數據集壓縮建模的研究*

王赫楠 孫艷秋 張柯欣

（遼寧中醫藥大學信息工程學院 沈陽 110847）

1 引言

在統計學研究中，數據序列數據挖掘是研究的重點之一［1～3］。它的研究對象是事物在不同時刻變化情況所形成的數據值。目前，各行業都存在海量的數據集。比如：醫療、金融、農業等行業。通過對數據序列變化趨勢的分析和預測，揭示事物的內在規律和關聯，是當下數據集處理問題的主要方向。數據集的處理研究主要有以下幾個方面：數據序列的擬合［4～6］、數據序列的劃分［7～8］、數據序列的分類聚類［9～11］、數據序列的應用研究［12～14］、數據序列的可視化研究。

數據集的壓縮以及奇異值點的識別是數據序列數據挖掘的研究重點。做好數據集的處理，是后續進行數據分析和預測的根基。本文在分析了典型數據集處理模型的前提下，提出了數據集壓縮模型以及奇異值識別模型。數據集壓縮模型使用了自定義函數，符合數據集的時間局部性原理，考慮了數據集的時間特性，并且支持實時數據的處理問題。奇異值識別模型在原有模型的基礎上，對于一些關鍵奇異值數據的識別更具優勢。

2 數據集壓縮模型

數據集壓縮是對數據結構進行優化的一種非常重要的手段。幾年來，經過計算機、數學等各方面研究人員的不斷探索，提出了很多消除數據冗余的方法，在數據處理、數據壓縮等方面取得了非常大的進步。

原始數據集存放在一個n 維的向量中，數據集的數據量過大及維數過高，會對后期數據的整理及分析造成干擾。……