神經網絡與協同計算機數據壓縮有效途徑分析

摘 要：文章建立在神經網絡以及協同認知模型的基礎之上，就一種全新的計算機壓縮方法展開探討，研究此種壓縮方法在壓縮原理、壓縮途徑等方面的關鍵問題，望引起重視。

關鍵詞：神經網絡；協同認識模型；計算機數據；壓縮

中圖分類號：TP311.1 文獻標識碼：A 文章編號：1674-7712 （2014） 02-0000-01

數據傳輸的質量在很大程度上與數據傳輸的載體表現有密切關系。實踐證實：通過所需要傳輸數據進行壓縮處理的方式，能夠使數據所傳輸信道的利用率得到顯著的提升。而在接收方接受數據后，為了能夠在有限的儲存空間當中更多的儲存資源，以壓縮方式對數據進行保存也是尤為重要的。本文即圍繞神經網絡以及協同認知模型問題，展開詳細分析與探討。

一、數據壓縮機理分析

實際工作中，可以將神經網絡以及協同計算機網絡的優勢加以綜合應用，形成一種能夠有效滿足多維數據壓縮與解壓需求的混合網絡模型。以12維數據為例，在應用神經網絡與協同計算機數據壓縮方法對其進行壓縮的過程當中，所對應壓縮途徑為：在神經網絡自下而上運行，輸入多維數據，輸出二進制編碼數據的基礎之上，由協同計算機網絡按照自上而下的方法運行并解壓。

假定待壓縮數據為12維數據，因此可確定面向神經網絡進行輸入的節點數量為12，對應可知，輸入端輸入后待壓縮的數據種類共10種，以上10種類型不同的數據完全可以通過4b二進制數據的方式加以表現。這時，若神經網絡輸出端的數據輸出模式為組合編碼形式，則數據輸出可依賴于4個輸出節點所實現。總的來說就是，在神經網絡的干預作用之下，數據壓縮網絡結構示意圖如下圖所示（見圖1）。

結合圖1可知：以該12維數據作為待壓縮處理的數據，在面向神經網絡輸入的過程當中所產生的網絡輸出可表現為圖1所示結構。為了能夠獲取該多為數據所對應的4b二進制編碼數據，且為確保該編碼數據滿足唯一性特征，就要求對神經網絡輸出進行合理的判決。在此過程當中，12維數據被轉換為4b二進制編碼數據，能夠充分滿足對數據進行壓縮處理的要求。還需要特別注意的是：在神經網絡干預數據壓縮處理的過程中，對于網絡輸出端的所輸出的數據而言，為達到判別唯一性4b二進制編碼數據的而要求，需要遵循如下數據判別的原則：當某網絡輸出端輸出節點的編碼數據>0.9，則將該輸出節點所輸出的數據視作1；同時，當某網絡輸出端輸出節點的編碼數據<0.9，則將該輸出節點所輸出的數據視作0。

二、實例分析

以該12維數據為研究對象，由于該數據具有10種類型可能性，本文擇選其中的5中可能性，以研究數據壓縮的方法與效果。輸入端的數據信息如下表所示（見表1）。

以上述判別原則為參照，在對多維數據進行壓縮處理的過程當中，具體的操作流程為：如表1中所示，12維數據的具體數值輸入圖1所示的神經網絡數據壓縮結構當中，對應的網絡輸出數據如下表所示（見表1）。以表1中的A1組數據為例，（a1=0.24；a2=0.43；a3=-0.48；a4=0.94；a5=0.35；a6=-0.41；a7=0.92；a8=0.33；a9=0.94；a10=0.75；a11=0.69；a12=0.41），按照入如上方法，所輸出的神經網絡輸出端數據為（c1=0.03；c2=0.03；c3=0.98；c4=0.01），遵循前文中所提到的數據編碼判別規則，所輸出的數據為（c1=0；c2=0；c3=1；c4=0），則最終壓縮后，A1組列所對應的4b二進制編碼數據為0010，其他組列數據的處理方式同上。

綜合上述分析可知：在有關有限種多維數據壓縮網絡的運行過程當中，可以采取并行結構來支持網絡運行。在涉及到數十種多維數據壓縮處理作業的過程當中，可以同步支持對多個數據壓縮網絡的應用（多個數據壓縮網絡之間的連接可以建立在神經網絡的基礎之上，以并聯或者是串聯方式實現）。因此，本文所提出的此種建立在神經網絡以及協同計算機基礎之上的數據壓縮方法具有安全、精確、無損等方面的優勢，有著極為廣闊的發展前景。

參考文獻：

[1]文成林，胡靜，王天真等.相對主元分析及其在數據壓縮和故障診斷中的應用研究[J].自動化學報，2008（09）：1128-1139.

[2]朱鐵軍，林亞平，周四望等.無線傳感器網絡中基于小波的自適應多模數據壓縮算法[J].通信學報，2009（03）：48-53.

[3]周家銳，紀震，朱澤軒等.基于Memetic優化的智能DNA序列數據壓縮算法[J].電子學報，2013（03）：513-518.

[4]時峰，梁華國，詹文法等.應用擴展前綴編碼的測試數據壓縮方案[J].計算機輔助設計與圖形學學報，2008（03）：378-383.

[作者簡介]李冬梅（1981.10-），女，山西晉中人，河南廣播電視大學，講師，工學碩士，研究方向：智能控制、神經網絡、軟件開發。