一种基于分段的SBR多属性数据压缩方法

摘要

本发明提供了一种基于分段的SBR多属性数据压缩算法。其主要包括：对于采集来的多种属性的性能数据，通过相关系数矩阵将属性分为基信号和非基信号；用基信号回归表示非基信号并得出回归参数，若由回归参数表示的预测值与实际值的误差大于阈值，则将属性进行分段，再进行回归表示，直到误差小于阈值；最后只需传送基信号和回归参数。本发明提出的方法在满足一定误差要求的前提下，能够压缩待传输的性能数据，节省了带宽，提高了性能数据的传输效率。

主权项

一种基于分段的SBR多属性数据压缩方法，其特征在于包含以下步骤：1)根据属性间的相关性，计算相关系数矩阵，规范化误差和收益界；2)建立基集合BaseSet和候选集合CandSet，把所有属性初始化为候选集合；3)计算相关系数矩阵中每行相关系数的绝对值之和，并把值最大的那个属性划归到基集合中，作为第一个基信号；4)计算剩余属性的期望收益；5)若期望收益大于收益界，则把相关系数矩阵中每行数据的绝对值之和最大相对应的属性划归到基集合BaseSet中作为基信号，并返回步骤4)；若期望收益小于收益界，则将所有剩余的属性保留在候选集合CandSet中作为非基信号，进入步骤6)；6)用基信号线性表示非基信号，并得出回归参数；7)利用基于分段的SBR算法计算预测值与实际值之间的误差平方和，若误差平方和大于阈值，则对属性数据进行分段，并执行6)；若误差平方和小于阈值，则线性表示结束，传输基信号，对于非基信号，只需传输相对应的回归参数即可。