LFZip：基于改进预测的多元浮点时间序列数据有损压缩
信号处理
2020-01-14 v2 机器学习
摘要
随着物联网设备和传感器的增长，时间序列数据压缩正成为一个重要问题。由于这些数据集中存在噪声，有损压缩通常能在不影响下游应用性能的情况下提供显著的压缩收益。在这项工作中，我们提出了一种面向多元浮点时间序列数据的误差有界有损压缩器 LFZip，可提供直至用户指定最大绝对误差的保证重构。该压缩器基于预测-量化-熵编码框架，并得益于使用线性模型和神经网络的改进预测。我们在多个时间序列数据集上评估了该压缩器，其性能优于现有的最先进误差有界有损压缩器。代码和数据可在 https://github.com/shubhamchandak94/LFZip 获取。
引用
@article{arxiv.1911.00208,
title = {LFZip: Lossy compression of multivariate floating-point time series data via improved prediction},
author = {Shubham Chandak and Kedar Tatwawadi and Chengtao Wen and Lingyun Wang and Juan Aparicio and Tsachy Weissman},
journal= {arXiv preprint arXiv:1911.00208},
year = {2020}
}