基于小波和偶合特征的多数据流压缩算法

提出了基于Haar小波技术和偶合特征的多数据流压缩方法．主要研究成果包括：（1）证明了Haar小波变换服从能量守恒规律，并用于压缩数据流；（2）揭示了数据流的偶合度与变化趋势的相关性、偶合度的平移不变性及等价规律，采用特征流序列的小波系数和流能量近似表示流的趋势，达到压缩的目的；（3）提出了多尺度能量分解模型，提高了表示精度；（4）设计了多尺度能量分解压缩算法以及多尺度重构算法：（5）在真实数据集上的实验表明，新方法的压缩比是传统小波方法的2-4倍．

WSN中基于区间小波的偶合数据压缩算法

根据传感数据的偶合特征,提出一种基于区间小波的偶合数据压缩算法。根据数据的强偶合特性处理传感数据,利用最小二乘法对强偶合数据进行曲线拟合,结合区间小波良好的分频特性,减少传感器网络中传输的数据量。理论分析和仿真实验结果表明,该算法能对传感数据进行有效压缩,减少网络能耗。

基于小波网络的数据流偶合特征聚类方法

利用小波网络对数据流进行压缩,从而建立新的数据流概要结构,它的规模比原始数据流的规模要小很多,用其来保存原始数据流的主要特征,进行偶合特征提取分析,获取反应数据流变化趋势的相似度,研究其相关性;对k-means进行改进提出一种改进的聚类方法 CCK-Stream(coincidence characteristic K-means)。理论分析与仿真实验结果表明,其数据压缩比高,CCK-Stream聚类方法的可行性以及聚类质量较好,而且在存储空间性能上表现较佳,且具有较高的稳定性。