3.3 Spatial Locality for Compressio

3.3 Spatial Locality for Compression
The processing of continuous SDH query using quad-tree
is an efficient way of answering the RDF like queries. Basically,
by splitting the space into fixed size blocks, we are
expecting to get regions that do not change for some time
in the simulation. This actually identifies the spatial locality
of particles that are not changing over a period of time.
Once we identify such regions, the data storage space can
be saved by compressing the cells.
A level li of the quad-tree that has maximum number
of cells retaining almost constant number of particles over a
fraction of time is identified. Basically, we look for maximum
number of cells that have the density ratio r close to 1. Then
we can apply a compression technique like DCT. The cells
that have the r close to 1 are not required to decompress for
answering queries. This is similar to compression of images
and videos by segmenting into blocks. However, choosing
the correct level li is critical for success of the technique. It
has to be determined experimentally as it is data specific.
In our experiments of molecular simulations, it is observed
that level 9 of the quad-tree has most of the cells that have
particle count close to 1. Therefore, there is a potential
for achieving compression by exploiting the spatial locality
of the data. Following are the two important issues to be
addressed in this part of the thesis work.
• Analyzing the quad-tree structure to check the feasibility
of combining the locality features.
• Combining the advantages of temporal and spatial locality
to achieve better compression and facilitating queries on
compressed data.
3.4 Initial Results
The proposed method of compression analyzes the dimensions
of different variances in the data. By applying the DCT
along these dimensions we are able to achieve higher compression
ratio. The technique is able to achieve compression
ratio of about 17, which is significant improvement over the
DCT only method. Figure 5 shows the result by comparing
the compression ratio and the error (root mean square error
(RMSE)) introduced in the compressed data. The results
are obtained on a particle simulation data sets of 280, 000
atoms using a window size (W) of 8 frames.
The effect of compression on the analytical query result is
shown in figure 6. The result of RDF query on both original
and decompressed data is plotted. It shows the error introduced
in compressed data is minimal and the results are well
acceptable. We also applied the PCA-only [21] compression
on the same data by selecting only top two eigen vectors. A
compression ratio of 4.5 is achieved while producing RMSE
of about 2.2. Therefore, the proposed technique achieve best
compression and bears low computational cost.

ผลลัพธ์ (ไทย) 1:

3.3 พื้นที่ท้องถิ่นสำหรับการบีบอัดการประมวลผลแบบสอบถามต่อเนื่อง SDH โดยใช้แผนภูมิรูปสี่เหลี่ยมเป็นวิธีมีประสิทธิภาพของ RDF เช่นถามตอบ โดยทั่วไปโดยแบ่งพื้นที่ออกเป็นบล็อกขนาดถาวร เรามีคาดว่าจะได้รับพื้นที่ที่ไม่ได้มีการเปลี่ยนแปลงในบางเวลาในการจำลองสถานการณ์ นี้จริงระบุท้องถิ่นพื้นที่ของอนุภาคที่ไม่มีการเปลี่ยนช่วงเวลาเมื่อเราระบุภูมิภาคดังกล่าว พื้นที่การจัดเก็บข้อมูลสามารถสามารถบันทึก โดยการบีบอัดเซลล์ลี่ระดับของควอด-ทรีที่มีจำนวนของเซลล์รักษาจำนวนอนุภาคเกือบคงที่ผ่านการมีระบุเป็นเศษส่วนของเวลา โดยทั่วไป เราค้นหาสูงสุดจำนวนเซลล์ที่มีอาร์อัตราความหนาแน่นใกล้กับ 1 แล้วเราสามารถใช้เทคนิคการบีบอัดเช่น DCT เซลล์ว่า มี r ใกล้ 1 จะไม่จำเป็นต้องขยายสำหรับตอบแบบสอบถาม คล้ายการบีบอัดภาพและวิดีโอ โดยเซ็กเมนต์ในบล็อก อย่างไรก็ตาม เลือกลี่ระดับถูกต้องเป็นสิ่งสำคัญสำหรับความสำเร็จของเทคนิค มันต้องสามารถกำหนด experimentally ซึ่งเป็นข้อมูลเฉพาะได้ในการทดลองของเราจำลองโมเลกุล มีการตรวจสอบระดับที่ 9 ของแผนภูมิรูปสี่เหลี่ยมมีทั้งเซลล์ที่มีจำนวนอนุภาคใกล้ 1 ดังนั้น มีศักยภาพการเพื่อให้บรรลุการบีบอัดโดย exploiting ท้องถิ่นพื้นที่ของข้อมูล ต่อไปนี้เป็นประเด็นสำคัญสองจะอยู่ในส่วนของงานวิทยานิพนธ์นี้•วิเคราะห์โครงสร้างแผนภูมิรูปสี่เหลี่ยมเพื่อตรวจสอบความเป็นไปได้ที่การรวมลักษณะการทำงานของท้องถิ่น•รวมข้อดีของท้องถิ่นชั่วคราว และพื้นที่การบีบอัดดีขึ้นและอำนวยความสะดวกในการสอบถามในบีบอัดข้อมูล3.4 เริ่มต้นนำเสนอวิธีการบีบอัดวิเคราะห์มิติของผลต่างที่แตกต่างกันในข้อมูล โดยใช้ DCTตามมิติเหล่านี้ เราได้สามารถบรรลุผลการบีบอัดสูงอัตราส่วน เทคนิคจะสามารถบรรลุรวมอัตราส่วนประมาณ 17 ซึ่งเป็นการปรับปรุงอย่างมีนัยสำคัญมากกว่าการวิธีการเฉพาะ DCT รูปที่ 5 แสดงผล โดยการเปรียบเทียบอัตราการบีบอัดและข้อผิดพลาด (ข้อผิดพลาดรากค่าเฉลี่ยกำลังสอง(RMSE)) แนะนำข้อมูลที่บีบอัด ผลลัพธ์จะได้รับในชุดข้อมูลจำลองอนุภาคของ 280, 000ใช้หน้าต่างขนาด (W) ของเฟรม 8 อะตอมเป็นผลของการบีบอัดในผลลัพธ์แบบสอบถามวิเคราะห์แสดงในรูปที่ 6 ผลของแบบสอบถามของ RDF ในทั้งสองฉบับและลงจุดข้อมูลถูกคลายออก แสดงข้อผิดพลาดที่แนะนำในการบีบอัดข้อมูลน้อยที่สุด และผลลัพธ์ดียอมรับได้ นอกจากนี้เรายังใช้ PCA เดียวบีบ [21]ข้อมูลเดียวกันโดยเลือกเฉพาะบน eigen สองเวกเตอร์ Aอัตราการบีบอัดของ 4.5 ทำขณะผลิต RMSEของประมาณ 2.2 ดังนั้น เทคนิคการนำเสนอให้ดีที่สุดบีบอัดและหมีคำนวณต้นทุนต่ำ

ผลลัพธ์ (ไทย) 3:

3.3 ภายในพื้นที่การบีบอัด
การประมวลผลแบบสอบถามที่ดีต่อเนื่องที่ใช้ Quad ต้นไม้
เป็นวิธีที่มีประสิทธิภาพของข้อมูล เช่น การตอบแบบสอบถาม โดย
โดยการแยกพื้นที่ในขนาดคงที่บล็อกเรา
คาดว่าจะได้รับพื้นที่ที่ไม่ได้เปลี่ยนมานานแล้ว
ในการจำลอง นี้ที่จริงจะระบุพื้นที่ท้องถิ่นของอนุภาคที่ไม่เปลี่ยน

ช่วงเวลาเมื่อเราระบุภูมิภาค เช่น การจัดเก็บข้อมูล พื้นที่สามารถถูกบันทึกไว้โดยการบีบเซลล์
.
ระดับลี้ลานต้นไม้ที่มี
จำนวนสูงสุดของเซลล์รักษาเกือบคงที่จำนวนอนุภาคมากกว่า
เศษส่วนของเวลาที่ระบุ โดยทั่วไป เราหาจำนวนสูงสุด
ของเซลล์ที่มี R อัตราส่วนความหนาแน่นใกล้กับ 1 แล้วเราสามารถใช้เทคนิคการบีบอัด
ชอบ 3 มิติ . เซลล์
ที่ มี R ใกล้กับ 1 ไม่ต้องขยายสำหรับ
ตอบแบบสอบถาม นี้จะคล้ายกับการบีบอัดของภาพและวิดีโอ โดยแบ่งส่วนออกเป็น
บล็อก อย่างไรก็ตาม การเลือก
ถูกต้องระดับหลี่เป็นสิ่งสำคัญสำหรับความสำเร็จของเทคนิค มันต้องกำหนดขนาด

มันเป็นข้อมูลที่เฉพาะเจาะจง ในการทดลองของแบบจำลองโมเลกุล พบ
ที่ระดับ 9 ของต้นไม้ Quad ได้ส่วนใหญ่ของเซลล์ที่
นับอนุภาคใกล้ 1 จึงมีศักยภาพในการบีบอัดโดย exploiting

พื้นที่ท้องถิ่นของข้อมูล ต่อไปนี้เป็นสองประเด็นสำคัญที่จะ
อยู่ในส่วนนี้ของงานวิทยานิพนธ์ .
- การวิเคราะห์โครงสร้างรูปสี่เหลี่ยมเพื่อตรวจสอบความเป็นไปได้ของการรวมท้องถิ่น

คุณสมบัติ .- การรวมข้อดีของพื้นที่และเวลาท้องถิ่น
เพื่อให้บรรลุการบีบอัดและการสอบถามข้อมูลที่ถูกบีบอัดใน
.
3
เริ่มต้นผลเสนอวิธีการวิเคราะห์ความแปรปรวนของการบีบอัดขนาด
แตกต่างกันในข้อมูล โดยการใช้ DCT
ตามมิติเหล่านี้เราสามารถที่จะบรรลุอัตราส่วนการอัด
สูงกว่า เทคนิคที่สามารถบรรลุการบีบอัด
อัตราส่วนของเกี่ยวกับ 17 , ซึ่งมีการปรับปรุงอย่างมีนัยสำคัญมากกว่า
DCT เพียงวิธี รูปที่ 5 แสดงให้เห็นโดยการเปรียบเทียบผล
อัตราส่วนของการบีบอัดและข้อผิดพลาด ( รากหมายถึง
ความคลาดเคลื่อนกำลังสอง ( RMSE ) ใช้ในการบีบอัดข้อมูล ผลลัพธ์ที่ได้ในการจำลองอนุภาค
ข้อมูลชุด 280 , 000
อะตอมโดยใช้หน้าต่างขนาด ( W )
8 เฟรม ผลของการบีบอัดในการวิเคราะห์ผลแบบสอบถาม
แสดงในรูปที่ 6 ผลของแบบสอบถามทั้งฉบับและ RDF
decompressed เป็นข้อมูลวางแผน มันแสดงให้เห็นข้อผิดพลาดในข้อมูลที่ถูกบีบอัดน้อยแนะนำ

และผลลัพธ์ที่ดีได้ เรายังใช้ PCA เท่านั้น [ 21 ] อัด
บนข้อมูลเดียวกัน โดยเลือกเฉพาะด้านบนสอง eigen เวกเตอร์ อัตราส่วนการอัดเป็น
4.5 ได้ในขณะที่การผลิต RMSE
ประมาณ 2.2 . ดังนั้นเทคนิคที่นำเสนอบรรลุที่ดีที่สุด
อัดหมีต้นทุนการคำนวณต่ำ