技術(shù)特征：

1.一種基于多模數(shù)據(jù)的高動態(tài)仿真系統(tǒng)數(shù)據(jù)壓縮方法，其特征在于，所述方法包括：

2.根據(jù)權(quán)利要求1所述的一種基于多模數(shù)據(jù)的高動態(tài)仿真系統(tǒng)數(shù)據(jù)壓縮方法，其特征在于，所述樣本關(guān)系網(wǎng)絡(luò)的獲取方法包括：

3.根據(jù)權(quán)利要求2所述的一種基于多模數(shù)據(jù)的高動態(tài)仿真系統(tǒng)數(shù)據(jù)壓縮方法，其特征在于，所述直接連接關(guān)系的獲取方法包括：

4.根據(jù)權(quán)利要求1所述的一種基于多模數(shù)據(jù)的高動態(tài)仿真系統(tǒng)數(shù)據(jù)壓縮方法，其特征在于，所述樣本社區(qū)的獲取方法包括：

5.根據(jù)權(quán)利要求4所述的一種基于多模數(shù)據(jù)的高動態(tài)仿真系統(tǒng)數(shù)據(jù)壓縮方法，其特征在于，所述參考指數(shù)的獲取方法包括：

6.根據(jù)權(quán)利要求4所述的一種基于多模數(shù)據(jù)的高動態(tài)仿真系統(tǒng)數(shù)據(jù)壓縮方法，其特征在于，所述根據(jù)所述參考指數(shù)更新每個節(jié)點(diǎn)的標(biāo)簽的方法包括：

7.根據(jù)權(quán)利要求4所述的一種基于多模數(shù)據(jù)的高動態(tài)仿真系統(tǒng)數(shù)據(jù)壓縮方法，其特征在于，所述社區(qū)壓縮算法的獲取方法包括：

8.根據(jù)權(quán)利要求1所述的一種基于多模數(shù)據(jù)的高動態(tài)仿真系統(tǒng)數(shù)據(jù)壓縮方法，其特征在于，所述歸屬社區(qū)的獲取方法包括：

9.根據(jù)權(quán)利要求1所述的一種基于多模數(shù)據(jù)的高動態(tài)仿真系統(tǒng)數(shù)據(jù)壓縮方法，其特征在于，所述壓縮效果的獲取方法包括：

10.根據(jù)權(quán)利要求1所述的一種基于多模數(shù)據(jù)的高動態(tài)仿真系統(tǒng)數(shù)據(jù)壓縮方法，其特征在于，所述模態(tài)至少包括文本、數(shù)值、圖像、音頻。

技術(shù)總結(jié)
本發(fā)明涉及數(shù)據(jù)壓縮技術(shù)領(lǐng)域，具體涉及一種基于多模數(shù)據(jù)的高動態(tài)仿真系統(tǒng)數(shù)據(jù)壓縮方法。本發(fā)明首先獲取所有模態(tài)下的所有歷史樣本數(shù)據(jù)；進(jìn)一步根據(jù)歷史樣本數(shù)據(jù)間的相似性，獲取每種模態(tài)下的樣本關(guān)系網(wǎng)絡(luò)，進(jìn)而獲取每個樣本關(guān)系網(wǎng)絡(luò)中的所有樣本社區(qū)及對應(yīng)社區(qū)壓縮算法；進(jìn)一步篩選出當(dāng)前仿真過程中每種模態(tài)下的每個當(dāng)前樣本數(shù)據(jù)的歸屬社區(qū)，利用對應(yīng)社區(qū)壓縮算法壓縮。本發(fā)明基于壓縮算法的出現(xiàn)頻次及壓縮效果改進(jìn)社區(qū)劃分過程，提高社區(qū)劃分效果，并利用當(dāng)前多模樣本數(shù)據(jù)與每個樣本社區(qū)內(nèi)歷史樣本數(shù)據(jù)間的內(nèi)部特征的相似性，快速匹配對應(yīng)歸屬社區(qū)，提高了當(dāng)前多模樣本數(shù)據(jù)的壓縮效果及效率。

技術(shù)研發(fā)人員：竇曉牧
受保護(hù)的技術(shù)使用者：南京高商機(jī)電科技有限公司
技術(shù)研發(fā)日：
技術(shù)公布日：2024/9/12