基于最短码长的Context加权编码

用Context加权来估计较为合理的条件概率分布并对当前信源符号进行编码,能减小其编码码长。本文对Context的加权系数进行了研究,提出最优化的权值是:多Context加权后,能够使当前信源符号的前m个信源符号的码长之和最短的那组权值。本文使用了多元优化算法(MOA)对最短码长进行寻优从而得到最优化的权值。并通过实验验证了该方法对于减小码长的有效性,得到已知信源长度为10时,编码的码长较短且计算复杂度低。

基于希尔伯特分形的基因组序列压缩算法

给出一种基于希尔伯特分形的基因组序列压缩算法.为充分利用碱基间的相关性,算法首先使用希尔伯特分形曲线将基因组序列从一维映射到二维,从而得到映射图像.再对映射图像使用Context加权建模熵编码技术进行压缩.在Context加权中,权值的确定与各Context模型对应的描述长度有关.当接收端收到压缩图像后,对其进行解码,然后根据拟希尔伯特逆矩阵将映射图像转为一维,从而获得基因组序列.实验结果表明,尽管基于希尔伯特空间填充的二维基因组Context建模会引入无效编码区,但最终的压缩结果要略好于其他直接进行Context建模的算法.

基于分布式信源编码的微生物基因组序列压缩算法

提出一种基于分布式信源编码的微生物基因组序列压缩算法,用于改进微生物基因组序列压缩效率不高的现状.首先将微生物基因组序列映射为两条二进制序列并映射为两幅二值图像以便使用更多的信源相关性.然后构建分布式信源编码来同时传输两个二值图像.同时,为保证边信息传输的高效,优化Context加权方法被用于边信息压缩.实验结果表明,与现有微生物基因组序列压缩算法相比较,该算法能获得更高的压缩效率,并且保持较合理的运算复杂度.