第4章基于算术编码的数据压缩
4.1数据压缩
数据压缩，用一句话说，就是用最少的数码来表示信号，即将字符串的一种表示方式转换为另一种表示方式，新的表示方式包含相同的信息量，但是长度比原来的方式尽可能的短[11]。其作用是：能较快地传输各种信号，如传真、Modem通信等；在现有的通信干线并行开通更多的多媒体业务，如各种增值业务；紧缩数据存储容量，如CD－ROM、VCD和DVD等；降低发信机功率，这对于多媒体移动通信系统尤为重要。也就是说，通信时间、传输带宽、存储空间甚至发射能量，都可能成为数据压缩的对象。
数据之所以能够被压缩是基于以下几点的考量：
首先，数据中间常存在一些多余成分，既冗余度。如在一份计算机文件中，某些符号会重复出现、某些符号比其他符号出现得更频繁、某些字符总是在各数据块中可预见的位置上出现等，这些冗余部分便可在数据编码中除去或减少。冗余度压缩是一个可逆过程，因此叫做无失真压缩，或称保持型编码。
其次，数据中间尤其是相邻的数据之间，常存在着相关性。如图片中常常有色彩均匀的背影，电视信号的相邻两帧之间可能只有少量的变化影物是不同的，声音信号有时具有一定的规律性和周期性等等。因此，有可能利用某些变换来尽可能地去掉这些相关性。但这种变换有时会带来不可恢复的损失和误差，因此叫做不可逆压缩，或称有失真编码、摘压缩等。
此外，人们在欣赏音像节目时，由于耳、目对信号的时间变化和幅度变化的感受能力都有一定的极限，如人眼对影视节目有视觉暂留效应，人眼或人耳对低于某一极限的幅度变化已无法感知等，故可将信号中这部分感觉不出的分量压缩掉或”掩蔽掉”。这种压缩方法同样是一种不可逆压缩。
数据压缩跟编码技术联系紧密，压缩的实质就是根据数据的内在联系将数据从一种编码映射为另一种编码。压缩前的数据要被划分为一个一个的基本单元。基本单元既可以是单个字符，也可以是多个字符组成的字符串。称这些基本单元为源消息，所有的源消息构成源消息集。源消息集映射的结果为码字集。可见，压缩前的数据是源消息序列，压缩后的数据是码字序列。
4.2基于改进的算术编码算法的应用
4.2.1WNC算法算术编码
在1987年Ian H.Witten、Radford M.Neal和John G.Cleary发表了一篇论文，
数据挖掘算法（Analysis Services – 数据挖掘） “数据挖掘算法”是创建数据挖掘模型的机制。为了创建模型，算法将首先分析一组数据并查找特定模式和趋势。算法使用此分析的结果来定义挖掘模型的参数。然后，这些参数应用于整个数据集，以便提取可行模式和详细统计信息。 算法创建的挖掘模型可以采用多种形式，这包括： ?说明在交易中如何将产品分组到一起的一组规则。 ?预测特定用户是否会购买某个产品的决策树。 ?预测销量的数学模型。 ?说明数据集中的事例如何相关的一组分类。 MicrosoftSQL ServerAnalysis Services 提供了几个供您在数据挖掘解决方案中使用的算法。这些算法是所有可用于数据挖掘的算法的子集。您还可以使用符合OLE DB for Data Mining 规范的第三方算法。有关第三方算法的详细信息，请参阅插件算法。 数据挖掘算法的类型 Analysis Services 包括了以下算法类型： ?分类算法基于数据集中的其他属性预测一个或多个离散变量。分类算法的一个示例是Microsoft 决策树算法。 ?回归算法基于数据集中的其他属性预测一个或多个连续变量，如利润或亏损。回归算法的一个示例是Microsoft 时序算法。 ?分割算法将数据划分为组或分类，这些组或分类的项具有相似属性。分割算法的一个示例是Microsoft 聚类分析算法。 ?关联算法查找数据集中的不同属性之间的相关性。这类算法最常见的应用是创建可用于市场篮分析的关联规则。关联算法的一个示例是Microsoft 关联算法。 ?顺序分析算法汇总数据中的常见顺序或事件，如Web 路径流。顺序分析算法的一个示例是Microsoft 顺序分析和聚类分析算法。 应用算法 为特定的业务任务选择最佳算法很有挑战性。您可以使用不同的算法来执行同样的业务任务，每个算法会生成不同的结果，而某些算法还会生成多种类型的结果。例如，您不仅可以将Microsoft 决策数算法用于预测，而且还可以将它用作一种减少数据集的列数的方法，因为决策树能够识别出不影响最终挖掘模型的列。
视频压缩编码方法简介—AVI AVI（Audio Video Interleave）是一种音频视像交插记录的数字视频文件格式。1992年初Microsoft公司推出了AVI技术及其应用软件VFW（Video for Windows）。在AVI文件中，运动图像和伴音数据是以交织的方式存储，并独立于硬件设备。这种按交替方式组织音频和视像数据的方式可使得读取视频数据流时能更有效地从存储媒介得到连续的信息。构成一个AVI文件的主要参数包括视像参数、伴音参数和压缩参数等： 1、视像参数 （1）、视窗尺寸（Video size）：根据不同的应用要求，AVI的视窗大小或分辨率可按4：3的比例或随意调整：大到全屏640×480，小到160×120甚至更低。窗口越大，视频文件的数据量越大。 （2）、帧率（Frames per second）：帧率也可以调整，而且与数据量成正比。不同的帧率会产生不同的画面连续效果。 2、伴音参数：在AVI文件中，视像和伴音是分别存储的，因此可以把一段视频中的视像与另一段视频中的伴音组合在一起。AVI 文件与WAV文件密切相关，因为WAV文件是AVI文件中伴音信号的来源。伴音的基本参数也即WAV文件格式的参数，除此以外，AVI文件还包括与音频有关的其他参数： （1）、视像与伴音的交织参数（Interlace Audio Every X Frames）AVI格式中每X帧交织存储的音频信号，也即伴音和视像交替的频率X是可调参数，X的最小值是一帧，即每个视频帧与音频数据交织组织，这是CD－ROM上使用的默认值。交织参数越小，回放AVI文件时
读到内存中的数据流越少，回放越容易连续。因此，如果AVI文件的存储平台的数据传输率较大，则交错参数可设置得高一些。当AVI文件存储在硬盘上时，也即从硬盘上读AVI文件进行播放时，可以使用大一些的交织频率，如几帧，甚至1秒。 （2）、同步控制（Synchronization） 在AVI文件中，视像和伴音是同步得很好的。但在MPC中回放AVI文件时则有可能出现视像和伴音不同步的现象。 （3）、压缩参数：在采集原始模拟视频时可以用不压缩的方式，这样可以获得最优秀的图像质量。编辑后应根据应用环境环择合适的压缩参数。 3、 AVI数字视频的特点 （1）、提供无硬件视频回放功能：AVI格式和VFW软件虽然是为当前的MPC设计的，但它也可以不断提高以适应MPC的发展。根据AVI格式的参数，其视窗的大小和帧率可以根据播放环境的硬件能力和处理速度进行调整。在低档MPC机上或在网络上播放时，VFW的视窗可以很小，色彩数和帧率可以很低；而在Pentium级系统上，对于64K色、320×240的压缩视频数据可实现每秒25帧的回放速率。这样，VFW就可以适用于不同的硬件平台，使用户可以在普通的MPC上进行数字视频信息的编辑和重放，而不需要昂贵的专门硬件设备。 （2）、实现同步控制和实时播放：通过同步控制参数，AVI可以通过自调整来适应重放环境，如果MPC的处理能力不够高，而AVI文件的数据率又较大，在WINDOWS环境下播放该AVI文件时，播放器可
实现算术编码及其译码 一、实验内容 借助C++编程来实现对算术编码的编码及其译码算法的实现 二、实验环境 1.计算机 2.VC++6.0 三、实验目的 1.进一步熟悉算术编码的原理，及其基本的算法； 2.通过编译，充分对于算术编码有进一步的了解和掌握； 3.掌握C++语言编程（尤其是数值的进制转换，数值与字符串之间的转换 等） 四、实验原理 算术编码 算术编码的基本原理是将编码的消息表示成实数0和1之间的一个间隔，消息越长，编码表示它的间隔就越小，表示这一间隔所需的二进制位就越多。 算术编码用到两个基本的参数：符号的概率和它的编码间隔。信源符号的概率决定压缩编码的效率，也决定编码过程中信源符号的间隔，而这些间隔包含在0到1之间。编码过程中的间隔决定了符号压缩后的输出。 给定事件序列的算术编码步骤如下： （1）编码器在开始时将“当前间隔”设置为[0，1)。 （2）对每一事件，编码器按步骤（a）和（b）进行处理 （a）编码器将“当前间隔”分为子间隔，每一个事件一个。 （b）一个子间隔的大小与下一个将出现的事件的概率成比例，编码器选择子间隔对应于下一个确切发生的事件相对应，并使它成为新的“当前间 隔”。 （3）最后输出的“当前间隔”的下边界就是该给定事件序列的算术编码。 编码过程 假设信源符号为{A， B， C， D}，这些符号的概率分别为{ 0.1， 0.4， 0.2，0.3 }，根据这些概率可把间隔[0， 1]分成4个子间隔：[0， 0.1]， [0.1， 0.5]，
[0.5， 0.7]， [0.7， 1]，其中[x，y]表示半开放间隔，即包含x不包含y。上面的信息可综合在表03-04-1中。 下表为信源符号，概率和初始编码间隔 如果二进制消息序列的输入为：C A D A C D B。编码时首先输入的符号是C，找到它的编码范围是[0.5，0.7]。由于消息中第二个符号A的编码范围是[0，0.1]，因此它的间隔就取[0.5， 0.7]的第一个十分之一作为新间隔[0.5，0.52]。依此类推，编码第3个符号D时取新间隔为[0.514， 0.52]，编码第4个符号A 时，取新间隔为[0.514， 0.5146]，…。消息的编码输出可以是最后一个间隔中的任意数。整个编码过程如图03-04-1所示。 编码和译码的全过程分别表示在下表。 编码过程
数据挖掘毕业论文题目 数据挖掘毕业论文题目本文简介：数据挖掘技术已成为计算机领域的一个新的研究热点，其应用也渗透到了其他各大领域。以下是我们整理的数据挖掘毕业论文题目，希望对你有用。数据挖掘毕业论文题目一： 1、基于数据挖掘的方剂配伍规律研究方法探讨 2、海量流数据挖掘相关问题研究 3、基于MapReduce 的大规模数据挖掘 数据挖掘毕业论文题目本文内容： 数据挖掘技术已成为计算机领域的一个新的研究热点，其应用也渗透到了其他各大领域。以下是我们整理的数据挖掘毕业论文题目，希望对你有用。数据挖掘毕业论文题目一： 1、基于数据挖掘的方剂配伍规律研究方法探讨 2、海量流数据挖掘相关问题研究 3、基于MapReduce的大规模数据挖掘技术研究 4、地质环境数据仓库联机分析处理与数据挖掘研究 5、面向属性与关系的隐私保护数据挖掘理论研究 6、基于多目标决策的数据挖掘方法评估与应用 7、基于数据挖掘的煤矿安全可视化管理研究 8、基于大数据挖掘的药品不良反应知识整合与利用研究 9、基于动态数据挖掘的电站热力系统运行优化方法研究 10、基于支持向量机的空间数据挖掘方法及其在旅游地理经济分析中的应用 11、移动对象轨迹数据挖掘方法研究 12、基于数据挖掘的成本管理方法研究 13、基于数据挖掘技术的财务风险分析与预警研究 14、面向交通服务的多源移动轨迹数据挖掘与多尺度居民活动的知识发现 15、面向电信领域的数据挖掘关键技术研究 16、面向精确营销基于数据挖掘的3G用户行为模型及实证研究 17、隐私保护的数据挖掘算法研究 18、造纸过程能源管理系统中数据挖掘与能耗预测方法的研究 19、基于数据挖掘的甲肝医疗费用影响因素与控制策略研究 20、基于特征加权与特征选择的数据挖掘算法研究 21、基于数据挖掘的单纯冠心病与冠心病合并糖尿病的证治规律对比研究 22、基于数理统计与数据挖掘的《伤寒论》温里法类方方证辨治规律研究 23、大规模数据集高效数据挖掘算法研究24、半结构化数据挖掘若干问题研究 25、基于数据挖掘与信息融合的瓦斯灾害预测方法研究 26、基于数据挖掘技术的模糊推理系统 27、基于CER模式的针
J I A N G S U U N I V E R S I T Y 本科毕业论文 蚁群算法模拟系统的设计与实现 Ant Colony Simulation System Design and Implementation
江苏大学2010届毕业设计（论文） 蚁群算法模拟系统的设计与实现 专业班级：J计算机0601 学生姓名：汤琪 指导教师：蔡涛职称：副教授 摘要：人工免疫算法具有快速随机的全局搜索能力，但对于系统中的反馈信息利用不足，往往做大量无为的冗余迭代，求解效率低。蚁群算法具有分布式并行全局搜索能力，但初始解随机，易早熟且求解速度慢。本文提出免疫算法和蚁群算法的混合算 法免疫蚁群算法，通过信息素更新获得全局最佳解。通过匹配检测仿真实验，结果证明该算法是计算精度较好的一种算法。 本设计是在Linux环境下，用C语言编写的。Linux是一类Unix计算机操作系统的统称。Linux操作系统的内核的名字也是“Linux”。Linux操作系统也是自由软件和开放源代码发展中最著名的例子。严格来讲，Linux这个词本身只表示Linux内核，但在实际上人们已经习惯了用Linux来形容整个基于Linux内核，并且使用GNU 工程各种工具和数据库的操作系统。Linux得名于计算机业余爱好者Linus Torvalds。 关键词：人工免疫算法蚁群算法匹配检测 Linux
英文摘要 Ant Colony Simulation System Design and Implementation Abstract Artificial immune algorithm is fast random global search capability, but the feedback system is underutilized, often do a lot of inactive redundant iteration, solve the low efficiency.Ant colony algorithm has the distributed parallel global search capability, but the initial solution randomly, prematurity and slow to solve.In this paper, the immune algorithm and ant colony hybrid immune algorithm ant colony algorithm, pheromone update access to the global optimal solution.Detected by matching simulation results show that the algorithm is an algorithm for better accuracy. The design is in the Linux environment, using C language. Linux is a Unix-computer operating system collectively. Linux operating system kernel's name is "Linux". Linux operating system is free software and open source development in the most famous example. Strictly speaking, Linux is only the word that Linux kernel itself, but in fact people have used to describe the use of Linux based on Linux kernel and GNU project using various tools and database operating systems. Linux is named after the computer amateur Linus Torvalds. Key Words Artificial immune algorithm ant colony algorithm matching test Linux
TP391.41 学士学位论文（设计） 论文题目图像分割算法研究与实现 作者姓名 指导教师 所在院系 专业名称 完成时间
毕业设计（论文）原创性声明和使用授权说明 原创性声明 本人郑重承诺：所呈交的毕业设计（论文），是我个人在指导教师的指导下进行的研究工作及取得的成果。尽我所知，除文中特别加以标注和致谢的地方外，不包含其他人或组织已经发表或公布过的研究成果，也不包含我为获得及其它教育机构的学位或学历而使用过的材料。对本研究提供过帮助和做出过贡献的个人或集体，均已在文中作了明确的说明并表示了谢意。 作者签名：日期： 指导教师签名：日期： 使用授权说明 本人完全了解大学关于收集、保存、使用毕业设计（论文）的规定，即：按照学校要求提交毕业设计（论文）的印刷本和电子版本；学校有权保存毕业设计（论文）的印刷本和电子版，并提供目录检索与阅览服务；学校可以采用影印、缩印、数字化或其它复制手段保存论文；在不以赢利为目的前提下，学校可以公布论文的部分或全部内容。 作者签名：日期：
学位论文原创性声明 本人郑重声明：所呈交的论文是本人在导师的指导下独立进行研究所取得的研究成果。除了文中特别加以标注引用的内容外，本论文不包含任何其他个人或集体已经发表或撰写的成果作品。对本文的研究做出重要贡献的个人和集体，均已在文中以明确方式标明。本人完全意识到本声明的法律后果由本人承担。 作者签名：日期：年月日 学位论文版权使用授权书 本学位论文作者完全了解学校有关保留、使用学位论文的规定，同意学校保留并向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅和借阅。本人授权大学可以将本学位论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。 涉密论文按学校规定处理。 作者签名：日期：年月日 导师签名：日期：年月日
科技广场2010.9 0引言 随着数据库技术的飞速发展，人们在各种应用领域所拥有的数据量急剧增加，这些数据对人们的工作和研究有着重要的作用，但是由于对这些数据进行高级处理的工具比较少，使它们的重要性没有能够充分的发挥。当前多数的数据库系统只是可以对数据库中已有的数据进行存取、查询和统计等简单操作，通过这些操作人们可以获得数据的一些简单信息。但这些信息是从数据表面直观表现出来，对于隐藏于数据背后的如数据之间的关系、数据整体特征的描述以及寻找未来数据发展趋势的预测等信息并不能通过这些手段得到，而这些往往是人们更加需要的并且在决策支持的过程中更有价值。 数据挖掘是信息技术自然演化的结果，正是从存放在数据库、数据仓库或其他信息库中挖掘有用知识的过程。 1数据挖掘的主要步骤 数据挖掘工作作为一个完整的挖掘过程，可分为以下几个主要步骤： (1)陈述问题和阐明假设：多数基于数据的模型研究都是在一个特定的应用领域里完成的。因此在设计数据挖掘算法之前，需要事先确定一个有意义的问题陈述。模型建立者通常会为未知的相关性指定一些变量，如果可能还会指定相关性的一个大体形式作为初始假设。对当前问题可能会有几个阐明的假设，这要求将应用领域的专门技术和数据挖掘模型相结合。实际上，这往往意味数据挖掘人员与应用专家之间密切地协作，在开始数据处理过程之前明确实际工作对数据挖掘结果的要求，根据此要求，确定数据收集过程的具体方法和数据挖掘采用的具体算法。 (2)数据准备和预处理：数据准备和预处理又可分为三个步骤：数据选取、数据预处理、数据变换。 数据选取的目的是确定数据挖掘的处理对象，即目标数据，它是根据由问题陈述中得到的用户需求，从原始数据库中抽取一定的数据用于数据挖掘， 数据挖掘算法的分析与研究 Analysis and Research of Data Mining Algorithms 喻云峰 Yu Yunfeng (江西省商务学校，江西南昌330100) （Jiangxi Commercial School,Jiangxi Nanchang330100） 摘要：本文对数据挖掘的基本理论进行了分析研究，总结了数据挖掘的基本步骤，归纳了数据挖掘的基本方法，并在此基础上，提出了用数据挖掘进行数据分析的通用策略。 关键词：数据挖掘；通用策略 中图分类号：TP311文献标识码：A文章编号：1671-4792-(2010)9-0054-03 Abstract:In this thesis,the basic theory of data mining is researched.Based on this,the basic steps of data min-ing is summarized and the basic method of data mining is generalized.At last,a general tactic of data mining is given. Keywords:Data Mining;General Tactic 54
目前网上的各种视频格式可以说是泛滥成灾，加上各个PMP(Portable Media Player,便携式媒体播放器)生产厂家的对自己产品在功能方面的炒作，使得很多人对视频格式的名称都是一头的雾水。 经常有些童鞋问我类似下面的问题。 A问我说：“我的MP4分明写着能播放AVI吗?为什么这一个AVI文件就播放不了？” B问：“我的MP4支持Mpeg-4啊，为什么Mp4文件不能播放呢？” 好的，下面我从最基本的概念给大家解释一下，顺便回答这两个问题 首先大家要清楚两个概念，视频文件格式和视频编码方式。 视频文件格式一般情况下从视频文件的后缀名就能看出来，比如AVI,Mp4,3gp,mov，rmvb等等。这些格式又叫做容器格式（container format），顾名思义就是用来装东西的，你可以把它想象成为一个便当盒，或者野餐篮（兄弟，你没吃早饭吧）。 通常我们从网上下载的电影都是有声音的（废话，难道你只看默片！众人扔香蕉皮），所以容器格式中一般至少包含有两个数据流（stream），一个视频流，一个音频流，就好比是一个便当盒里装着的配菜和米饭。 视频编码方式则是指容器格式中视频流数据的压缩编码方式，例如Mpeg-4，，，等等。而视频数据采用了何种编码方式是无法单单从文件格式的后缀上看出来的。就是说你无法从一个盖着盖子的便当盒外面看出里面装了什么配菜。 如果你想播放一个视频文件，第一步你的播放器（不论是软件的还是硬件的）要能够解析相应的容器格式，这一步也叫做解复用（demux），第二步你的播放器要能够解码其中所包含视频流和音频流。这样影片才能播放出来。 打个不太恰当的比方，播放器好比你雇用的一个试菜员，由他来品尝便当（视频文件），然后告诉你便当里装了什么东西。（没天理阿！我想自己吃，好的当然可以，0x00 00 01 B6 05 FF 36 1A 50 …… ……，俄~） 所以试菜员首先要懂得如何打开便当盒，还要知道吃的出来便当盒里装了什么配菜，这样你才能获得你想要的信息。 回过头来看前面的两个问题，用以上的比喻翻译一下。 问题A，我的试菜员能打开AVI这种便当的，为什么我不能知道里面装了什么？ 回答很简单，虽然他能够打开便当，但是吃不出里面的东西是什么。理论上没有一个播放器能够播放所有的AVI格式的电影，因为你不知道我会往里面放什么配菜。 问题B，我的试菜员吃过Mpeg-4这种牛排阿，为什么不能打开Mp4这种便当盒呢？ 这个问题通过翻译之后看起来已经不是问题了，Mpeg-4是视频编码方式，而Mp4是容器格式，两者本来就不是一个范畴里的东西。 好了下面简单介绍一下流行的视频格式。 AVI是音频视频交错（Audio Video Interleaved）的英文缩写，它是Microsoft公司开发的一种数字音频与视频文件格式，允许视频和音频交错在一起同步播放。 AVI文件的格式是公开并且免费的，大量的视频爱好者在使用这种文件格式。很多PMP 唯一能支持的格式就是AVI格式，一般的PMP都带有可以转换其他格式视频成为AVI格式的软件。 AVI文件采用的是RIFF（Resource Interchange File Format，资源互换文件格式）文件结构，RIFF是Microsoft公司定义的一种用于管理windows环境中多媒体数据的文件格
算术编码工作原理 在给定符号集和符号概率的情况下，算术编码可以给出接近最优的编码结果。使用算术编码的压缩算法通常先要对输入符号的概率进行估计，然后再编码。这个估计越准，编码结果就越接近最优的结果。 例: 对一个简单的信号源进行观察，得到的统计模型如下： ?60% 的机会出现符号中性 ?20% 的机会出现符号阳性 ?10% 的机会出现符号阴性 ?10% 的机会出现符号数据结束符. (出现这个符号的意思是该信号源'内部中止'，在进行数据压缩时这样的情况是很常见的。当第一次也是唯一的一次看到这个符号时，解码器就知道整个信号流都被解码完成了。) 算术编码可以处理的例子不止是这种只有四种符号的情况，更复杂的情况也可以处理，包括高阶的情况。所谓高阶的情况是指当前符号出现的概率受之前出现符号的影响，这时候之前出现的符号，也被称为上下文。比如在英文文档编码的时候，例如，在字母Q 或者q出现之后，字母u出现的概率就大大提高了。这种模型还可以进行自适应的变化，即在某种上下文下出现的概率分布的估计随着每次这种上下文出现时的符号而自适应 更新，从而更加符合实际的概率分布。不管编码器使用怎样的模型，解码器也必须使用同样的模型。 一个简单的例子以下用一个符号串行怎样被编码来作一个例子：假如有一个以A、B、C三个出现机会均等的符号组成的串行。若以简单的分组编码会十分浪费地用2 bits 来表示一个符号：其中一个符号是可以不用传的(下面可以见到符号B正是如此)。为此，这个串行可以三进制的0和2之间的有理数表示，而且每位数表示一个符号。例如，“ABBCAB”这个串行可以变成0.011201(base3)(即0为A, 1为B, 2为C)。用一个定点二进制数字去对这个数编码使之在恢复符号表示时有足够的精度，譬如 0.001011001(base2) –只用了9个bit，比起简单的分组编码少(1 – 9/12)x100% = 25%。这对于长串行是可行的因为有高效的、适当的算法去精确地转换任意进制的数字。 编码过程的每一步，除了最后一步，都是相同的。编码器通常需要考虑下面三种数据： ?下一个要编码的符号 ?当前的区间(在编第一个符号之前，这个区间是[0,1), 但是之后每次编码区间都会变化) ?模型中在这一步可能出现的各个符号的概率分布(像前面提到的一样，高阶或者自适应的模型中，每一步的概率并不必须一样) 编码其将当前的区间分成若干子区间，每个子区间的长度与当前上下文下可能出现的对应符号的概率成正比。当前要编码的符号对应的子区间成为在下一步编码中的初始区间。
毕业设计（论文）开题报告基于数据挖掘技术的WWW推荐系统设计
摘要 在Internet飞速发展的今天，人们已经将互联网作为一个日常沟通，生活不可或缺的平台。随之而生的网上购物这一电子商务的具体模式之一，自然而然地便成为一种时尚、流行的购物方式。一个好的网上购物系统除了基本的商品浏览、搜索、购买和评价等功能外，还要具备一些数据挖掘的功能，这是在系统后台运行中实现的功能，能够从日常的客户资料，交易数据中得到挖掘分析的结果，给客户提供与他们选购的商品相关联的商品信息，给购物系统的经营者提供商业分析的决策支持，从而提高购物系统的交易量和客户的光顾频率。本文从关联规则和聚类分析这两种数据挖掘技术中得到启示，将商品之间按照一定的规则进行匹配连接，将用户按照层层条件进行分类，从而实现了商品推荐和目标用户群邮件投递的功能。在购物系统这个主体功能实现的基础上，加以修饰，完善系统功能。数据挖掘思路与B/S结构的网页设计的相结合，是这个网上购物系统的核心技术。 关键词：网上购物系统；数据挖掘；决策支持 Abstract Nowadays, with the rapid development of Internet, people have regarded WEB as an indispensable platform for everyday communication and life. Thus, on-line shopping, one concrete pattern of E-business is becoming a fashionable and popular way of shopping naturally. Except for searching for, purchasing, evaluating goods, an advanced on-line shopping system should have the function of data mining. Data mining is implemented at background, which can produce an analysis result on the basic of the clients’ information and the data of transaction. It provide s clients with the information of goods, which are related to the goods they are purchasing; it supplies decision support to the on-line shopping system’s manager. All these are in order to bring up the transaction and increase the frequency of shopping for clients. Based on the thought of rule induction and cluster analysis, it makes connection with goods according some rule and divides clients into different clusters in this paper. Thus, the functions of recommending goods and sending email come true and the whole system’s functions are improved. Data mining and B/S structure designing are the two key techniques of this on-line shopping system. Key words: on-line shopping system; data mining; decision support
诚信声明 本人声明： 我所呈交的本科毕业设计论文是本人在导师指导下进行的研究工作及取得的研究成果。尽我所知，除了文中特别加以标注和致谢中所罗列的内容以外，论文中不包含其他人已经发表或撰写过的研究成果。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示了谢意。本人完全意识到本声明的法律结果由本人承担。 申请学位论文与资料若有不实之处，本人承担一切相关责任。 本人签名：日期：2010 年05 月20日
毕业设计（论文）任务书 设计（论文）题目： 学院：专业：班级： 学生指导教师（含职称）：专业负责人： 1．设计（论文）的主要任务及目标 (1) 了解图象匹配技术的发展和应用情况，尤其是基于特征的图象匹配技术的发展和应用。 (2) 学习并掌握图像匹配方法，按要求完成算法 2．设计（论文）的基本要求和内容 （1）查阅相关中、英文文献，完成5000汉字的与设计内容有关的英文资料的翻译。（2）查阅15篇以上参考文献，其中至少5篇为外文文献，对目前国内外图象匹配技术的发展和应用进行全面综述。 （3）学习图象匹配算法，尤其是基于特征的图象匹配算法。 （4）实现并分析至少两种基于特征的图象匹配算法，并分析算法性能。 3．主要参考文献 [1]谭磊, 张桦, 薛彦斌．一种基于特征点的图像匹配算法[J]．天津理工大学报，2006， 22(6)，66-69． [2]甘进，王晓丹，权文．基于特征点的快速匹配算法[J]．电光与控制，2009，16(2)， 65-66． [3]王军，张明柱．图像匹配算法的研究进展[J]．大气与环境光学学报，2007，2(1)， 12-15．
数据挖掘分类算法比较 分类是数据挖掘、机器学习和模式识别中一个重要的研究领域。通过对当前数据挖掘中具有代表性的优秀分类算法进行分析和比较，总结出了各种算法的特性，为使用者选择算法或研究者改进算法提供了依据。 一、决策树（Decision Trees） 决策树的优点： 1、决策树易于理解和解释.人们在通过解释后都有能力去理解决策树所表达的意义。 2、对于决策树，数据的准备往往是简单或者是不必要的.其他的技术往往要求先把数据一般化，比如去掉多余的或者空白的属性。 3、能够同时处理数据型和常规型属性。其他的技术往往要求数据属性的单一。 4、决策树是一个白盒模型。如果给定一个观察的模型，那么根据所产生的决策树很容易推出相应的逻辑表达式。 5、易于通过静态测试来对模型进行评测。表示有可能测量该模型的可信度。 6、在相对短的时间内能够对大型数据源做出可行且效果良好的结果。 7、可以对有许多属性的数据集构造决策树。 8、决策树可很好地扩展到大型数据库中，同时它的大小独立于数据库的大小。 决策树的缺点： 1、对于那些各类别样本数量不一致的数据，在决策树当中,信息增益的结果偏向于那些具有更多数值的特征。 2、决策树处理缺失数据时的困难。 3、过度拟合问题的出现。 4、忽略数据集中属性之间的相关性。 二、人工神经网络 人工神经网络的优点：分类的准确度高,并行分布处理能力强,分布存储及学习能力强，对噪声神经有较强的鲁棒性和容错能力，能充分逼近复杂的非线性关系，具备联想记忆的功能等。 人工神经网络的缺点：神经网络需要大量的参数，如网络拓扑结构、权值和阈值的初始值；不能观察之间的学习过程，输出结果难以解释，会影响到结果的可信度和可接受程度；学习时间过长,甚至可能达不到学习的目的。
简单短序列的算术编码的MATLAB实现 正确实现的算术编码算法压缩能力Shannond定理描述的理论极限，是目前已知的压缩能力最强的无损压缩算法。 不过，由于算术编码算法的实现比较复杂，使用它作为默认压缩算法的应用程序还相当少。在Unix平台上非常流行的bzip2(这个工具有命令行模式的Windows版本)使用的就是经过修改的算术编码算法。 目前为止还没有使用算术编码作为默认压缩算法的Windows应用程序，WinRAR和WinIMP能够支持bzip2的解压。除此之外，在最新的JPEG标准中也用到了经过修改的算术编码压缩算法，但JPEG所用的那种算法受专利保护，因此使用时必须获得授权。 在之后的文章会很好的研究这个算法的实现： 现在给出一个简单的实例：
运行过程如下：
%I=imread('001.bmp') %imshow(I); clear I=[3 3 1 1 3 3 1 2;2 3 3 1 3 2 3 2;1 2 3 3 3 3 1 2]; %I=[1 1 1 1 0 0 1 0 1 1 1 0]; [m,n]=size(I); % 第一列为灰度值,第二列为个数,第三列为概率百分数，应该也可以用imhist table = tabulate(I(); % 注意的是，tabulate要求I的元素必须为非负整数 % 否则，以采用如下方法求解 % 如[1 2 3；1 2 2]，则统计出结果1是2个，2是3个，3是1个 % sortM=sort(M(); % uniqueM=([diff(sortM);1]>0); % count = [sortM(uniqueM) diff(find([1;uniqueM]))] % 即color,p如下所示 color = table(:,1)'; p = table(:,3)'/100; % 计算上下限 csump = cumsum(table(:,3)'); allLow =[0,csump(1:end-1)/100]; allHigh = csump/100; numberlow = 0; numberhigh = 1; for k = 1:m for kk = 1:n data = I(k,kk); low = allLow(data==color); high = allHigh(data==color); range = numberhigh-numberlow; tmp = numberlow; numberlow = tmp+range*low; numberhigh = tmp+range*high; end
毕业设计（论文）外文文献翻译 文献、资料中文题目：聚类分析 文献、资料英文题目：clustering 文献、资料来源： 文献、资料发表（出版）日期： 院（部）： 专业：自动化 班级： 姓名： 学号： 指导教师： 翻译日期： 2017.02.14
外文翻译 英文名称：Data mining-clustering 译文名称：数据挖掘—聚类分析 专业：自动化 姓名：**** 班级学号：**** 指导教师：****** 译文出处：Data mining：Ian H.Witten, Eibe Frank 著
Clustering 5.1 INTRODUCTION Clustering is similar to classification in that data are grouped. However, unlike classification, the groups are not predefined. Instead, the grouping is accomplished by finding similarities between data according to characteristics found in the actual data. The groups are called clusters. Some authors view clustering as a special type of classification. In this text, however, we follow a more conventional view in that the two are different. Many definitions for clusters have been proposed: ●Set of like elements. Elements from different clusters are not alike. ●The distance between points in a cluster is less than the distance between a point in the cluster and any point outside it. A term similar to clustering is database segmentation, where like tuple (record) in a database are grouped together. This is done to partition or segment the database into components that then give the user a more general view of the data. In this case text, we do not differentiate between segmentation and clustering. A simple example of clustering is found in Example 5.1. This example illustrates the fact that that determining how to do the clustering is not straightforward. As illustrated in Figure 5.1, a given set of data may be clustered on different attributes. Here a group of homes in a geographic area is shown. The first floor type of clustering is based on the location of the home. Homes that are geographically close to each other are clustered together. In the second clustering, homes are grouped based on the size of the house. Clustering has been used in many application domains, including biology, medicine, anthropology, marketing, and economics. Clustering applications include plant and animal classification, disease classification, image processing, pattern recognition, and document retrieval. One of the first domains in which clustering was used was biological taxonomy. Recent uses include examining Web log data to detect usage patterns. When clustering is applied to a real-world database, many interesting problems occur: ●Outlier handling is difficult. Here the elements do not naturally fall into any cluster. They can be viewed as solitary clusters. However, if a clustering algorithm attempts to find larger clusters, these outliers will be forced to be placed in some cluster. This process may result in the creation
计算机科学与技术专业质量保障体系教学管理是完成各项教学工作的重要保证。本专业在教学管理的实际工作中，采取“点面结合、突出重点”的原则，以加强管理队伍建设，建立健全管理制度两方面为教学管理的重点，全面提高本专业的教学管理质量。 一教学质量体系现状 为提高人才培养质量，有效调动教师教书育人的积极性，引导和促进学生的全面发展，实现资源的优化配置，我院对教学管理机制进行创新探索，加强教学管理体系的建设与完善，建立起一套科学、有效、可行的教学管理制度。 本专业完善了教学质量管理体系，建立了健全规章制度，实行了目标管理与过程管理相结合的管理方式，进一步完善了教师集体备课制度，教学研讨制度，教师听课、评课制度，学生评教制度，形成了闭合的教学质量监控体系，构建了由教学质量目标、教学资源保障、教学过程管理和教学质量监控与考核组成的全面质量管理与保障体系，实现了对教学管理全过程的动态有效管理。 改革学生考核评价机制，落实以生为本的理念，完善学分制教学管理制度，加强选课制、弹性学制的推行力度，强调尊重教育对象的个性差异和兴趣发展，允许延长或缩短学制；改革了考核考试制度，在评价主体、评价内容、评价方式等多方面进行改革，建立多元评价机制；鼓励学生积极参与专业实践、科研训练，建立起完善的实践教学评价体系，切实引导学生重视和加强实践能力培养。 建立了教学管理信息化平台，加强教学管理的信息化水平，提高教学管理的质量和效率，提供多样化的教学管理应用服务，有效实施资源调配和过程支持，为专业综合改革提供支持与保障。 1.1 教学管理干部队伍 计算机科学与技术专业在院长张郭军教授、教学副院长刘军教授、专业建设负责人同晓荣副教授的带领下，各类教学人员积极配合教学秘书张洁，构建了一个团结、合作的教学管理队伍。 1.2 教学质量监控体系构成 1．建立健全规章制度，严格执行规章制度 保证和提高高等教育的教学质量是高等教育发展的首要前提和内在要求，教学质量的高低直接关系到高校的生存和发展。在学校建成的教学质量监控体系的基础上，我专业为了更好地提高教学管理水平和抓好教学质量，经过反复讨论制定了一套比较齐全的规章制度。根据学校的总体要求，落实了学生评教、同行评教等一系列教学检查措施，