-
公开(公告)号:CN111309690A
公开(公告)日:2020-06-19
申请号:CN202010080647.5
申请日:2020-02-05
Applicant: 吉林大学
IPC: G06F16/174 , G06N3/08 , G06N3/00 , G05B19/408 , H03M7/30
Abstract: 本公开实施例提供了一种数控机床G代码数据无损压缩方法,属于数据处理技术领域,该方法包括:确定待压缩的目标数据;确定压缩参数的取值,其中,所述压缩参数包括步长、初始平滑率、局部缓冲区的语法模型的最大元数、缓冲区长度、全局缓冲区的语法模型的最大元数、随机种子和自适应上下文树加权算法的阶数;根据所述压缩参数初始化数据压缩模型,其中,所述数据压缩模型包括基于自适应指数平滑估计算法的全局缓冲区模型和基于自适应上下文树加权算法的局部缓冲区模型;得到所述目标数据的压缩结果。通过本公开的方案,提供一种基于前馈神经网络的适用于数控机床G代码数据的整数算术编码,有效的提高了数据的压缩率。
-
公开(公告)号:CN111309690B
公开(公告)日:2022-10-21
申请号:CN202010080647.5
申请日:2020-02-05
Applicant: 吉林大学
IPC: G06F16/174 , G06N3/08 , G06N3/00 , G05B19/408 , H03M7/30
Abstract: 本公开实施例提供了一种数控机床G代码数据无损压缩方法,属于数据处理技术领域,该方法包括:确定待压缩的目标数据;确定压缩参数的取值,其中,所述压缩参数包括步长、初始平滑率、局部缓冲区的语法模型的最大元数、缓冲区长度、全局缓冲区的语法模型的最大元数、随机种子和自适应上下文树加权算法的阶数;根据所述压缩参数初始化数据压缩模型,其中,所述数据压缩模型包括基于自适应指数平滑估计算法的全局缓冲区模型和基于自适应上下文树加权算法的局部缓冲区模型;得到所述目标数据的压缩结果。通过本公开的方案,提供一种基于前馈神经网络的适用于数控机床G代码数据的整数算术编码,有效的提高了数据的压缩率。
-