METHOD FOR HANDLING MULTIDIMENSIONAL DATA

Methods and corresponding apparatuses for compressing, monitoring, decompressing or analyzing multidimensional data in a computer system. A sequence of multidimensional input data is received from a data generating process and is processed by using an approximation model to project respective blocks of input data on a subspace. For each block of data, a residual representing the difference between said data block and a reconstruction of the data block from the projection of the data block on said subspace is calculated. The calculated residual is stored in a repository while the projection of the data block is appended to previously stored projections of data blocks in an output buffer. The approximation model may be extended through analysis of the repository of residuals in order to detect significant patterns. If a significant pattern is found, the pattern may be added as an extension to the approximation model. The extension to the model may be stored or transmitted as a transform packet which defines a transformation from an earlier model to the extended model. L'invention concerne des procédés et des appareils correspondants permettant de compresser, de surveiller, de décompresser ou d'analyser des données multidimensionnelles dans un système informatique. Une séquence de données d'entrée multidimensionnelles est reçue d'un processus de génération de données et traitée à l'aide d'un modèle d'approximation pour projeter des blocs respectifs de données d'entrée sur un sous-espace. Un résidu est calculé pour chaque bloc de données, ledit résidu représentant la différence entre ledit bloc de données et une reconstruction du bloc de données à partir de la projection du bloc de données sur ledit sous-espace. Le résidu calculé est stocké dans un référentiel tandis que la projection du bloc de données est annexée à des projections préalablement stockées de blocs de données dans un tampon de sortie. Le modèle d'approximation peut être étendu au moyen d'une analyse du référentiel de résidus afin de détecter des motifs significatifs. Lorsqu'un motif significatif est trouvé, il peut être ajouté en tant qu'extension au modèle d'approximation. L'extension du modèle peut être stockée ou transmise sous la forme d'un paquet de transformation qui définit une transformation d'un modèle antérieur au modèle étendu.