摘要
本发明涉及数据处理技术领域,尤其涉及一种基于深度学习的数据压缩与分块存储处理方法。所述方法包括以下步骤:获取待压缩集成数据;根据待压缩集成数据分析有效待压缩集成解析数据;构建异构数据特征分析树模型;通过异构数据特征分析树模型提取有效待压缩集成数据的待压缩特征数据;基于待压缩特征数据设计递归稀疏系数评估目标函数;基于递归压稀疏系数评估目标函数对有效待压缩集成数据进行自适应稀疏压缩处理,以得到压缩数据;对压缩数据进行分块处理,生成分块压缩数据;对分块压缩数据进行压缩数据块存储优化处理,生成优化存储压缩数据块。本发明通过深度学习算法对数据特征进行分析,以实现数据压缩与分块存储地高效处理。
技术关键词
数据访问模式
异构数据类型
压缩特征
数据压缩
压缩稀疏矩阵
分块
生成特征
关联特征数据
分布特征
深度学习算法
生成数据块
队列
决策树模型
数据处理技术
因子
聚类
系统为您推荐了相关专利信息
芯片数据存储
拓扑绝缘体
量子态
数据压缩编码
压缩感知技术
面向视频流数据
隐私保护方法
隐私特征
压缩特征
情感识别方法
动态密码
分布式存储节点
加密数据
数据加密存储方法
数据压缩算法
累积分布函数
可靠性分析模型
可靠性分析方法
计算机执行指令
有限元分析模型
图像像素
生成方法
解码器
压缩特征
图像生成模型