CC BY
9
Б. Ю. Жураковський, Я. Ю. Жураковський: КАСКАДНЕ СТИСНЕННЯ ПРИ ОБРОБЦ11НФОРМАЦ11 В АВТОМАТИЗОВАНИХ СИСТЕМАХ УПРАВЛ1ННЯ
диагностики состояния авиационных двигателей. // Испытания авиационных двигателей. - Уфа: УАИ, 1987. №5.
11. Сиротин H.H., Коровкин Ю.М. Техническая диагностика авиационных ГТД.- М.: Машиностроение, 1979.
12. Кеба И.В. Диагностика авиационных газотурбинных двигателей. -М.: Транспорт, 1980.
13. Гуревич О.С., Гольберг Ф.Д., Селиванов O.A. Интегрированное управление силовой установкой многорежимного самолета. - М.: Машиностроение, 1993.
14. Жернаков С.В. Об одной методике построения гибридных экспертных систем диагностики и контроля ГТД в условиях неопределенности. // Авиационно-космическая техника и технологии: Сб.науч.тр. - Харьков: ХАИ, 1998. Вып.5
15. Жернаков С.В. Сравнительный анализ гибридных экспертных систем для диагностики и контроля параметров ГТД. // Авиационно-космическая техника и технологии: Сб.науч.тр. - Харьков: ХАИ, 1999. Вып.9
16. Жернаков С.В. Диагностика и контроль параметров ГТД гибридными экспертными системами. // Авиационно-космическая техника и технологии: Сб.науч.тр. - Харьков: ХАИ, 1999. Вып.9
17. Жернаков С.В. Диагностика и прогнозирование состояния газотурбинного двигателя гибридными нейронечеткими экспертными системами. //Теория и системы управления. Известия РАН, 1999, №5.
18. Жернаков С.В. Контроль и диагностика ГТД гибридными экспертными системами. - Жуковский: ЦАГИ, 1999, вып.2640.
19. Жернаков С.В. Об одной методике построения гибридных экспертных систем диагностики и контроля ГТД в условиях неопределенности. // Авиационная и ракетно-космическая техника. - Харьков: ХАИ, 1998. вып.5
20. Герман О.В. Введение в теорию экспертных систем и обработку знаний. - Минск: Дизай-нПРО, 1995.
21. Истратов А.Ю., Хрущева Т.А., Лазебник В.М. Нечеткий нейросетевой контроллер для управления динамической системой. //Приборостроение. Т.40, №6, 1997.
22. Нариньяни А.С., Телерман В.В., Ушаков A.M. и др. Программирование в ограничениях и недоопределенные модели. //Информационные технологии. №5, 1998.
23. Борисов А.Н., Крумберг O.A., Федоров И.П. Принятие решений на основе нечетких моделей.- Рига: Зинатне, 1990.-180с.
24. Прикладные нечеткие системы. /Под редакцией Т.Тэрано.-М.: Мир, 1993.
25. Васильев В.И., Ильясов Б.Г. Интеллектуальные системы управления с использованием нечеткой логики. Учебное пособие. Уфа: УГАТУ, 1995.
26. Галушкин А.И. Синтез многослойных схем распознавания образов. - М.: Энергия, 1974.
27. Горбань А.Н. Обучение нейронных сетей. - М.: СП Параграф, 1990.
28. Горбань А.Н., Россиев А.А. Нейронные сети на персональном компьютере. - Новосибирск: Наука, 1996.
29. Горбань А.Н., Аунин-Барковский В.Л, Кирдин А.Н. и др. Нейроинформатика. - Новосибирск: Наука, 1998
30. Уоссерман Ф. Нейрокомпьютерная техника. М.: Мир, 1992.
31. Васильев В.И., Ильясов Б. Г., Валеев С.С., Жернаков С.В. Интеллектуальные системы управления с применением нейросетей. Учебное пособие. Уфа: УГАТУ, 1996.
32. Жернаков С.В. Диагностика и контроль гидромеханических устройств нейронечеткими экспертными системами.// Сб. докладов 2-ой Всероссийской конференции. "Нейроинфор-матика - 2000". - М.:МИФИ,2000.
33. Жернаков С.В. Идентификация параметров ГТД гибридным ансамблем нейросетей. // Сб. докладов 2-ой Всероссийской конференции. "Нейроинформатика - 2000". - М.: МИФИ, 2000.
34. Жернаков С.В. Комплексная диагностика и контроль параметров масляной системы ГТД гибридными нейронечеткими экспертными системами. //Сб. докладов 2-ой Всероссийской конференции. "Нейроинформатика - 2000". -М.:МИФИ,2000.
35. Жернаков С.В. Диагностика и контроль параметров масляной системы ГТД гибридными нейронечеткими экспертными системами. // Информационные технологии. №3, 2000.
36. Васильев В.И., Жернаков С.В., Уразбахтина Л.Б. Параметрический метод контроля ГТД.//Сб. трудов. VI Всероссийской конференции. "Нейроинформатика и ее применение ".- М.: Радио и связь, 2000.
37. Куссуль Э.М., Байдык Т.Н. Структура нейронных ансамблей. //Нейрокомпьютер. №1, 1992.
38. Куссуль Э.М., Байдык Т.Н., Лукович и др. Нейронные классификаторы с распределенным кодированием входной информации. //Нейрокомпьютер. №1, 1992.
39. Нейрокомпьютеры и интеллектуальные роботы. //Под ред. Н.М.Амосова. - Киев: Наукова думка, 1991.
40. Савушкин С.А. Нейросетевые экспертные системы.// Нейрокомпьютер. №2, 1992.
41. Касаткин А.М., Касаткина Л.М. Подход к построению нейро-сетевых систем, основанных на знаниях. //Нейрокомпьютер. №2, 1992.
42. Судариков В.А. Распознавание изображений трехмерных объектов с использованием самоорганизующейся нейронной сети. //Изв. Вуз. Приборостроение. Т.39, №1, 1996.
43. Аанилов Ю.А., Кирилловский Ю.Л., Колпаков Ю.Г. Аппаратура объемных гидроприводов: Рабочие процессы и характеристики. - М.: Машиностроение, 1990.
44. Попов А.Н. Динамика и регулирование гидро- и пневмосистем. - М: Машиностроение, 1982.
УДК 621.391.251:681.3.053
КАСКАДНЕ СТИСНЕННЯ ПРИ 0БР0БЦ1 1НФ0РМАЦ11 В АВТОМАТИЗОВАНИХ СИСТЕМАХ УПРАВЛ1ННЯ
Б. Ю. Жураковський, Я. Ю. Жураковський
В работе рассматриваются предложенные каскадные способы сжатия при обработке измерительной, текстовой, графической и комбинированной информации, которая является характерной для автоматизированных систем управления. Полученные данные о коэффициенте сжатия для всех предложенных способов каскадного сжатия дают возможность сделать правильный выбор способа сжатия для использования его в автоматизированной системе управления.
В роботг розглядаються запропонован каскадн способи стиснення при обробЦ вим(рювальноЧ, текстовой., граф(чноЧ та комбтованог гнформацИ, яка е характерною для авто-матизованих систем управлгння. Одержанг данг коефгцгент стиснення для всгх запропонованих способгв каскадного стиснення, що дае можливгсть зробити правильний вибгр
способу стиснення для використання його в автоматизованш системг управлгння.
The offered cascade ways of compression at processing the measuring, textual, graphic and combined information, which is characteristic for the automated control systems are considered in the work. The received data on factor of compression for all offered ways of cascade compression enable to make a correct choice of a way of compression for use it in the automated control system.
1 ВСТУП
Метою виконано! роботи e проведения дослщжень
ефективност запропонованих каскадних cnoco6iB стис-нення шформаци вимiрювaльнol, текстово'', грaфiчнol та K0M6iH0BaH0i'. кодованих пoвiдoмлень, яка е характерною для автоматизованих систем управлшня (АСУ) будь-якого призначення [1,2].
У якост основного показника ефективност стиснення при прoведеннi дослщжень обраний кoефiцieнт стиснення [1,3]. Bимiри проводилися окремо для кожного з кожного з видiв шформаци, при цьому дocлiджувaлacь зaлежнicть коефщента стиснення вiд рoзмiру пере-даного блоку даних.
Будь-яка iнфoрмaцiя, яка надходить вiд датчиюв або iнших периферiйних пристро'в до пункив збору шформаци в автоматизованих системах управлшня, як правило, мае значну нaдмiрнicть. Для зменшення наван-таження на тракти передaчi АСУ виконують стиснення iнфoрмaцii', для чого пропонуеться використовувати кacкaднi способи стиснення. Правильний вибiр способу стиснення для застосування в АСУ можна зробити на ocнoвi aнaлiзу !'х ефективнocтi. Для побудови каскадних cпocoбiв використовувались широко вiдoмi способи стиснення, тaкi як LZH, LZW, Vitter, матричний [1,3,4]. Грунтуючись на !'х викoриcтaннi, для дослщ-ження вибрaнi тaкi кacкaднi способи стиснення: LZW-Vitter, матричний-Vitter, LZH-LZW, Vitter-LZH та матричний-LZW.
Процедура та алгоритм досл^жень передбачають видачу типових фрагменпв рiзнoгo виду iнфoрмaцii' за допомогою генератора тестових послщовностей. Щ фрагменти надходять у модуль обробки i вiдoбрaження, що здiйcнюe виклик зазначених процедур стиснення рiзними методами й одержуе вiд них стиснут посль дoвнocтi. Маючи довжину первинного (вхщного) i стиснутого (вих^ного) фрaгментiв, основний вимiрювaльний модуль обчислюе кoефiцieнт стиснення. Пoтiм резуль-тати вимiрювaнь надходять на модуль вщображення даних, що представляе !'х у виглядi грaфiкiв.
Для того, щоб найкраще ощнити ефективнicть aлгoритмiв стиснення, у якост вхiдних даних необх^но використовувати фрагменти, якi за сво'ми статистич-ними властивостями були б максимально наближеними до реально'' iнфoрмaцii'. Найкраще використовувати фрагменти даних, отриманих в^ реальних джерел, при цьому всю шформащю необхщно представити в ушфжованому виглядi. Тому в якocтi вх^них даних для кодера викoриcтaнi шформацшш фрагменти iнфoрмaцii', що були одержат в^ реальних дaтчикiв та перифершних пристро'в.
Для роботи алгоритму основно'' вимiрювaльнoi проце-дури неoбхiднo задати споиб стиснення, що досл^-жуеться, параметри стиснення, а також вибрати вх^нш пoтiк, на якому буде виконуватися тестування.
Для моделювання процеив стиснення рiзними способами були розроблеш вiдпoвiднi алгоритми стиснення.
2 АЛГОРИТМИ СТИСНЕННЯ
Алгоритм стиснення способом LZW. Процедура динaмiчнoгo кодування LZW-способом починаеться з заповнення LZW-таблищ, до яко'' вносяться рядки, що вщображають статистику пoвiдoмлень на визначенш мoвi. При вiдcутнocтi тако'' статистики таблиця мштить тiльки рядки, що складаються з одиночних cимвoлiв. Попм, у мiру надходження даних в^ джерела шформаци, формуються рядки, що складаються iз декiлькoх cимвoлiв. Виходячи з того, що таблиця мае обмежений рoзмiр, рядки, що зуcтрiчaютьcя в текcтi не часто, вилучаються, а на ''хне мшце вносяться рядки, що мають бтьшу частоту появи. Таким чином, у процеи накопичення статистики про пов^омлення, що стискаеться, вiдбувaeтьcя динaмiчнa перебудова таблищ кодування й aдaптaцiя i'i' до характеру переданих даних. Стиснення даних починаеться з iнiцiaлiзaцil таблищ, при якш до не'' вносяться рядки, що складаються з одиночних cимвoлiв. Поим надходить перший вхщний символ, розглянутий як префжс деякого рядка PREFIX. Шсля цього вводиться наступний символ CHARACTER i утворюеться розширений рядок шляхом об'еднання префiкca й одиночного символу PREFIX+CHARACTER. Дaлi здшснюеться зicтaвлення утвореного рядка з рядками, що шнують у тaблицi кодування. Якщо рядок PREFIX+CHARACTER е в таблищ, то вона стае новим префжсом, тобто PREFIX=PREFIX+CHARACTER, вводиться наступний символ CHARACTER i процедура зicтaвлення рядка в тaблицi повторюеться знову. У випадку, якщо послщовноси PREFIX+CHARACTER у таблищ рядюв немае, то на вихщ кодера виводиться кодова комбшащя, що вiдпoвiдae рядку PREFIX, до таблищ вноситься додатковий рядок PREFIX+CHARACTER, a символ CHARACTER стае новим префжсом. Якщо вхщна послщовшсть не вичерпана, то процедура утворення рядюв i ''хне зштавлення повторюеться.
Алгоритм стиснення способом LZH. Споиб стиснення LZH грунтуеться на використанш двох метoдiв стиснення даних: словниковому (LZ) i статистичному (Haffman).
На початку виконання алгоритму стиснення вiдбувaeтьcя iнiцiaлiзaцiя словника. Словник лопчно являе собою cукупнicть абстрактних структур даних, що мштять нaбiр деревoпoдiбних структур, у котрих кожний коршь вiдпoвiдae певному знаку aлфaвiту. При 8-розрядному фoрмaтi символу юльюсть таких дерев дoрiвнюe 256. Деревoпoдiбнi структури являють собою нaбiр в^омих рядкiв, що починаються одним визна-ченим символом, а кожний вузол дерева представляе один рядок iз цього набору.
При виконанш стиснення циклiчнo формуеться новий рядок шляхом додавання чергового одиночного символу до шнуючого рядка, що знаходиться в таблищ статей словника, що виражаеться в доповненш новим вузлом кодового дерева.
Б. Ю. Жураковський, Я. Ю. Жураковський: КАСКАДНЕ СТИСНЕННЯ ПРИ ОБРОБЦ1 ЩФОРМАЦП В АВТОМАТИЗОВАНИХ СИСТЕМАХ УПРАВЛ1ННЯ
Дал1 вщбуваеться з1ставлення рядка, при якому послщовшсть символ1в i3 потоку даних з1ставляеться 3i статтею словника. Якщо рядок вщповщае статтi словника i не е створеним тд час останнього виклику процедури зiставлення рядка, то вводиться наступний символ i доповнюеться до рядка. Поим цей крок повторюеться. Якщо рядок не в^повщае стати словника, або в^повщае статп, створенiй тд час останнього виклику процедури зштавлення рядкiв, то останнiй символ вщкидаеться, а кодове слово, що вщпов^ае цiй статтi словника, подаеться на вихщ кодера. Отриманий укорочений рядок представляе, таким чином, найдовший зштавлений рядок, а останнiй (вiдкинутий) символ е не зiставленим символом, з якого починаеться наступне зштавлення рядюв, що надходять вiд джерела даних.
Алгоритм стиснення способом Vitter. Головною особливштю алгоритму Vitter, е те, що дерево будуеться за принципом ковзання i збiльшення (Slide And Increment), використовуючи при цьому умову неявно! нумерацп. Суть цie'i операцп полягае в тому, що вузол, оголошений поточним обмiнюeться з лщером свого блока i потiм сковзае в напрямку кореня дерева по суидньому блоку, що безпосередньо примикае до блока поточного вузла. Ковзання продовжуеться доти, поки поточний вузол не пройде весь блок i буде установлений на початок цього блока. Попм здiйснюeться збтьшення ваги поточного вузла i новим поточним вузлом призначаеться батько старого поточного вузла. Операщя ковзання зi збiльшенням продовжуеться до досягнення кореня дерева. При цьому вибiр батьювського вузла залежить в^ того, чи був поточний вузол листом або внутршшм вузлом. Якщо поточний вузол був листом, то новим поточним вузлом стае батько, з яким виявився зв'язаний поточний вузол тсля завершення ковзання. А у випадку, якщо поточним вузлом був внутршнш вузол, то новим поточним вузлом призначаеться його батьювський вузол, iз яким був зв'язаний поточний до початку ковзання.
Розглянута структура дерева називаеться "плаваючим деревом" тому, що покажчики батьювського i його дочiрнiх вузлiв тдтримуються неявно. Кожний блок мае лише покажчики батьювських i правих дочiрнього вузлiв лщера блока. Через безперервнiсть пам'ятi, де збертаються зовнiшнi i внутрiшнi вузли, положення батьювських i дочiрнiх вузлiв дерева iнших вузлiв блока можуть бути визначеш за фiксований час шляхом обчислення зсуву в^ покажчиюв батька i його правого дочiрнього вузла лiдера блока. Це дозволяе вузлу ковзати по блоку, модифжуючи постiйне число покажчикiв. При цьому час виконання процедури залишаеться постшним, що збiльшуe швидкiсть кодування при значних масивах шформаци.
Алгоритм матричного способу стиснення. З матричних способiв стиснення найбтьш придатний для
використання в системах управлшня адаптивно-матричний.
Для роботи алгоритму необх1дно задати розм1р блока даних. Для зручност i наочноси вхщний поик розбиваеться на рядки символами "переведення рядка -повернення каретки". У реальних умовах довжина рядка матрищ визначаеться довжиною запису даних, що передаються.
Iнформацiя зчитуеться блоками з вхщного файлу, одночасно робиться 'fi аналiз i пошук елементiв, що повторюються, у суидшх рядках. Якщо в двох суидшх рядках знайденi однаковi ланцюжки символiв, алгоритм здiйснюe перегляд наступних рядюв, визначаючи кiлькiсть рядюв матрицi. Pозмiри матрицi i номери рядюв для кожного рядка матрищ записуються в допомiжний масив. Якщо розмiри матрицi задоволь-няють визначенш умовi, то вона позначаеться як та, що тдлягае стисненню.
При запии iнформацii' у вихiдний поик для кожно'' видiленоi матрицi передаеться i'i перший рядок, перед яким щуть ознака стиснення i розмiри матрицi. Hаступнi рядки матрицi опускаються.
Даний споиб не забезпечуе найбтьш оптимального видiлення матриць у вхщному потоцi (наприклад, якщо двi матрищ перекриваються, то видтена буде перша що зустртася, навiть якщо вона менша за розмiром). Однак цей споиб мае високу швидкiсть стиснення, осюльки видiлення матриць робиться одночасно з прийомом даних.
Алгоритм каскадного способу стиснення.
Каскадний споиб поеднуе у собi стиснення iнформацii двома способами. Його вщмшшсть вiд шших способiв поданих у роботi в тому, що даш спочатку стискаються одним способом, а поим отриманий стиснутий масив обробляеться шшим способом. Розгортання iнформацii робиться в зворотному порядку. У цш роботi вико-ристовуються чотири види алгоритмiв LZH, LZW, Vitter та матричний. У програмному забезпеченш, яке було розроблене при виконанш щ6'' роботи, розглянуп усi види комбiнацiй поданих алгоритмiв.
При реалiзацii каскадного способу стиснення може виникнути проблема неоднозначноси трактування стиснутого масиву даних. Це може вщбутися в тому випадку, якщо алгоритм стиснення першого каскаду в результат роботи згенеруе масив даних, що мштить керуючi символи алгоритму другого каскаду. При розгортанш (декомпресп) такого масиву процедура другого каскаду штерпретуе цi символи як ознаки стиснення, i iнформацiя буде перекручена.
Для виршення цiei проблеми у робоп передбачаеться чiткий подт способу вказiвки ознаки стиснення для кожного каскаду, що не дозволяе використання однакових символiв.
3 РЕЗУЛЬТАТИ ДОСЛ1ДЖЕНЬ
При каскадному стисненш здшснюеться посл1довне стиснення р1зними способами, використовуючи при цьому на окремих каскадах р1зн1 алгоритми стиснення. Дослщження каскадного способу здшснювалося на потоках даних р1зного обсягу i3 використанням комбшацш чотирьох видiв розглянутих вище алгоритмiв стиснення.
Результати дослщження каскадними способами з рiзноманiтною послщовшстю алгоритмiв стиснення показанi на рисунках 1 - 4.
Вимфювапьна ¡нформацш
0 16.00
1
| 12.00
i 8.00 ZJ
-& 4.00
ф
о
* 0.00®-
4
32 64 128 256 512 Довжина блока, байт
1024 2048 4096
-0-1 LZW-Vitter -В-2 Матричний-Vitter -А-3 - LZH-LZW
-е-4 Vitter-LZH —Ж—5 Матричний-LZW
Рисунок 2
На рисунку 2 подаш даш про залежшсть коефщента стиснення вiд обсягiв даних при стисненш каскадними способами текстово! шформацп. Графiк 1 на рисунку 2 вщпов^ае послiдовностi LZW-Vitter, 2 - матричний-Vit-ter, 3 - LZH-LZW, 4 - Vitter-LZH, 5 - матричний-LZW. Як видно з рисунку 2, у порiвняннi з вимiрювальною шформащею, при стисненнi текстово'! шформацп рiзними каскадними способами коефщенти стиснення мають помiтне зменшення. Однак способи стиснення LZH-LZW та Vitter-LZH мають дещо кращд коефщенти стисненш у порiвняннi з iншими.
При стисненш графiчно! шформацп каскадними способами (рисунок 3) були отримаш таю ж невисою значення коефiцieнта стиснення як i для текстово! шформацп (рисунок 2). На рисунку 3 графш 1 вщпов^ае послiдовностi LZW-Vitter, 2 - матричний-Vit-ter, 3 - LZH-LZW, 4 - Vitter-LZH, 5 - матричний-LZW. 3 помiж розглянутих каскадних способiв при стисненш графiчноl шформацп можна видшити способи Vitter-LZH та LZH-LZW, яю мають трохи кращд результати.
Рисунок 1
На рисунку 1 наведеш даш про коефщент стиснення, що були отриманi при використаннi п'яти каскадних способiв при стисненнi блоюв вимiрювально! шформацп. Графiк 1 вщповщае послiдовностi LZW-Vitter, 2 -матричний-Vitter, 3 - LZH-LZW, 4 - Vitter-LZH, 5 -матричний-LZW.
Як видно з рисунка 1 найбiльшi коефщенти стиснення досягаються при використанш двох каскадних споо^в: LZH-LZW та LZW-Vitter.
Граф1чна ¡нформацт
2.00
iE о; 1.50
f 1 1.00
■& i 0) н
£ ° 0.50
0.00
--
.—■di
fr^f^T"' ш и —^^
8 16 32
64 128 256 512 1024 2048 4096
Довжина блока, байт
-0-1 - LZW-Vitter -В-2 - Матричний-Vitter
-А-3 - LZH-LZW -©-4 - Vitter-LZH
—Ж—5 - Матричний-LZW
Текстова ¡нформащя
Рисунок 3
к 2.50
н
§ 2.00 Ь 1.50 i 1.00 ■■ 0.50
ф
5 0.00
64 128 256 512 Довжина блока, байт
1024 2048 4096
-1 - LZW-Vitter -4 - Vitter-LZH
-2 - Матричний-Vitter ■ -5 - Матричний-LZW
-3 - LZH-LZW
На рисунку 4 подаш залежност коефщента стиснення для комбшовано!' шформацп. Графш 1 вщпов^ае послщовносп LZW-Vitter, 2 - матричний-Vit-ter, 3 - LZH-LZW, 4 - Vitter-LZH, 5 - матричний-LZW. КоефЩент стиснення для способiв LZH-LZW та LZW-Vitter (графши 1 та 3) бтьший нiж для шших каскадних способiв.
20.00
16
4
Е. Н. Кирсанова, М. Г. Садовский: МЕТОД СТАТИСТИЧЕСКОГО СРАВНЕНИЯ ИЗОБРАЖЕНИЙ
КомбЫована 1нформац1я
Довжина блока, байт
-0-1 LZW-Vitter -В-2 Матричний-Vitter ^-3 - LZH-LZW
-е-4 Vitter-LZH —Ж—5 Матричний-LZW
Рисунок 4
4 РЕКОМЕНДАЦ11 ДО ЗАСТОСУВАННЯ
Р13НИХ КАСКАДНИХ СПОСОБ1В СТИСНЕННЯ
В АСУ
Виходячи з результаив проведених дослщжень, мож-на дати наступш рекомендацп по реaлiзaцil каскадних cпocoбiв стиснення в автоматизованих системах управлшня.
Для систем, шформащя в який передаеться в текстовому вигляд^ значне скорочення нaдмiрнocтi пoвiдoмлень можна одержати при використанш cпocoбiв LZH-LZW та Vitter-LZH. Можна сказати, що щ способи текcт-oрieнтoвaнi i при стисненш дають непоганий кoефiцieнт стиснення. При цьому спостертаеться явна залежшсть кoефiцieнтa стиснення вiд рoзмiру блока, що стискаеться. Чим бiльше блок, тим бтьший кoефiцieнт стиснення.
Для систем, у яких основний шформацшний поик поданий у виглядi грaфiчнol шформаци, нaйкрaщi результати дають способи Vitter-LZH та LZH-LZW. Особливо непоганий коефщент стиснення отримано
способом Vitter-LZH на масивах даних у 64 i 128 байт.
Для стиснення шформацшного потоку вимiрювaльних даних найкраще тдходять способи LZH-LZW та LZW-Vitter, що дають знaчнi кoефiцieнти стиснення, особливо це стосуеться способу LZH-LZW. Також непоганий результат дае використання способу матричний-LZW.
При стиснення комбшованих даних нaйбiльший кoефiцieнт cпocтерiгaeтьcя у межах в^ 128 до 2048 байт при стиснення способами LZH-LZW та LZW-Vitter.
5 ВИСНОВКИ
У робот описаш алгоритми, що реaлiзують стиснення даних найб^ьш поширеними на даний час способами: LZH, LZW, Vitter, матричним. На ''х ocнoвi запропоно-вaнi кacкaднi способи стиснення: LZW-Vitter, матрич-ний-Vitter, LZH-LZW, Vitter-LZH та матричний-LZW.
Наведен результати дocлiджень залежност коефщь ента стиснення вiд довжини блока для рiзних каскадних cпocoбiв. Виконано пoрiвняльну oцiнку cпocoбiв за зна-ченнями кoефiцieнтa стиснення на рiзних iнфoрмaцiйних потоках. Для кожного виду шформацшного потоку видшеш способи, що дають найкрашд результати.
Даються рекомендацп по використанню запропонова-них каскадних cпocoбiв для стиснення шформацшних мacивiв рiзнoгo характеру в автоматизованих системах управлшня.
ПЕРЕЛ1К ПОСИЛАНЬ
1. Кохманюк Д. Сжатие данных: как это делается.//1п<^ех Pro, 1992, №1, С.18-29; 1993,№2, С.30-49.
2. Кричевский Р.Е. Сжатие и поиск информации. -М.: Радио и связь, 1989. - 168 с.
3. Чернега B.C. Сжатие информации в компьютерных сетях. -Севастополь: СевГТУ, 1997.-214с.
4. Ziv J., Lempel A. Compression of individual sequences via variable-rate coding.//IEEE Trans. On Inform. Theory, 1978. -Vol.24, №5, рр. 530-536.
УДК 62-5:007:621.391:519.2
МЕТОД СТАТИСТИЧЕСКОГО СРАВНЕНИЯ ИЗОБРАЖЕНИЙ
Е. Н. Кирсанова, М. Г. Садовский
Рассматривается метод, осуществляющий распознавание образов, минуя стадии выделения словаря признаков и алфавита образов. Идея метода - сравнение входного потока изображений через палитру - специальный объект, созданный по наборам фрагментов исходных изображений. Для оценивания близости между изображениями вводятся специальные меры "похожести".
The pattern recognition method having neither feature alphabet nor pattern dictionary recovery stages is indicated. It compares input images through a special object called palette building from fragments of images. Measures to estimate the dis-
tances between images are given.
ВВЕДЕНИЕ
Задачи распознавания образов опираются условно на два класса: собственно задачи распознавания и задачи классификации. В задачах первого класса заданными считаются элементы алфавита образов и конкретные представители этих элементов в виде обучающей
