典型文献
基于边缘计算的在线学习资源压缩存储方法研究
文献摘要：
为了提高在线学习资源的压缩存储效率,减少占用云端存储空间,提出基于边缘计算的在线学习资源压缩存储方法.该方法以分布式压缩感知为边缘计算方法,通过构建第一联合稀疏模型JSM-1压缩采集在线学习资源,结合同步正交匹配追踪算法与字典学习算法组成的联合重构算法重构资源,获取稀疏字典原子和测量值,并将其传送至云端服务器,建立云端完备稀疏字典,实现在线学习资源的压缩存储.实验表明,稀疏字典越大且训练学习样本数量越多的资源压缩存储的信噪比越高,资源处理性能越好.用该方法进行压缩在线学习资源后的图片清晰度较高,压缩时间较短,能够节约压缩时间减少存储空间.
文献关键词：
边缘计算;感知算法;联合稀疏模型;云端服务器;稀疏字典;信噪比
中图分类号：
作者姓名：
李媛
作者机构：
桐城师范高等专科学校 商贸与电子信息系,安徽 桐城 231400
文献出处：
引用格式：
[1]李媛-.基于边缘计算的在线学习资源压缩存储方法研究)[J].宁夏师范学院学报,2022(01):76-83
A类：
联合稀疏模型
B类：
边缘计算,在线学习资源,存储方法,存储空间,分布式压缩感知,一联,JSM,正交匹配追踪算法,字典学习,重构算法,算法重构,稀疏字典,测量值,传送,送至,云端服务器,训练学,样本数量,处理性能,缩在,清晰度,感知算法
AB值：
0.250467
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
