|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
大数据有4大特点：Volume（大量）、Velocity（高速）、Variety（多样）、Value（价值），由于他们的英文首字母都是V，所以也称为“4V特点”。
|
|
|
|
Volume（大量）：大量主要体现在非结构化数据的超大规模增长，比结构化数据增长快10~50倍，同时数据的量级已超越传统数据仓库的很多倍。
|
|
|
|
Velocity（高速）：大数据的分析是一种实时分析而非批量式分析，所以需要立竿见影，而非事后见效。
|
|
|
|
Variety（多样）：大数据存在异构与多样性的特点，因为它有很多不同形式的数据，如文本、图像、音频、视频等。
|
|
|
|
Value（价值）：大数据的价值特性是指大数据价值密度低，因为大数据是有着海量数据的，这里面存在大量不相关的信息，所以单位价值密度低。
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
经过FDCT变换后的系数，其数值变化较多，不利于编码。为了将系数数值映射到更小的取值范围，可以使用量化（quantisation）实现。通过量化可以减小非0系数的幅度和增加0值系数的数目。当然，量化也是导致图像质量下降的主要原因。
|
|
|
|
JPEG的有损压缩算法使用均匀标量量化器进行量化，量化步距是按照系数所在的位置和每种颜色分量的色调值确定的。
|
|
|
|
由于人眼对亮度信号比对色差信号更敏感，因此JPEG编码中使用了亮度量化表和色差量化表两种标准的量化表，参见下1表和下2表。此外，由于人眼对低频分量的图像比对高频分量的图像更敏感，因此表中的左上角的量化步距要比右下角的量化步距小。
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
其中，Sq（u,v）为量化后的结果，F（u，v）为FDCT系数，Q（u，v）为量化表中的数值，round为舍入取整函数。
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
维护阶段是软件生存期中时间最长的阶段。软件一旦交付正式投入运行后便进入软件维护阶段。该阶段的关键任务是通过各种必要的维护活动使系统持久地满足用户的需要。每一项维护活动都应该准确地记录下来，作为正式的文档资料加以保存。
|
|
|
|
|
|
|
|
|
|
|
|
|
