Tömörítési algoritmusok összehasonlító elemzése és gyakorlati alkalmazása
Saved in:
| Main Author: | |
|---|---|
| Other Authors: | |
| Format: | Thesis |
| Kulcsszavak: | adattömörítés információs-technológia kódolás pozícionálás tömörítés |
| Online Access: | http://dolgozattar.uni-bge.hu/54217 |
| Abstract: | Szakdolgozatom témája a tömörítési algoritmusok összehasonlító elemzése és gyakorlati alkalmazása. A modern digitális kommunikáció világában a nagy mennyiségű és exponenciálisan növekvő adatmennyiség szükségessé teszi, hogy optimalizáljuk ezen adatok tárolását, megosztását, feldolgozását. Folytatva az előbbi gondolatmenetet, a hardvereket csak addig tudjuk bővíteni, amíg arra fizikailag lehetőségünk van. Ez nem csak, hogy egy limitáló tényező, de költséges is mindig új beruházást végrehajtani csupán azon oknál fogva, hogy nincsen több szabad hely a kritikus adatok tárolására. Ezen kívül a feldolgozási idő is meghatározó tényező, gondolok itt például egy kép vagy videófeldolgozó mesterséges intelligencia program tanulási idejére. Ha tömörítés nélküli adatokkal próbálnánk megkísérelni a betanítását, nagyságrendekkel megnőne a futási idő. Ilyen és ehhez hasonló problémák megoldására használják többek között a tömörítési algoritmusokat. Kompressziós algoritmusokból több kategória is létezik. A legelterjedtebb csoportosítás a veszteséges, illetve veszteség nélküli kategóriákba sorolja az eljárásokat. Ahogy a nevéből látszik, a veszteséges tömörítés adatvesztéssel jár, még a veszteség nélküli tömörítésből hiánytalanul visszaállítható az eredeti információ.Szakdolgozatom célja többek között a veszteség nélküli algoritmusok egy részének bemutatása, illetve ezen algoritmusok lépéseinek leírása. Ezen kívül, amely algoritmusnál lehetőségem volt rá, implementáltam azt Python programozási nyelvben, amelyeket az esettanulmányom során felhasználtam. A szakdolgozatom második felében az esettanulmányom következik, mely egy beltéri pozícionálás rendszer által generált idősoros adatok tömörítését vizsgálja, azzal a feltevéssel, hogy az adatszerkezet ismeretével jobb eredményt tudok majd elérni a tömörítés során, mint az általános kompressziós alkalmazásokkal, mint például az LZMA, GZIP, BZIP2. |
|---|