036B (zh) | 基于数字孪生的工业数据存储方法 | |
US20110181448A1 (en) | Lossless compression | |
US7650040B2 (en) | Method, apparatus and system for data block rearrangement for LZ data compression | |
CN116016606B (zh) | 一种基于智慧云的污水处理运维数据高效管理系统 | |
CN113868206A (zh) | 一种数据压缩方法、解压缩方法、装置及存储介质 | |
CN117278056B (zh) | 一种社保信息处理方法及系统 | |
CN115269526B (zh) | 一种半导体生产数据的处理方法及系统 | |
CN115882866A (zh) | 一种基于数据差值特征的数据压缩方法 | |
CN115658628B (zh) | 用于mes系统的生产数据智能管理方法 | |
US9236881B2 (en) | Compression of bitmaps and values | |
CN115913248A (zh) | 一种直播软件开发数据智能管理系统 | |
US8660187B2 (en) | Method for treating digital data | |
US20220005229A1 (en) | Point cloud attribute encoding method and device, and point cloud attribute decoding method and devcie | |
WO2010044099A1 (en) | Lossless content encoding | |
US20050122240A1 (en) | Method and apparatus for effectively decoding huffman code | |
CN110191341B (zh) | 一种深度数据的编码方法和解码方法 | |
US20060187096A1 (en) | Method of decoding variable length prefix codes | |
US7193542B2 (en) | Digital data compression robust relative to transmission noise | |
Kamal | Iteration free fractal image compression for color images using vector quantization, genetic algorithm and simulated annealing | |
CN112449201A (zh) | 解码方法、编码方法、相应的装置、电子设备及存储介质 | |
US6794999B1 (en) | Resilient parameterized prefix codes for adaptive coding | |
CN115086684B (zh) | 一种基于crc的图像压缩方法、系统及介质 | |
CN117155408B (zh) | 一种生产数据的高效传输方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WW01 | Invention patent application withdrawn after publication | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20230404 |