Kompressionsförhållande. Datakomprimering Wiseman-komprimeringsförhållande

Principer för informationskomprimering

Varje informationskomprimeringsmetod är baserad på informationskällmodellen, eller mer specifikt redundansmodellen. Med andra ord, för att komprimera information används viss information om vilken typ av information som komprimeras - utan att ha någon information om informationen är det omöjligt att göra absolut inga antaganden om vilken transformation som kommer att minska meddelandets volym. Denna information används i komprimerings- och dekomprimeringsprocessen. Redundansmodellen kan också byggas eller parametreras under komprimeringsstadiet. Metoder som gör det möjligt att ändra informationsredundansmodellen baserat på inputdata kallas adaptiv. Icke-anpassningsbara är vanligtvis snävt specifika algoritmer som används för att arbeta med väl definierade och oförändrade egenskaper. Den överväldigande majoriteten av de tillräckligt universella algoritmerna är anpassningsbara i en eller annan grad.

Varje informationskomprimeringsmetod innehåller två omvandlingar som är omvända till varandra:

• komprimeringskonvertering;
• dekomprimering konvertering.

Komprimeringstransform ger ett komprimerat meddelande från originalet. Dekompression säkerställer att det ursprungliga meddelandet (eller tillnärmningen) tas emot från det komprimerade.

Alla komprimeringsmetoder är indelade i två huvudklasser

• ingen förlust,
• med förluster.

Den grundläggande skillnaden mellan de två är att förlustfri komprimering ger möjlighet att exakt rekonstruera det ursprungliga meddelandet. Förlustkomprimering låter dig bara få en ungefärlig tillnärmning av det ursprungliga meddelandet, det vill säga annorlunda än originalet, men inom vissa förutbestämda fel. Dessa fel bör bestämmas av en annan modell - modellen för mottagaren, som bestämmer vilka data och med vilken noggrannhet som presenteras för mottagaren, och vilka som är acceptabla att kassera.

Komprimeringsalgoritmegenskaper och tillämpbarhet

Kompressionsförhållande

Komprimeringsförhållande är huvudkarakteristiken för komprimeringsalgoritmen, som uttrycker den huvudsakliga applikationskvaliteten. Det definieras som förhållandet mellan storleken på okomprimerad data till komprimerad data, det vill säga:

k = S o / S c,

var k - kompressionsförhållande, S o är storleken på den okomprimerade informationen, och S c - komprimerad storlek. Så högre komprimeringsförhållande, desto bättre är algoritmen. Det bör noteras:

• om en k \u003d 1, då komprimeras inte algoritmen, det vill säga att den får ett utgångsmeddelande med en storlek lika med den inmatade;
• om en k < 1, то алгоритм порождает при сжатии сообщение большего размера, нежели несжатое, то есть, совершает «вредную» работу.

Situationen med k < 1 вполне возможна при сжатии. Невозможно получить алгоритм сжатия без потерь, который при любых данных образовывал бы на выходе данные меньшей или равной длины. Обоснование этого факта заключается в том, что количество различных сообщений длиной n Mönster: E: bit är exakt 2 n ... Därefter antalet olika meddelanden med längd mindre än eller lika med n (om det finns minst ett meddelande med kortare längd) kommer att vara mindre än 2 n ... Detta innebär att det är omöjligt att otvetydigt matcha alla originalmeddelanden till det komprimerade: antingen några av de ursprungliga meddelandena kommer inte att ha en komprimerad representation, eller så kommer flera originalmeddelanden att motsvara samma komprimerade, vilket betyder att de inte kan skiljas.

Komprimeringsförhållandet kan vara antingen ett konstant förhållande (vissa komprimeringsalgoritmer för ljud, bilder etc., till exempel A-lag, μ-lag, ADPCM) eller variabel. I det andra fallet kan det bestämmas antingen för ett specifikt meddelande eller utvärderas enligt vissa kriterier:

• medelvärde (vanligtvis över vissa testdatasystem);
• max (fallet med bästa komprimering);
• minimal (i värsta fall komprimering);

eller någon annan. Förlustkomprimeringsförhållandet i detta fall beror starkt på det tillåtna komprimeringsfelet eller dess kvalitet, som vanligtvis fungerar som en algoritmparameter.

Förlusttolerans

Det huvudsakliga kriteriet för att skilja mellan komprimeringsalgoritmer är förekomsten eller frånvaron av förluster som beskrivs ovan. I allmänhet är förlustfri komprimeringsalgoritmer mångsidiga i den meningen att de kan tillämpas på alla typer av data, medan användningen av förlustkomprimering bör vara motiverad. Vissa typer av data tolererar inte någon form av förlust:

• symboliska data, vars ändring oundvikligen kommer att leda till en förändring av deras semantik: program och deras källkoder, binära matriser, etc.;
• vitala data, förändringar som kan leda till kritiska fel: till exempel erhållna från medicinsk mätutrustning eller styrenheter för flygplan, rymdskepp etc.
• data upprepade gånger för kompression och dekomprimering: grafik, ljud, videofiler.

Men med förlustkomprimering kan du uppnå mycket högre komprimeringsförhållanden genom att kassera obetydlig information som är dåligt komprimerad. Så till exempel tillåter den förlustfria ljudkomprimeringsalgoritmen FLAC i de flesta fall dig att komprimera ljud med 1,5-2,5 gånger, medan den förlorade Vorbis-algoritmen, beroende på den inställda kvalitetsparametern, kan komprimera upp till 15 gånger samtidigt som man håller acceptabel kvalitet lodning.

Algoritmsystemkrav

Olika algoritmer kan kräva en annan mängd datorsystemresurser som de kör på:

• rAM (för mellanliggande data);
• permanent minne (för programkod och konstanter);
• processortid.

I allmänhet beror dessa krav på algoritmens komplexitet och "intelligens". Som en generell trend, ju bättre och mer mångsidig algoritmen är, desto fler krav ställer den på maskinen. Men i specifika fall kan enkla och kompakta algoritmer fungera bättre. Systemkraven avgör deras konsumentkvaliteter: ju mindre krävande en algoritm är, desto enklare och därför kompakt, pålitligt och billigt system den kan fungera på.

Eftersom komprimerings- och dekomprimeringsalgoritmer fungerar parvis är förhållandet mellan systemkrav och dem också viktigt. Du kan ofta komplicera en algoritm, du kan förenkla en annan mycket. Således kan vi ha tre alternativ:

Komprimeringsalgoritmen är mycket mer resurskrävande än dekomprimeringsalgoritmen. Detta är det vanligaste förhållandet, och det är främst tillämpligt i fall där komprimerad data en gång kommer att användas flera gånger. Exempel inkluderar digital ljud- och videospelare. Komprimerings- och dekomprimeringsalgoritmer har ungefär lika krav. Det mest acceptabla alternativet för en kommunikationslinje, när komprimering och dekomprimering sker en gång i dess två ändar. Till exempel kan det vara telefoni. Komprimeringsalgoritmen är betydligt mindre krävande än dekomprimeringsalgoritmen. Ganska exotiskt fall. Det kan användas i fall där sändaren är en ultraportabel enhet, där mängden tillgängliga resurser är mycket kritisk, till exempel ett rymdskepp eller ett stort distribuerat nätverk av sensorer, eller det kan vara att packa upp data som krävs i en mycket liten procentandel av fallen, till exempel inspelning av videokameror.

se även

Wikimedia Foundation. 2010.

Se vad "Information Compression" är i andra ordböcker:

komprimering av information - konsolidering av information - [L. G. Sumenko. The English Russian Dictionary of Information Technology. M .: GP TsNIIS, 2003.] Ämner informationsteknologier i allmänhet Synonymer informationskomprimering EN informationsminskning ...

KOMPRESSERA INFORMATION - (datakomprimering) presentation av information (data) i färre bitar än originalet. Baserat på att eliminera redundans. Skilj S. och. utan förlust av information och med förlust av viss information som är obetydlig för de uppgifter som löses. Till ... ... Encyclopedic Dictionary of Psychology and Pedagogy

anpassningsbar förlustfri komprimering - - [L. G. Sumenko. The English Russian Dictionary of Information Technology. M .: GP TsNIIS, 2003.] Ämnar informationsteknologier i allmänhet EN adaptiv förlustfri datakomprimeringALDC ... Teknisk översättarguide

komprimering / komprimering av information - - [L. G. Sumenko. The English Russian Dictionary of Information Technology. M .: GP TsNIIS, 2003.] Ämnar informationsteknologier i allmänhet EN-komprimering ... Teknisk översättarguide

digital informationskomprimering - - [L. G. Sumenko. The English Russian Dictionary of Information Technology. M .: GP TsNIIS, 2003.] Ämner informationsteknologier i allmänhet EN-komprimering ... Teknisk översättarguide

Ljud är en enkel våg, och en digital signal representerar vågen. Detta åstadkoms genom att lagra amplituden för den analoga signalen flera gånger inom en sekund. På en vanlig CD lagras till exempel en signal 44100 gånger på ... ... Wikipedia

En process som minskar mängden data genom att minska redundans. Datakomprimering innefattar att komprimera data i standardstorlek. En åtskillnad görs mellan förlorad och förlustfri komprimering. På engelska: Data ... ... Ekonomiskt ordförråd

komprimering av digital kartinformation - Hantering av digital kartografisk information för att minska dess volym, inklusive eliminering av redundans inom den nödvändiga noggrannheten för presentationen. [GOST 28441 99] Ämnen digital kartografi Generalisering av termer metoder och teknik ... ... Teknisk översättarguide

Åtta avsnitt per säsong räcker fortfarande inte för en sådan serie, berättelsen hade inte tid att verkligen utvecklas, men ändå undrar jag vad som kommer att hända nästa, vilket är bra. Dessutom har den andra säsongen bekräftats. Sista avsnittet var dock ganska tråkigt.

Betald Pipers team utnyttjade Ehrlichs blåmärken under presentationen. För det första erbjöd konferensledningen, rädd för en eventuell rättegång (den advokat-gitarristen), Betald Piper att gå till nästa omgång utan någon tävling, och för det andra slog Ehrlich dem också ut en svit på hotellet.

Ehrlich, även om det är väldigt fylligt, är användbart. Teamet borde ha en sådan person - arrogant som en traktor, en stötig, självrättvisande optimist, som alltid har en idiotisk idé redo och han kan slå en ful liten pojke. Och inte alla har andan att göra det.

Allt verkar vara bra, men startledarna tittade på Belsons presentation, och han presenterade inte bara ett storskaligt projekt med ett gäng olika funktioner, eftersom Hooley har många tjänster som kan integreras, men också en viss Weisman-koefficient, det vill säga ett kompressionsförhållande, han har samma sak som Payde Piper. Weisman Factor skapades specifikt för showen av två Stanford-konsulter, Weisman och Misra.

I allmänhet visar det sig att otäcka konkurrenter ändå har förstört Richard's algoritm genom omvänd teknik. Paid Piper har ingenting att visa i morgon.

Ehrlich försökte troll Belson, anklagade honom för alla dödliga synder från alkoholism till sexuella trakasserier, Jared blev galen, och Dinesh och Guilfoyle försökte hitta ett nytt jobb för sig själva.

På kvällen, när Jared släpptes från polisen, samlades alla på hotellet och började tänka på vad de skulle göra. Ingen vill underkasta sig offentligt avrättande i morgon, förutom naturligtvis Ehrlich, som anser att offentliga avrättningar är mycket populära och i allmänhet är allt detta show-affärer. Hursomhelst kommer han att vinna, även om han personligen måste rycka bort varje kille i gymmet. Den här idén mottogs med ett knep, för programmerare kan, som jag skrev nyligen, leds bort av alla uppgifter och de bryr sig inte om det är skadligt eller dumt. Medan de beräknade under vilka förhållanden Ehrlich skulle ge bort alla på kortast möjliga tid, hade Richard en idé.

Nej, det här är inte Richards idé,

Det är Payde Pipers team som löser Ehrlich-problemet.

Som ni kan gissa, slutade allt bra och Payde Piper fick 50 tusen dollar. Och Peter Gregory berättade för dem att han inte var upprörd.

Jag är mest ledsen över att vi inte kommer att se Peter Gregory igen. Detta var den bästa karaktären någonsin. Jag vet inte om domare Paid Piper kommer att hitta en annan investerare som är lika galen.

Varje substans under påverkan av yttre tryck kan krympa, det vill säga den kommer att ändra sin volym till en eller annan grad. Således kan gaser med ökande tryck väsentligt minska deras volym. Vätskan utsätts för volymförändringar i mindre utsträckning när det yttre trycket förändras. Kompressibiliteten hos fasta ämnen är ännu mindre. Kompressibilitet återspeglar beroendet av ett ämnes fysiska egenskaper på avståndet mellan dess molekyler (atomer). Kompressibilitet kännetecknas av kompressionsförhållandet (Samma: komprimerbarhetsförhållande, kompressionsförhållande, elastisk utvidgningsvolym).

DEFINITION

Kompressionsförhållande Är en fysisk mängd lika med den relativa volymförändringen dividerad med förändringen i tryck som orsakar en förändring i volym av ett ämne.

Det finns olika beteckningar för kompressionsförhållandet, oftast bokstäverna eller. I form av en formel skrivs kompressionsförhållandet som:

där minustecknet återspeglar det faktum att en ökning av trycket leder till en minskning i volym och vice versa. I differentiell form definieras koefficienten som:

Volymen är relaterad till ämnets densitet, för processerna med tryckförändring vid konstant massa kan du därför skriva:

Värdet på kompressionsförhållandet beror på ämnets art, dess temperatur och tryck. Utöver allt ovan beror kompressionsförhållandet på typen av process i vilket trycket förändras. I en isotermisk process skiljer sig således kompressionsförhållandet från kompressionsförhållandet i en adiabatisk process. Isotermisk kompressionsförhållande definieras som:

var är det partiella derivatet vid T \u003d const.

Det adiabatiska kompressionsförhållandet kan hittas som:

var är det partiella derivatet vid konstant entropi (S). För fasta ämnen skiljer sig de isotermiska och adiabatiska kompressibilitetsfaktorerna väldigt lite, och denna skillnad försummas ofta.

Det finns ett samband mellan de adiabatiska och isotermiska, vilket återspeglas av ekvationen:

var och är värmekapaciteten vid konstant volym och tryck.

Enheter för kompression

Den grundläggande SI-måttenheten för kompressibilitetsfaktorn är:

Exempel på problemlösning

EXEMPEL 1

Uppgiften	Låt en solid kub med en sida som är lika med den uppleva det hela trycket. Sidan på kuben reduceras med. Uttryck kompressionsförhållandet för en kub om trycket som utövas på den ändras med avseende på den första med
Beslut	Låt oss göra en teckning. I enlighet med definitionen av kompressionsförhållandet skriver vi: Eftersom förändringen i sidan av kuben orsakad av tryck är lika, kan kubens volym efter komprimering () representeras som: Därför skriver vi den relativa volymförändringen som: Kvantiteten är liten, därför antar vi det är lika med noll, då kan vi anta att: Ersätt den relativa volymförändringen från (1.4) till formel (1.1), vi har:
Svar