申请/专利权人：武汉明炀大数据科技有限公司

申请日：2024-01-16

公开（公告）日：2024-02-20

公开（公告）号：CN117576493A

主分类号：G06V10/77

分类号：G06V10/77;G06V10/762;G06V10/774

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.03.08#实质审查的生效;2024.02.20#公开

摘要：本发明提供一种大样本数据的云存储压缩方法，包括：S1：获取样本图像的图像数据，通过图像数据构建样本矩阵集合；S2：对样本矩阵集合进行聚类操作，获得多个聚类簇；S3：对各聚类簇进行数据压缩，获得第一压缩矩阵集合和第二压缩矩阵集合；S4：通过第一压缩矩阵集合和第二压缩矩阵集合，获取样本图像的图像信息。本发明通过聚类簇构造低秩矩阵集合，包括第一压缩矩阵集合和第二压缩矩阵集合，第一压缩矩阵集合和第二压缩矩阵集合在保持原样本矩阵的诸多性质的同时，减少冗余和噪声，同时能快速高效地近似系数矩阵，以克服维数灾难，降低数据的存储空间和计算复杂度，节约了空间与时间成本。

主权项：1.一种大样本数据的云存储压缩方法，其特征在于，包括：S1：获取样本图像的图像数据，通过图像数据构建样本矩阵集合；S2：对样本矩阵集合进行聚类操作，获得多个聚类簇；S3：对各聚类簇进行数据压缩，获得第一压缩矩阵集合和第二压缩矩阵集合；S4：通过第一压缩矩阵集合和第二压缩矩阵集合，获取样本图像的图像信息；步骤S3具体为：S31：获取L个聚类簇，设置第一压缩矩阵和第二压缩矩阵的矩阵维数K；其中，l为聚类簇的编号，L为聚类簇的总数，Ml为聚类簇l包含样本矩阵的数量，i为样本矩阵的编号；S32：提取第l个聚类簇，计算获得聚类簇的广义特征矩阵；S33：计算获得矩阵的K个特征值，获得各特征值对应的特征向量，通过K个特征向量构建聚类簇的第一压缩矩阵；S34：通过第一压缩矩阵和聚类簇，计算获得聚类簇中第i个样本矩阵的第二压缩矩阵；S35：重复步骤S34共Ml次，获得聚类簇的所有第二压缩矩阵；S36：重复步骤S32-S35共L次，获得所有聚类簇的第一压缩矩阵和第二压缩矩阵，由所有的第一压缩矩阵构建第一压缩矩阵集合，由所有的第二压缩矩阵构建第二压缩矩阵集合。

全文数据：

权利要求：

百度查询： 武汉明炀大数据科技有限公司 一种大样本数据的云存储压缩方法及系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD