.png){kind=icon}
返回
Waved zero streaming: A time series compression framework with adaptive segmentation optimization
.png){kind=icon}
PRE
AI
DOI：10.1016/j.ipm.2026.104697.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
物联网设备产生的时间序列数据的激增，使得高效压缩机制对于大规模数据管理至关重要。然而，现有最先进的算法在面对动态数据波动时常常表现不佳，这归因于它们对刚性编码策略的依赖，而通用压缩器则会产生不可接受的延迟。为弥合这一差距，本文介绍了一种名为Wave Zero Streaming（WZS）的新型无损压缩框架，该框架专门针对非平稳数据流进行架构设计。WZS融合了三项关键创新：自适应分段以隔离局部波动强度、基于启发式遗传算法的优化器以动态微调压缩参数，以及一个流处理模块，可启用实时自适应算法选择。在43个不同数据集上的广泛实证评估表明，WZS在压缩率方面优于领先算法——包括Camel、Chimp和ACTF——实现了平均36.41%的压缩率提升（峰值：53.08%），在对最先进的Camel算法的特定改进方面尤为显著，提升了13.28%。此外，WZS在压缩率方面超越通用压缩方法15.07%，同时将计算延迟降低两个数量级，并在速度方面比可比的浮点流基线快16.45%。这些发现验证了WZS是一种可扩展、高性能的解决方案，能够有效平衡效率与速度，适用于资源受限的物联网和边缘计算环境。
Keyword:
Time-series compression
Adaptive segmentation
Streaming data
Lossless compression
IoT edge computing
期刊
I
IF:
6.9
论文数:
578
被引数:
0
机构
引用论文
Data Compression Algorithms for Wireless Sensor Networks: A Review and Comparison.png)
IEEE ACCESS
OAAI
IEEE ACCESSIF3.6
OAAI分享收藏分享收藏Sim-Piece: Highly Accurate Piecewise Linear Approximation through Similar Segment MergingSim-Piece：基于相似段合并的高精度分段线性逼近
PREAI
分享收藏ACTF: An efficient lossless compression algorithm for time series floating point dataACTF：一种针对时间序列浮点数据的高效无损压缩算法
OAAI
OAAI分享收藏Objective-hierarchy based large-scale evolutionary algorithm for improving joint sparsity-compression of neural network基于目标层次结构的大规模进化算法，用于改进神经网络的联合稀疏-压缩
PREAI
分享收藏
查看更多内容