CN116185971A - 一种电子压力称重数据的智能处理系统 - Google Patents
一种电子压力称重数据的智能处理系统 Download PDFInfo
- Publication number
- CN116185971A CN116185971A CN202310465209.4A CN202310465209A CN116185971A CN 116185971 A CN116185971 A CN 116185971A CN 202310465209 A CN202310465209 A CN 202310465209A CN 116185971 A CN116185971 A CN 116185971A
- Authority
- CN
- China
- Prior art keywords
- data
- representation data
- sequence
- optimal representation
- optimal
- 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.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/10—File systems; File servers
- G06F16/17—Details of further file system functions
- G06F16/174—Redundancy elimination performed by the file system
- G06F16/1744—Redundancy elimination performed by the file system using compression, e.g. sparse files
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/10—File systems; File servers
- G06F16/16—File or folder operations, e.g. details of user interfaces specifically adapted to file systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/10—File systems; File servers
- G06F16/16—File or folder operations, e.g. details of user interfaces specifically adapted to file systems
- G06F16/164—File meta data generation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/10—File systems; File servers
- G06F16/17—Details of further file system functions
- G06F16/172—Caching, prefetching or hoarding of files
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Abstract
本发明涉及数据处理技术领域,具体涉及一种电子压力称重数据的智能处理系统,包括称重数据获取模块、最优表示参数获取模块、最优存储路径获取模块和数据压缩解压模块,根据重量参数的二进制数据的冗余程度获得每个重量参数的评估标准;将评估标准最大的两个重量参数的二进制数据记为车辆的最优表示数据,获得最优表示数据序列和类型序列;根据最优表示数据的匹配度和优选度对最优表示数据序列进行排序,获得最优存储路径序列和序号序列,根据游程编码对最优存储路径序列进行编码,获得称重数据序列的压缩结果;根据类型序列和序号序列对称重数据序列的压缩结果进行解压。本发明通过提高称重数据序列的冗余性,提高了游程编码压缩时的压缩效率。
Description
技术领域
本发明涉及数据处理技术领域,具体涉及一种电子压力称重数据的智能处理系统。
背景技术
汽车电子压力称重系统能够在车辆工作行驶过程中测量分析轮胎动态力测算出车辆总重和部分重量;其工作原理主要是安装在轮式装载机两端的液压缸活塞在举升过程中产生的液压差,结合数学压力原理将该压力差值转换为重量信号;当待检测车辆完全驶入汽车衡之后,红外对射装置会检测车辆是否完全上秤,完全上秤后两侧的档杆落下开始读取车辆的重量数据;数据读取完成后系统自动进行车辆相关信息以及称重数据的保存。而随着待检测的称重车辆逐渐增加;导致管理系统中存在的数据较为复杂和繁琐,巨大的统计存储量为后台数据处理人员以及系统内存带来沉重的负担;存储效率大大降低;因此需要对车辆的称重数据进行有效的数据压缩处理最大程度的避免信息冗余,减少存储内存提高数据压缩效率。
传统的压缩处理方法常常使用游程编码进行数据压缩,但该方式只对于存在连续多个重复数据的压缩效率较佳,而对于不存在连续多个重复数据的目标数据集的压缩效果并不佳,甚至可能会出现数据膨胀的现象。
发明内容
本发明提供一种电子压力称重数据的智能处理系统,以解决现有的问题。
本发明的一种电子压力称重数据的智能处理系统采用如下技术方案:
本发明提供了一种电子压力称重数据的智能处理系统,所述系统包括:
称重数据获取模块,将每辆车辆的重量和皮重记为每辆车辆的称重数据;
最优表示参数获取模块,将重量和皮重的差值记为车辆的净重,将重量、皮重和净重记为车辆的三个重量参数,根据每个重量参数的二进制数据的冗余程度获得每个重量参数的评估标准;将评估标准最大的两个重量参数的二进制数据记为每辆车辆的最优表示数据,获得最优表示数据序列和类型序列;
最优存储路径获取模块,根据最优表示数据的匹配度和优选度对最优表示数据序列进行排序,获得最优存储路径序列和序号序列,包括:
K1,设置一个空集合记为已确定集合;
K2,将不属于已确定集合的所有最优表示数据组成的集合记为待确定集合;将待确定集合中任意一个最优表示数据作为待评估最优表示数据,将待确定集合中除待评估最优表示数据外的所有剩余最优表示数据记为待确定最优表示数据;计算每个待确定最优表示数据与待评估最优表示数据的匹配度;
K3,获得待评估最优表示数据的优选度;根据所有最优表示数据的优选度获得初始最优表示数据以及初始最优表示数据的匹配最优表示数据;
K4,将初始最优表示数据以及初始最优表示数据的匹配最优表示数据加入到已确定集合;
K5,重复上述K2到K4,直至待确定集合为空时停止,获得最优存储路径序列和序号序列;
数据压缩解压模块,根据游程编码对最优存储路径序列进行编码,获得称重数据序列的压缩结果;根据类型序列和序号序列对称重数据序列的压缩结果进行解压。
进一步地,所述根据每个重量参数的二进制数据的冗余程度获得每个重量参数的评估标准,包括的具体步骤如下:
将所有车辆的所有重量参数中最大的重量参数对应的二进制数据的码长记为固定码长,将所有车辆的所有重量参数转换为码长等于固定码长的二进制数据;
每个重量参数的评估标准的计算公式为:
式中,表示重量参数的评估标准,和分别为第一权重和第二权重,表示
重量参数的二进制数据中连续相邻且相同的元素的数量的最大值,表示固定码长,表示
重量参数的二进制数据中第i个元素,表示重量参数的二进制数据中第i+1个元素。
进一步地,所述获得最优表示数据序列和类型序列,包括的具体步骤如下:
将所有车辆的最优表示数据按照顺序组成的序列记为最优表示数据序列;
如果车辆的最优表示数据为重量和皮重,则将车辆的最优表示数据的类型记为第一类型,如果车辆的最优表示数据为重量和净重,则将车辆的最优表示数据的类型记为第二类型,如果车辆的最优表示数据为皮重和净重,则将车辆的最优表示数据的类型记为第三类型;
将所有车辆的最优表示数据对应的类型按照顺序组成的序列记为类型序列。
进一步地,所述计算每个待确定最优表示数据与待评估最优表示数据的匹配度,包括的具体步骤如下:
第k个待确定最优表示数据与待评估最优表示数据的匹配度的计算公式为:
进一步地,所述获得待评估最优表示数据的优选度,包括的具体步骤如下:
将匹配度大于预设阈值的待确定最优表示数据记为待评估最优表示数据的匹配最优表示数据,将待评估最优表示数据的匹配最优表示数据的数量与N的比值记为待评估最优表示数据的优选度,其中,N表示最优表示数据序列的长度。
进一步地,所述根据所有最优表示数据的优选度获得初始最优表示数据以及初始最优表示数据的匹配最优表示数据,包括的具体步骤如下:
将优选度最大的最优表示数据记为初始最优表示数据,将初始最优表示数据的匹配最优表示数据按照与初始最优表示数据的匹配度从大到小的顺序组成的序列记为初始最优表示数据的后续序列。
进一步地,所述获得最优存储路径序列和序号序列,包括的具体步骤如下:
将获得的所有初始最优表示数据和初始最优表示数据的后续序列按照顺序组成的序列记为最优存储路径序列;
最优表示数据序列中所有最优表示数据的序号按照从左往右的顺序,依次为1到N,其中,N表示最优表示数据序列的长度;获得扫描序列中所有最优表示数据在最优表示数据序列中的序号,将所有序号按照顺序组成的序列记为序号序列。
本发明的技术方案的有益效果是:现有游程编码只对存在连续多个重复数据的数据序列具有较好的压缩效率,而对于不存在连续多个重复数据的数据序列的压缩效果不好,甚至可能会出现数据膨胀的现象,本发明相较于现有游程编码,结合车辆的质量和皮重这两个称重信息与净重的函数关系,选择局部冗余程度较大的两个质量参数来表示车辆的称重信息,以此提高压缩效率,同时,考虑到所有车辆的所有称重数据组成的最优表示数据序列的整体冗余性,通过任意两个最优表示数据的相似性获得任意两个最优表示数据的匹配度,进而计算每个最优表示数据的优选度,根据优选度将所有最优表示数据转换为多个初始最优表示数据和多个初始最优表示数据的后续序列,初始最优表示数据的后续序列中的最优表示数据与初始最优表示数据相似度较大,将相似度较大的最优表示数据排列在一起,获得最优存储路径序列,能够提高所有最优表示数据的冗余性,后续结合车辆的称重数据的冗余性对车辆的称重数据进行游程编码压缩时的压缩效率更高,以此提高压缩效率。
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,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地介绍,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他的附图。
图1为本发明的一种电子压力称重数据的智能处理系统的系统框图。
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电子压力称重数据的智能处理系统,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电子压力称重数据的智能处理系统的具体方案。
请参阅图1,其示出了本发明一个实施例提供的一种电子压力称重数据的智能处理系统,该系统包括以下模块:
称重数据获取模块S101,用于获得所有车辆的重量和皮重。
通过电子压力称重系统获得每辆车辆的输出数据,其中,重量和皮重为车辆的重要称重信息,因此,将每辆车辆的重量和皮重记为每辆车辆的称重数据,将所有车辆的称重数据按照称量顺序组成的序列记为称重数据序列。
举例而言,电子压力称重系统的输出数据可以为18位数据,包括状态位、重量、皮重、校验和结束,且输出数据具有标准格式,其中,1到4位为状态位、5到10位表示重量、11到16位表示皮重、17位表示校验、18位表示结束。则本发明实施例中在获取到输出的18为数据之后,提取5到10位的数据作为重量和11到16位的数据作为皮重。
最优表示参数获取模块S102,用于根据每个重量参数的评估标准,获得所有车辆的最优表示数据,进而获得最优表示数据序列和类型序列。
需要说明的是,在对当前序列中数值进行压缩处理时,需要将序列中的各数值转换成计算机可识别的二进制编码;而此时若直接对当前称重数据进行转换和压缩处理,由于无法评估数据序列二进制编码的冗余程度,因此并不会达到最佳的压缩效果;需要对当前所获取的称重数据序列进行分析和处理。
进一步需要说明的是,一个数据对包含一个车辆的重量和皮重,车辆的重量和皮重具有函数关系,即车辆的皮重和净重之和等于重量;对于车辆的皮重、净重以及重量这三个数据,只需要知道其中任意两个数据就可以获得第三个数据;因此,在压缩存储车辆的称重信息时,可以利用函数关系引入车辆的净重数据,选择车辆的皮重、净重以及重量这三个数据中冗余程度较高的两个数据进行压缩,以此提高压缩效率。因此,本实施例通过分析车辆的皮重、净重以及重量这三个数据的冗余程度,选择合适的数据(即冗余程度大的数据)来表示车辆的称重信息,以此提高压缩效率。
在本实施例中,将每辆车辆的重量和皮重的差值记为净重,将重量、皮重和净重这三个数据记为车辆的三个重量参数,获得每辆车辆的每个重量参数的评估标准,具体为:
将所有车辆的所有重量参数中最大的重量参数对应的二进制数据的码长记为固定码长,将所有车辆的所有重量参数转换为码长等于固定码长的二进制数据,根据每个重量参数的二进制数据获得每个重量参数的评估标准,每个重量参数的评估标准的计算公式为:
式中,表示重量参数的评估标准,和分别为第一权重和第二权重,表示
重量参数的二进制数据中连续相邻且相同的元素的数量的最大值,表示固定码长,表示
重量参数的二进制数据中第i个元素,表示重量参数的二进制数据中第i+1个元素,将记为第一项,将记为第二项。
为了提高车辆的称重数据的压缩效率,本实施例需要根据重量参数的评估标准获
得冗余性较大的质量参数,因此,要求重量参数的评估标准能够表征重量参数的冗余性,且
重量参数的冗余性越大,则重量参数的评估标准越大;重量参数的二进制数据由若干个0和
若干个1组成,如果重量参数的二进制数据中相邻的元素相同,则二进制数据具有冗余性,
如果相邻的元素相同,则,如果相邻的元素不相同,则
,因此,第二项越大,则相同的相邻元素越多,则重量参数的二进制数据的冗余性越大,重量
参数的评估标准越大;重量参数的二进制数据的冗余性不仅取决于相同的相邻元素的数
量,还取决于连续相邻且相同的元素的最大数量,即第一项越大,则重量参数的二进制数据
的冗余性越大,重量参数的评估标准越大。
考虑到后续结合车辆的称重数据的冗余性对车辆的称重数据进行游程编码压缩,
因此,本实施例根据游程编码压缩原理和第一项和第二项带来的压缩效果综合分析并分配
权重;第一项评估冗余程度要求更高,连续相邻且相同的元素越多即第一项越大,压缩效果
越好,第二项评估冗余程度要求相对第一项较低;因此,在本实施例中,第一权重=0.7,第
二权重=0.3,在其他实施例中,实施人员可根据实际实施情况和经验设置第一权重和
第二权重,要求。
对于每辆车辆的三个重量参数,计算每个重量参数的评估标准,将评估标准最大的两个重量参数对应的二进制数据记为每辆车辆的最优表示数据,获得所有车辆的最优表示数据。
将所有车辆的最优表示数据按照顺序组成的序列记为最优表示数据序列。最优表示数据序列中所有最优表示数据的序号按照从左往右的顺序,依次为1到N,其中,N表示最优表示数据序列的长度。
如果车辆的最优表示数据为重量和皮重,则将车辆的最优表示数据的类型记为第一类型,如果车辆的最优表示数据为重量和净重,则将车辆的最优表示数据的类型记为第二类型,如果车辆的最优表示数据为皮重和净重,则将车辆的最优表示数据的类型记为第三类型。
将所有车辆的最优表示数据对应的类型按照顺序组成的序列记为类型序列。
例如,最优表示数据序列为,对应的类型序列为{2,1,3,
2},最优表示数据序列的前两项分别为第一辆车辆的最优表示参数,且第一辆车辆的
最优表示参数为第二类型,则为第一辆车辆的重量,为第一辆车辆的净重,第一辆车辆
的皮重为。
最优存储路径获取模块S103,用于根据最优表示数据的匹配度和优选度对最优表示数据序列进行排序,获得最优存储路径序列和序号序列。
需要说明的是,上述步骤仅考虑了每辆车辆的每个称重数据的自身的局部冗余性,没有考虑到所有车辆的所有称重数据组成的最优表示数据序列的整体冗余性,因此,本实施例通过任意两个最优表示数据的相似性获得任意两个最优表示数据的匹配度,进而计算每个最优表示数据的优选度,根据优选度将所有最优表示数据转换为多个初始最优表示数据和多个初始最优表示数据的后续序列,初始最优表示数据的后续序列中的最优表示数据与初始最优表示数据相似度较大,将相似度较大的最优表示数据排列在一起,获得最优存储路径序列,能够提高所有最优表示数据的冗余性,后续结合车辆的称重数据的冗余性对车辆的称重数据进行游程编码压缩时的压缩效率更高。
在本实施例中,根据最优表示数据的匹配度和优选度对最优表示数据序列进行排序,获得最优存储路径序列和序号序列,包括:
K1,设置一个空集合记为已确定集合。
K2,将不属于已确定集合的所有最优表示数据组成的集合记为待确定集合;将待确定集合中任意一个最优表示数据作为待评估最优表示数据,将待确定集合中除待评估最优表示数据外的所有剩余最优表示数据记为待确定最优表示数据;计算第k个待确定最优表示数据与待评估最优表示数据的匹配度,第k个待确定最优表示数据与待评估最优表示数据的匹配度的计算公式为:
最优表示数据中的元素均为0或1,如果=0,则待评估最优表示数据中的
第j个元素与第k个待确定最优表示数据中的第j个元素相等,如果=1,则待评估
最优表示数据中的第j个元素与第k个待确定最优表示数据中的第j个元素不相等。因此,越小,待评估最优表示数据与第k个待确定最优表示数据的匹配程度越高,
第k个待确定最优表示数据与待评估最优表示数据的匹配度越大。
K3,计算所有待确定最优表示数据与待评估最优表示数据的匹配度,将匹配度大于预设阈值的待确定最优表示数据记为待评估最优表示数据的匹配最优表示数据,将待评估最优表示数据的匹配最优表示数据的数量与N的比值记为待评估最优表示数据的优选度,其中,N表示最优表示数据序列的长度;
计算所有最优表示数据的优选度,将优选度最大的最优表示数据记为初始最优表示数据,将初始最优表示数据的匹配最优表示数据按照与初始最优表示数据的匹配度从大到小的顺序组成的序列记为初始最优表示数据的后续序列。
K4,将初始最优表示数据以及初始最优表示数据的匹配最优表示数据加入到已确定集合。
K5,重复上述K2到K4,直至待确定集合为空时停止,将获得的所有初始最优表示数据和初始最优表示数据的后续序列按照顺序组成的序列记为最优存储路径序列;获得扫描序列中所有最优表示数据在最优表示数据序列中的序号,将所有序号按照顺序组成的序列记为序号序列。
数据压缩解压模块S104,用于根据游程编码对称重数据序列进行压缩和解压。
根据游程编码对最优存储路径序列进行编码,将编码的结果记为称重数据序列的压缩结果。
对称重数据序列的压缩结果进行解压,具体为:通过游程解码对称重数据序列的压缩结果进行解压,将解压结果按照序号序列进行重新排列获得最优表示数据序列,根据最优表示数据序列中每个最优表示数据在类型序列对应的类型,获得每辆车辆的重量和皮重,具体为:如果为第一类型,则两个最优表示数据分别为车辆的重量和皮重,如果为第二类型,则两个最优表示数据分别为车辆的重量和净重,车辆的皮重等于重量与净重的差值,如果为第三类型,则两个最优表示数据分别为车辆的皮重和净重,车辆的重量等于皮重与净重的和。
本发明的系统包括称重数据获取模块、最优表示参数获取模块、最优存储路径获取模块和数据压缩解压模块,现有游程编码只对存在连续多个重复数据的数据序列具有较好的压缩效率,而对于不存在连续多个重复数据的数据序列的压缩效果不好,甚至可能会出现数据膨胀的现象,本发明相较于现有游程编码,结合车辆的质量和皮重这两个称重信息与净重的函数关系,选择局部冗余程度较大的两个质量参数来表示车辆的称重信息,以此提高压缩效率,同时,考虑到所有车辆的所有称重数据组成的最优表示数据序列的整体冗余性,通过任意两个最优表示数据的相似性获得任意两个最优表示数据的匹配度,进而计算每个最优表示数据的优选度,根据优选度将所有最优表示数据转换为多个初始最优表示数据和多个初始最优表示数据的后续序列,初始最优表示数据的后续序列中的最优表示数据与初始最优表示数据相似度较大,将相似度较大的最优表示数据排列在一起,获得最优存储路径序列,能够提高所有最优表示数据的冗余性,后续结合车辆的称重数据的冗余性对车辆的称重数据进行游程编码压缩时的压缩效率更高,以此提高压缩效率。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (7)
1.一种电子压力称重数据的智能处理系统,其特征在于,所述系统包括:
称重数据获取模块,将每辆车辆的重量和皮重记为每辆车辆的称重数据;
最优表示参数获取模块,将重量和皮重的差值记为车辆的净重,将重量、皮重和净重记为车辆的三个重量参数,根据每个重量参数的二进制数据的冗余程度获得每个重量参数的评估标准;将评估标准最大的两个重量参数的二进制数据记为每辆车辆的最优表示数据,获得最优表示数据序列和类型序列;
最优存储路径获取模块,根据最优表示数据的匹配度和优选度对最优表示数据序列进行排序,获得最优存储路径序列和序号序列,包括:
K1,设置一个空集合记为已确定集合;
K2,将不属于已确定集合的所有最优表示数据组成的集合记为待确定集合;将待确定集合中任意一个最优表示数据作为待评估最优表示数据,将待确定集合中除待评估最优表示数据外的所有剩余最优表示数据记为待确定最优表示数据;计算每个待确定最优表示数据与待评估最优表示数据的匹配度;
K3,获得待评估最优表示数据的优选度;根据所有最优表示数据的优选度获得初始最优表示数据以及初始最优表示数据的匹配最优表示数据;
K4,将初始最优表示数据以及初始最优表示数据的匹配最优表示数据加入到已确定集合;
K5,重复上述K2到K4,直至待确定集合为空时停止,获得最优存储路径序列和序号序列;
数据压缩解压模块,根据游程编码对最优存储路径序列进行编码,获得称重数据序列的压缩结果;根据类型序列和序号序列对称重数据序列的压缩结果进行解压。
3.根据权利要求1所述的一种电子压力称重数据的智能处理系统,其特征在于,所述获得最优表示数据序列和类型序列,包括的具体步骤如下:
将所有车辆的最优表示数据按照顺序组成的序列记为最优表示数据序列;
如果车辆的最优表示数据为重量和皮重,则将车辆的最优表示数据的类型记为第一类型,如果车辆的最优表示数据为重量和净重,则将车辆的最优表示数据的类型记为第二类型,如果车辆的最优表示数据为皮重和净重,则将车辆的最优表示数据的类型记为第三类型;
将所有车辆的最优表示数据对应的类型按照顺序组成的序列记为类型序列。
5.根据权利要求1所述的一种电子压力称重数据的智能处理系统,其特征在于,所述获得待评估最优表示数据的优选度,包括的具体步骤如下:
将匹配度大于预设阈值的待确定最优表示数据记为待评估最优表示数据的匹配最优表示数据,将待评估最优表示数据的匹配最优表示数据的数量与N的比值记为待评估最优表示数据的优选度,其中,N表示最优表示数据序列的长度。
6.根据权利要求5所述的一种电子压力称重数据的智能处理系统,其特征在于,所述根据所有最优表示数据的优选度获得初始最优表示数据以及初始最优表示数据的匹配最优表示数据,包括的具体步骤如下:
将优选度最大的最优表示数据记为初始最优表示数据,将初始最优表示数据的匹配最优表示数据按照与初始最优表示数据的匹配度从大到小的顺序组成的序列记为初始最优表示数据的后续序列。
7.根据权利要求1所述的一种电子压力称重数据的智能处理系统,其特征在于,所述获得最优存储路径序列和序号序列,包括的具体步骤如下:
将获得的所有初始最优表示数据和初始最优表示数据的后续序列按照顺序组成的序列记为最优存储路径序列;
最优表示数据序列中所有最优表示数据的序号按照从左往右的顺序,依次为1到N,其中,N表示最优表示数据序列的长度;获得扫描序列中所有最优表示数据在最优表示数据序列中的序号,将所有序号按照顺序组成的序列记为序号序列。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310465209.4A CN116185971B (zh) | 2023-04-27 | 2023-04-27 | 一种电子压力称重数据的智能处理系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310465209.4A CN116185971B (zh) | 2023-04-27 | 2023-04-27 | 一种电子压力称重数据的智能处理系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116185971A true CN116185971A (zh) | 2023-05-30 |
CN116185971B CN116185971B (zh) | 2023-07-14 |
Family
ID=86450928
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310465209.4A Active CN116185971B (zh) | 2023-04-27 | 2023-04-27 | 一种电子压力称重数据的智能处理系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116185971B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116861271A (zh) * | 2023-09-05 | 2023-10-10 | 智联信通科技股份有限公司 | 基于大数据的数据分析处理方法 |
CN117235013A (zh) * | 2023-11-10 | 2023-12-15 | 中科数创(临沂)数字科技有限公司 | 一种基于人工智能的智慧档案管理方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6597812B1 (en) * | 1999-05-28 | 2003-07-22 | Realtime Data, Llc | System and method for lossless data compression and decompression |
CN102737132A (zh) * | 2012-06-25 | 2012-10-17 | 天津神舟通用数据技术有限公司 | 基于数据库行列混合存储的多规则复合压缩方法 |
CN115733498A (zh) * | 2023-01-10 | 2023-03-03 | 北京四维纵横数据技术有限公司 | 时序数据的压缩方法、装置、计算机设备及介质 |
CN115914640A (zh) * | 2022-11-08 | 2023-04-04 | 陕西通信规划设计研究院有限公司 | 一种用于车联网的数据压缩方法 |
-
2023
- 2023-04-27 CN CN202310465209.4A patent/CN116185971B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6597812B1 (en) * | 1999-05-28 | 2003-07-22 | Realtime Data, Llc | System and method for lossless data compression and decompression |
CN102737132A (zh) * | 2012-06-25 | 2012-10-17 | 天津神舟通用数据技术有限公司 | 基于数据库行列混合存储的多规则复合压缩方法 |
CN115914640A (zh) * | 2022-11-08 | 2023-04-04 | 陕西通信规划设计研究院有限公司 | 一种用于车联网的数据压缩方法 |
CN115733498A (zh) * | 2023-01-10 | 2023-03-03 | 北京四维纵横数据技术有限公司 | 时序数据的压缩方法、装置、计算机设备及介质 |
Non-Patent Citations (2)
Title |
---|
JIRAYU PEETAKUL等: ""Temporal Redundancy Reduction in Compressive Video Sensing by using Moving Detection and Inter-Coding"", 《 2020 DATA COMPRESSION CONFERENCE (DCC)》, pages 1 - 4 * |
石慧煊等: ""基于信息冗余压缩的动作捕捉骨骼数据编码优化方法"", 《网络安全技术与应用》, pages 44 - 46 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116861271A (zh) * | 2023-09-05 | 2023-10-10 | 智联信通科技股份有限公司 | 基于大数据的数据分析处理方法 |
CN116861271B (zh) * | 2023-09-05 | 2023-12-08 | 智联信通科技股份有限公司 | 基于大数据的数据分析处理方法 |
CN117235013A (zh) * | 2023-11-10 | 2023-12-15 | 中科数创(临沂)数字科技有限公司 | 一种基于人工智能的智慧档案管理方法 |
CN117235013B (zh) * | 2023-11-10 | 2024-01-30 | 中科数创(临沂)数字科技有限公司 | 一种基于人工智能的智慧档案管理方法 |
Also Published As
Publication number | Publication date |
---|---|
CN116185971B (zh) | 2023-07-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116185971B (zh) | 一种电子压力称重数据的智能处理系统 | |
CN102460513B (zh) | 编码/解码包括一个或多个组件的3d网格模型的方法 | |
CN102683149B (zh) | 质量分析数据处理方法和质量分析数据处理系统 | |
Sonal | A study of various image compression techniques | |
CN116541828B (zh) | 一种服务信息数据的智能管理方法 | |
CN116016606B (zh) | 一种基于智慧云的污水处理运维数据高效管理系统 | |
CN110248190A (zh) | 一种基于压缩感知的多层残差系数图像编码方法 | |
CN115204754B (zh) | 一种基于大数据的热力供需信息管理平台 | |
CN116032294B (zh) | 一种用于大气监测数据的智能处理方法 | |
CN115955513A (zh) | 一种物联网数据优化传输方法 | |
CN105306956A (zh) | 一种提高hevc编码器离散余弦变换处理速度的方法 | |
CN112905125A (zh) | 一种基于计算机高精度计算的数据存储及读取方法 | |
CN117376430B (zh) | 基于dcs的工业数据快速传输方法及系统 | |
CN117278058A (zh) | 一种气候投融资项目数据采集处理方法 | |
CN116737085B (zh) | 一种电梯维护数据高效存储方法 | |
CN107911570B (zh) | 一种对图片特征进行压缩及解压的方法 | |
CN115964347B (zh) | 一种市场监管监测中心数据的智能存储方法 | |
CN105072444B (zh) | 一种不同量化参数下的hevc视频二次压缩检测方法 | |
CN116488660A (zh) | 一种人体生理信号的混合数据压缩方法 | |
CN105070297A (zh) | 一种mp3音频压缩历史检测方法 | |
CN109495113A (zh) | 一种脑电信号的压缩方法及装置 | |
CN110267049A (zh) | 一种稀疏编码的存储优化方法 | |
CN113784147B (zh) | 一种基于卷积神经网络的高效视频编码方法及系统 | |
CN113392593B (zh) | 一种换流变压器温度场数字孪生模型构建方法 | |
CN111107360B (zh) | 一种光谱-空间维联合的高光谱图像无损压缩方法及系统 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |