가변샘플 이산코사인변환을 활용한 시계열 데이터 압축률의 향상방법
A method to increase compression ratio of time-series data using Discrete Cosine Transform with variable sample size
- 주제(키워드) 시계열 , 이산코사인변환 , DCT , 압축
- 발행기관 서강대학교 정보통신대학원
- 지도교수 최명환
- 발행년도 2015
- 학위수여년월 2015. 2
- 학위명 석사
- 학과 및 전공 정보통신대학원 정보통신시스템
- 실제URI http://www.dcollection.net/handler/sogang/000000055280
- 본문언어 한국어
- 저작권 서강대학교 논문은 저작권보호를 받습니다.
초록/요약
제품을 제조하는 공정에서는 많은 시계열 데이터가 실시간으로 발생하고 있고 이를 수집하고 분석하여 정보화함으로써 생산효율, 공정품질향상 등에 많은 도움이 된다. 그러나 실시간으로 많은 시계열 데이터를 수집, 저장하고 분석한다는 것은 많은 저장공간을 요구하게 된다. 이러한 문제를 해결하기 위하여 최근에는 빅데이터 기술을 이용하여 실시간으로 수집되는 데이터에 대한 저장 및 분석의 문제를 해결하고 있지만 빅데이터의 경우 기본적으로 클라우드 시스템을 요구하고 있어 제조공정과 같이 보안문제 등의 이유로 인터넷의 연결을 허용하지 않거나 경제성 등의 이유로 클라우드 시스템을 구성 할 수 없는 경우가 대부분이다. 본 논문에서는 이러한 문제를 해결하기 위하여 멀티미디어분야에서 멀티미디어 데이터를 압축하기 위하여 사용하고 있는 방법중의 하나인 이산코사인변환(Discrete Cosine Transform, DCT)을 이용하여 시계열 데이터를 압축하는 기법을 제안한다. 또한 고정샘플을 이용한 이산코사인변환 압축보다 가변샘플을 이용한 이산코사인변환 압축이 더 압축효율이 높음을 보여주고, 가변샘플을 이용한 이산코사인변환 압축에서 압축효율을 높일 수 있는 최적의 샘플개수를 찾기 위하여 제안된 인접변동계수에 대한 설명과 그 효율에 대하여 설명을 할 것 이다.
more초록/요약
While the factory manufactures products, a number of time-series data have been generated in real time, and it helps increase efficiency and quality of product as a result of making information after gathering and analyzing it. However the collecting time-series data requires a lot of storage space to gather, store and analyze it. Big data technology becomes an alternative to resolve the problems mentioned above, but its technoloty cannot be applicable because it bascally requires the Cloud system architecture and the environment of plant did not allowed internet connection due to security-related issues. This paper suggests a method of using DCT(discrete cosine transform) technology to compress a number of time-series data as a solution to resolve problems. Also this paper shows that the effective way to compress time-series data is not by using fixed-samle but variable-size, and the coefficient of adjacenct variation is a superior than the coefficient of variation in the finding optimum sample size.
more