Сжатие - данные
Cтраница 3
 |
Свойства алгоритмов сжатия. [31] |
При исследовании методов сжатия данных следует иметь в виду существование следующих доказанных теорем. [32]
Из различных способов сжатия данных наиболее простой и наиболее часто применяемый способ состоит в суммировании по определенным критериям. При суммировании результаты измерений собирают в группы, внутри которых данные каждого отдельного измерения несильно отличаются от некоторого среднего для группы значения. [33]
Из многочисленных алгоритмов адаптивного сжатия данных значительный интерес представляют алгоритмы с однопарамет-рической адаптацией, имеющие простое аппаратурное решение, но и сравнительно меньший коэффициент сжатия. Если контролируемая функция характеризуется относительным постоянством от одного временного интервала к другому, то для поиска ее существенных ординат целесообразно использовать экстра-поляционную процедуру. При предсказании первого порядка уравнение экстраполяции представляется прямой линией, проведенной через две последние зарегистрированные информационные точки. Относительно этой прямой устанавливается зона допуска - апертура БО. Предсказанное значение для поступающих новых точек отсчета должно принадлежать этой прямой. Бели новая точка отсчета располагается в пределах ЕО от предсказанного значения, то эта точка является несущественной и не передается. [34]
Адаптивная передача благодаря сжатию данных использует КС наиболее рационально, поскольку по тому же каналу передается больший объем информации или при том же объеме передаваемой информации сокращается время ее обновления на приемном конце телепередачи. Адаптивная передача предусматривает наличие памяти и выполнение достаточно сложных логических операций на передающем конце телепередачи. Практически она может быть реализована только при наличии микропроцессорной системы УТМ. [35]
Существует связь между сжатием данных, порожденных комбинаторным источником, и исправлением произвольных аддитивных шумов. В силу этой связи многие результаты могут быть переформулированы для каналов с такими шумами. В частности, для них доказывается теорема Шеннона. Устанавливается, что для большинства каналов с аддитивными шумами оценка Варша-мова для объема группового корректирующего кода является точной. [36]
Несмотря на изобилие алгоритмов сжатия данных, теоретически есть только три способа уменьшения их избыточности. Это либо изменение содержания данных, либо изменение их структуры, либо и то и другое вместе. [37]
Один из общих методов сжатия данных для их хранения или передачи заключается в использовании наиболее эффективного посимвольного кодирования. Такой общепринятый код, как EBCDIC, используемый при хранении в ЭВМ большинства файлов, как правило, не обеспечивает достаточно компактного кодирования. [38]
В общем случае под сжатием данных понимают процесс преобразования большого объема данных в меньший объем. Существует большое количество методов сжатия. Для оценки их эффективности используют показатель - степень сжатия, определяющий отношение объема несжатых данных к объему сжатых. Так, степень сжатия 10: 1 характеризует в пять раз более эффективное сжатие, чем 2: 1, и, например, для передачи сообщения, состоящего до сжатия из 100 символов, после него потребуется всего лишь десять символов. [39]
Какие модуляции целесообразно применять для сжатия данных. [40]
 |
Распределение двумерной дисперсии при ДКП Примеры сжатия изображений. [41] |
Рассмотрим простейший способ 2 реализация сжатия данных, называемый зональным кодированием. [42]
Рассмотрим прагматические и информационные аспекты сжатия данных в ходе бурения. [43]
Целью традиционных способов кодирования изображений является сжатие данных до допустимого уровня ухудшения качества изображения. Для всестороннего обозрения и обсуждения методов кодирования изображений вообще читатель направляется к гл. Успехи в разработке визуальных информационных систем поставили новые задачи кодирования изображения, которые частично отличаются от традиционных задач кодирования изображений. [44]
Важной областью применения ортогональных преобразований является сжатие данных. Если дискретный сигнал содержит N отсчетов, то его можно рассматривать как точку Af-мерного пространства. Тогда каждый отсчет является координатой Af-мерного вектора данных X, который представляет собой сигнал в этом пространстве. Для более эффективного представления можно осуществить ортогональное преобразование X, что приводит к YTX, где Y и Т - вектор коэффициентов преобразования и матрица преобразования соответственно. Целью сжатия данных является выбор подмножества М координат вектора Y, где М существенно меньше N. Остальные ( N - М) координат можно отбросить, не вызывая существенной ошибки при восстановлении сигнала по М координатам вектора Y. Следовательно, сравнивать ортогональные преобразования следует в соответствии с некоторым критерием ошибки. Одним из часто используемых критериев является критерий среднеквадратичной ошибки. [45]
Страницы: 1 2 3 4