简介:算术编码作为一种无损压缩方法得到广泛应用,但该算法对区间参数的运算采用递推模式,这种串行流程在多核及并行等资源环境下不适用,且执行效率较低。从固定概率空间二进制算术编码角度,先推导出编码序列区间参数非递推模式计算公式,进而得出序列分段各自编码,再合并计算原序列区间参数的计算公式,并从理论上证明了算法可行性。给出了算法物理意义描述和典型编码流程,针对多核和并行等资源环境提出了纵向和横向分段思路,并采用实际序列验证了算法正确性。该算法在某情报网关设备中应用可见,在确保压缩效果不变基础上,可使各中央处理器(CPU)核之间负载基本持平,有效利用了多核计算资源,将情报报文吞吐量提升近1倍,效果良好。
简介:为了提高图像检索系统的精度,提出了一种基于多种异质特征的新颖哈希函数学习方法.该方法首先利用特征空间中相似样本与非相似样本分布的不平衡性来提升每个弱分类器的性能,从而建立非对称的Boosting框架;然后将一种基于异质特征子空间学习的线性判别弱分类器融入该框架下,并利用每轮算法中的误判样本的信息来依次学习紧致且平衡的哈希编码.该方法能有效地融合具有互补功能的不同模态的信息,实现了检索系统的性能提升.在2个公开数据集上的实验结果表明该方法优于其他算法,由此看出增加多源异质特征和利用不平衡性学习紧致哈希编码都可以大大提高图像检索的精度.