您当前所在位置: 首页 > 首发论文
动态公开评议须知

1. 评议人本着自愿的原则,秉持科学严谨的态度,从论文的科学性、创新性、表述性等方面给予客观公正的学术评价,亦可对研究提出改进方案或下一步发展的建议。

2. 论文若有勘误表、修改稿等更新的版本,建议评议人针对最新版本的论文进行同行评议。

3. 每位评议人对每篇论文有且仅有一次评议机会,评议结果将完全公示于网站上,一旦发布,不可更改、不可撤回,因此,在给予评议时请慎重考虑,认真对待,准确表述。

4. 同行评议仅限于学术范围内的合理讨论,评议人需承诺此次评议不存在利益往来、同行竞争、学术偏见等行为,不可进行任何人身攻击或恶意评价,一旦发现有不当评议的行为,评议结果将被撤销,并收回评审人的权限,此外,本站将保留追究责任的权利。

5. 论文所展示的星级为综合评定结果,是根据多位评议人的同行评议结果进行综合计算而得出的。

勘误表

上传勘误表说明

  • 1. 请按本站示例的“勘误表格式”要求,在文本框中编写勘误表;
  • 2. 本站只保留一版勘误表,每重新上传一次,即会覆盖之前的版本;
  • 3. 本站只针对原稿进行勘误,修改稿发布后,不可对原稿及修改稿再作勘误。

示例:

勘误表

上传勘误表说明

  • 1. 请按本站示例的“勘误表格式”要求,在文本框中编写勘误表;
  • 2. 本站只保留一版勘误表,每重新上传一次,即会覆盖之前的版本;
  • 3. 本站只针对原稿进行勘误,修改稿发布后,不可对原稿及修改稿再作勘误。

示例:

上传后印本

( 请提交PDF文档 )

* 后印本是指作者提交给期刊的预印本,经过同行评议和期刊的编辑后发表在正式期刊上的论文版本。作者自愿上传,上传前请查询出版商所允许的延缓公示的政策,若因此产生纠纷,本站概不负责。

发邮件给 王小芳 *

收件人:

收件人邮箱:

发件人邮箱:

发送内容:

0/300

论文收录信息

论文编号 202504-194
论文题目 自适应精度保留的浮点数时间序列无损压缩算法研究
文献类型
收录
期刊

上传封面

期刊名称(中文)

期刊名称(英文)

年, 卷(

上传封面

书名(中文)

书名(英文)

出版地

出版社

出版年

上传封面

书名(中文)

书名(英文)

出版地

出版社

出版年

上传封面

编者.论文集名称(中文) [c].

出版地 出版社 出版年-

编者.论文集名称(英文) [c].

出版地出版社 出版年-

上传封面

期刊名称(中文)

期刊名称(英文)

日期--

在线地址http://

上传封面

文题(中文)

文题(英文)

出版地

出版社,出版日期--

上传封面

文题(中文)

文题(英文)

出版地

出版社,出版日期--

英文作者写法:

中外文作者均姓前名后,姓大写,名的第一个字母大写,姓全称写出,名可只写第一个字母,其后不加实心圆点“.”,

作者之间用逗号“,”分隔,最后为实心圆点“.”,

示例1:原姓名写法:Albert Einstein,编入参考文献时写法:Einstein A.

示例2:原姓名写法:李时珍;编入参考文献时写法:LI S Z.

示例3:YELLAND R L,JONES S C,EASTON K S,et al.

上传修改稿说明:

1.修改稿的作者顺序及单位须与原文一致;

2.修改稿上传成功后,请勿上传相同内容的论文;

3.修改稿中必须要有相应的修改标记,如高亮修改内容,添加文字说明等,否则将作退稿处理。

4.请选择DOC或Latex中的一种文件格式上传。

上传doc论文  修改稿:下载
请上传模板编辑的DOC文件

上传latex论文

* 上传模板导出的pdf论文文件(须含页眉)

* 上传模板编辑的tex文件

回复成功!


  • 0

自适应精度保留的浮点数时间序列无损压缩算法研究

首发时间:2025-04-23

刘于溪 1   

刘于溪(2000-),女,硕士,数据压缩

瞿有利 1   

瞿有利(1974-),男,副教授,硕导,人工智能及应用,计算机技术

  • 1、北京交通大学交通大数据与人工智能教育部重点实验室, 北京 100044

摘要:(现有的浮点数时间序列无损压缩算法主要分为两类:基于异或操作的压缩算法和基于十进制的压缩算法。基于异或操作的压缩算法通过异或运算去除相邻两个浮点数在 IEEE 754 表示中的冗余部分,随后利用编码技术复用异或结果的前导零和中心有效位的长度,从而实现对浮点数的压缩。然而,这种方法在处理两个值相近的浮点数时,其 IEEE 754 表示可能仍存在显著差异,导致实际应用中复用情况较少。因此,该类算法在某些情况下对原始数据的压缩效果不佳,甚至可能无法实现有效的压缩。基于十进制表示的压缩算法通过将二进制浮点数与10的n次方乘,将其转换为相应的整数,以便进行压缩。然而,当小数精度不一致时,该类算法可能会导致较大的存储空间需求。 本文提出了一种自适应精度保留的浮点数时间序列无损压缩算法(APCF)。APCF 算法可分为两个主要阶段:预处理阶段和编码阶段。在预处理阶段,算法首先自适应地计算每个浮点数对应的十进制表示的精度,然后根据该精度对浮点数进行量化。通过异或操作,算法去除原始数据中的冗余信息,并将有效信息集中在低位。在编码阶段,算法分别使用游程编码器和改进的异或值编码器对精度值和异或值进行编码。实验结果表明,APCF算法在18个数据集上的平均压缩率达到0.23。与 ALP 算法相比,APCF 算法的平均压缩率提升了 18.2%;与 ELF 算法相比,平均压缩率提升了 19.9%。项目源码见 https://github.com/xiaoYu0103/osptBWT.git.

关键词: 浮点数时间序列 无损压缩 自适应精度

For information in English, please click here

Adaptive Precision Preservation Lossless Compression of Floating-Point Time Series

Liu Yuxi 1   

刘于溪(2000-),女,硕士,数据压缩

Qu Youli 1   

瞿有利(1974-),男,副教授,硕导,人工智能及应用,计算机技术

  • 1、Artificial Intelligence in Transportation, Beijing Jiaotong University, Beijing 100044

Abstract:Existing lossless compression schemes for floating-point time series are fundamentally bifurcated into two methodological paradigms: XOR-oriented techniques and decimal encoding strategies. XOR-based mechanisms mitigate redundancy through bitwise XOR operations applied to successive IEEE 754 floating-point values, utilizing the recurrence patterns of leading-zero lengths and central significant bits. Nevertheless, these techniques demonstrate performance degradation when processing numerically proximate values exhibiting substantial binary representation discrepancies under the IEEE 754 standard, yielding limited practical redundancy exploitation. Such scenarios frequently result in suboptimal compression ratios or even compression inefficacy. Decimal encoding methodologies transform binary floating-point numbers into integer representations via 10^n scaling, though divergent decimal precision requirements typically entail amplified storage overheads. This paper proposes an Adaptive Precision Preservation framework for Lossless Compression of Floating-Point Time Series (APCF). The APCF methodology comprises two principal operational phases: preprocessing and encoding. During the preprocessing phase, the algorithm adaptively identifies optimal decimal precision thresholds, performs adaptive quantization, and consolidates residual information in least significant bits through bitwise XOR transformations. The encoding phase employs run-length encoding (RLE) for precision metadata compression coupled with a modified Gorilla encoder for residual processing. Extensive evaluations across 18 temporal datasets demonstrate APCF\'s superiority, yielding a mean compression ratio of 0.23:1. Comparative analysis with state-of-the-art compressors ALP and ELF reveals relative compression gains of 18.2% and 19.9% respectively. The source code repository is accessible at https://github.com/liuyuxicici/APCF.git.

Keywords: Floating-Point Time Series Lossless Compression Adaptive Precision Preservation

Click to fold

点击收起

基金:

论文图表:

引用

导出参考文献

.txt .ris .doc
刘于溪,瞿有利. 自适应精度保留的浮点数时间序列无损压缩算法研究[EB/OL]. 北京:中国科技论文在线 [2025-04-23]. https://www.paper.edu.cn/releasepaper/content/202504-194.

No.****

动态公开评议

共计0人参与

动态评论进行中

评论

全部评论

0/1000

勘误表

自适应精度保留的浮点数时间序列无损压缩算法研究