基于后綴數(shù)組的滑動(dòng)窗口匹配壓縮改進(jìn)算法研究.pdf

1、LZ77算法,又被稱為“滑動(dòng)窗口壓縮”,它依賴兩個(gè)滑動(dòng)窗口來(lái)進(jìn)行壓縮,一個(gè)窗口包含已輸入數(shù)據(jù)流,稱為字典窗口 DW(dictionary window);另一個(gè)窗口包含待壓縮編碼的字符串,即待編碼窗口CW(code window)。LZ77通過(guò)查找在DW中與CW相同的字符數(shù)據(jù)并將匹配成功的數(shù)據(jù)編碼成三元組寫(xiě)入壓縮文件,從而實(shí)現(xiàn)數(shù)據(jù)壓縮功能。后綴數(shù)組(Suffix Array,簡(jiǎn)稱SA)作為一種常用的文本索引機(jī)制,由于其結(jié)構(gòu)簡(jiǎn)單及空間效率

2、較好的特點(diǎn),現(xiàn)已經(jīng)結(jié)合到LZ算法中。但這種結(jié)合方法,每次都需重建SA,時(shí)間復(fù)雜度較高,效率不高。
　　首先分析字符串匹配等算法并進(jìn)行對(duì)比,在對(duì)已提出各種LZ77改進(jìn)算法的研究分析的基礎(chǔ)上,進(jìn)一步對(duì)后綴數(shù)組與最長(zhǎng)公共前綴((Longest Common Prefix,簡(jiǎn)稱LCP)等相關(guān)理論進(jìn)行研究分析,闡述三種后綴數(shù)組的構(gòu)建算法并對(duì)比。然后分析現(xiàn)有結(jié)合算法的思想及其不足,通過(guò)對(duì)SA的特點(diǎn)分析,提出完全后綴這一新術(shù)語(yǔ),利用LCP數(shù)組把

3、SA分為完全后綴(Complete Suffix Array,簡(jiǎn)稱CSA)和非完全后綴(Uncompleted Suffix Array,簡(jiǎn)稱UCSA),由于窗口滑動(dòng)后UCSA保持了原有的偏序關(guān)系,且占SA比例高,采用二分插入法把CSA插入到UCSA中構(gòu)建新的SA,可以更高效地重建SA。從而在保證壓縮效率不降低的同時(shí),提高整個(gè)算法的壓縮效率。
　　最后通過(guò)實(shí)驗(yàn),對(duì)多種不同大小的文件進(jìn)行測(cè)試,對(duì)比現(xiàn)有結(jié)合算法和改進(jìn)算法的效率,表明改