基于Markov決策過程的數(shù)據(jù)壓縮研究.pdf

1、數(shù)據(jù)壓縮是把輸入數(shù)據(jù)流(源流和原始數(shù)據(jù))轉(zhuǎn)變?yōu)榱硪环N較小數(shù)據(jù)流(輸出流或者壓縮流)的過程。 本文在DMC(Dynamic Markov Chain)算法和Deflate算法的基礎(chǔ)上，提出了一種新的壓縮算法，目的是獲得更高的數(shù)據(jù)壓縮率。 本算法的核心處理過程是Markov決策過程對Markov狀態(tài)集的控制、實時調(diào)用尋優(yōu)策略來獲得最大報酬。根據(jù)每次數(shù)據(jù)處理長度的不同，決策過程的復(fù)雜度、壓縮效果也存在差異。算法的主體部分體現(xiàn)了Makr

2、ov決策過程中的關(guān)鍵步驟。Makrov決策過程包括決策、尋優(yōu)和獲得最大報酬。在決策階段，算法處理的是判定狀態(tài)是否需要復(fù)制以及復(fù)制方式的選擇，重要的兩個衡量指標(biāo)分別是當(dāng)前狀態(tài)的轉(zhuǎn)移概率(Count比率關(guān)系)和當(dāng)前狀態(tài)內(nèi)部入口與出口之間的映射關(guān)系(Mapping)。在尋優(yōu)階段，算法處理的是狀態(tài)計數(shù)器的動態(tài)調(diào)整，動態(tài)調(diào)整的對象是決策過程中用于決策的各個衡量指標(biāo)。在取得最大報酬階段，算法處理方法是調(diào)用自適應(yīng)算術(shù)編碼。 本文最后給出了測試