为了保证:Block中,所有的叶子在所有的中间结点的前面。Static: Huffman coding

Dynamic: Adaptive Huffman


一些概念

压缩指标

• Compress a 10MB file to 2MB
• Compression ratio = 5 or 5:1
• Space savings = 0.8 or 80%

对称与非对称

• Symmetric compression 对称压缩
  – requires same time for encoding and decoding
  – used for live mode applications (teleconference)
• Asymmetric compression 非对称压缩,压缩慢,解压快
  – performed once when enough time is available
  – decompression performed frequently, must be fast
  – used for retrieval mode applications (e.g., an interactive CD-ROM)

压缩解压的唯一性 - Uniquely decodable

compression的基本条件。

Static or Dynamic codes

Static:

Huffman coding,需知道字符的编码。-->

Dynamic:

Adaptive Huffman。-->

Shannon’s Result


Huffman coding

前提是需知晓 Freq。

L

= ( 30*2 + 30*2 + 20*2 + 10*3 + 10*3 ) / 100
= 220 / 100
= 2.2

问题一

香农理论极限是:

H
= -0.3 * log 0.3 + -0.3 * log 0.3 + -0.2 * log 0.2 + -0.1 * log 0.1 + -0.1 * log 0.1
= -0.3*(-1.737) + -0.3*(-1.737) + -0.2 * (-2.322) + -0.1 * (-3.322) + -0.1 * (-3.322)
= 0.3 log 10/3 + 0.3 log 10/3 + 0.2 log 5 + 0.1 log 10 + 0.1 log 10
= 0.3*1.737 + 0.3*1.737 + 0.2* 2.322 + 0.1*3.322 + 0.1*3.322
= 2.17 < 2.2   // 说明未达到极限,还有压缩的余地

问题二

Freq不平均的话,压缩率越差。

L = (100000*1 + ...)/100010
≈ 1

H = 0.9999 log 1.0001 + 0.00006 log 16668.333
+ ... + 1/100010 log 100010
≈ 0.00


Adaptive Huffman

Problems of Static coding
• Need statistics & static: e.g., single pass over the data just to collect stat & stat unchanged during encoding
• To decode, the stat table need to be transmitted. Table size can be significant for small msg.
 => Adaptive compression e.g., adaptive huffman

两个阶段:

• FGK Algorithm
• Vitter's Invariant

FGK Algorithm.

Video: https://www.youtube.com/watch?v=N5pw_Z-oP-4

Rule: 

In the same block,中间结点的index总是大于叶子结点的index。<-- Vitter's Invariant

权重值大的结点,其index也较大。

Operation:

操作1:Leaf node: move first, then update

操作2:Internal node: update first, then move.

NYT node = null node.

Stream: abcbaaa

a = 0110 0001

b = 0110 0010

c = 0110 0011

Step 1

[0110 0001]

表示插入的位置是左枝

Step 2

插入b之后的样子如下。

Next,需要执行“操作2”。

原来的NYT变为1(孩子value之和),补充完编号。(update)

考虑move操作,画出block,所有标号为1的nodes。

为了保证:Block中,所有的叶子在所有的中间结点的前面。

但,目前满足这个要求么?显然不是,如下的1,a 比较碍眼。

252 253 254 255 256
NYT b a 1

那么,如何move?将上图中的254结点连带子树 与 跟它冲突的255交换。

可见,这样就重新满足了the Rule.

0110 0001]

Step 3

然后继续 insert c,当然还是在NYT这个位置。

插入效果如下:

Next,还是先 update internal node。

为了保证:Block中,所有的叶子在所有的中间结点的前面。

但,目前满足这个要求么?显然不是,如下的1,b,a 比较碍眼。

251 252 253 254 255
c b a 1

开始move:253,254左移,给252的1腾出地儿。

可见,这样就重新满足了the Rule.

0110 0001] 0110 0011]

Step 4

4th是b,已有b,所以挂在已有的node b下面。

0110 0001]

这次,先 update leaf node,也包括node b的个数++。

这里满足了the Rule的第一条,即叶子结点index较小。

但,the Rule的第二条未满足,即权重大的index较大。

c(1) b(2) a(1) (1)

所以,将b移动到最后位置254,如下。

可见,这样就重新满足了the Rule.

0110 0001] ]

Step 5

5th是a,已有a,所以挂在已有的node a下面。

0110 0001] ] 10

这里满足了the Rule的第一条,即叶子结点index较小。

但,the Rule的第二条未满足,即权重大的index较大。

252 252 253
c(1) a(2) (1)

交换252与 253及其子树后,如下:

可见,这样就重新满足了the Rule.

0110 0001] 0110 0011]] ]

Step 6

6th是a,已有a,所以挂在已有的node a下面。

0110 0001] 0110 0011] ] ]

此时,253的a的权重变为3,根据the Rule,权重大的index较大。

所以,253:a 应该在254:b的后面。交换后,如下:

0110 0001] 0110 0011] ] ] ]

Step 7 

7th是a,已有a,所以挂在已有的node a下面。

0110 0001] 0110 0011] ] ]

此时,254的a的权重变为4,根据the Rule,权重大的index较大。

所以,254:a 应该在255的后面。交换后如下:

0110 0001] 0110 0011] ] ] ]

[IR] Huffman Coding的更多相关文章

  1. hdu 1053 (huffman coding, greedy algorithm, std::partition, std::priority_queue ) 分类: hdoj 2015-06-18 19:11 22人阅读 评论(0) 收藏

    huffman coding, greedy algorithm. std::priority_queue, std::partition, when i use the three commente ...

  2. [IR] Arithmetic Coding

    Statistical methods的除了huffman外的另一种常见压缩方式. Huffman coding的非连续数值特性成为了无法达到香农极限的先天无法弥补的缺陷,但Arithmetic co ...

  3. 霍夫曼编码(Huffman Coding)

    霍夫曼编码(Huffman Coding)是一种编码方法,霍夫曼编码是可变字长编码(VLC)的一种. 霍夫曼编码使用变长编码表对源符号(如文件中的一个字母)进行编码,其中变长编码表是通过一种评估来源符 ...

  4. 哈夫曼编码(Huffman coding)的那些事,(编码技术介绍和程序实现)

    前言 哈夫曼编码(Huffman coding)是一种可变长的前缀码.哈夫曼编码使用的算法是David A. Huffman还是在MIT的学生时提出的,并且在1952年发表了名为<A Metho ...

  5. 【CodeForces】700 D. Huffman Coding on Segment 哈夫曼树+莫队+分块

    [题目]D. Huffman Coding on Segment [题意]给定n个数字,m次询问区间[l,r]的数字的哈夫曼编码总长.1<=n,m,ai<=10^5. [算法]哈夫曼树+莫 ...

  6. <Sicily>Huffman coding

    一.题目描述 In computer science and information theory, a Huffman code is an optimal prefix code algorith ...

  7. 哈夫曼编码的理解(Huffman Coding)

    哈夫曼编码(Huffman Coding),又称霍夫曼编码,是一种编码方式,可变字长编码(VLC)的一种.Huffman于1952年提出一种编码方法,该方法完全依据字符出现概率来构造异字头的平均长度最 ...

  8. Huffman coding & Huffman tree

    Huffman coding & Huffman tree Huffman coding 哈夫曼编码 / 最优二元前缀码 Huffman tree 哈夫曼树 / 最优二叉树 https://w ...

  9. jpeg huffman coding table

    亮度DC系数的取值范围及序号:                                                               序号(size) 取值范围 0 0  1 - ...

随机推荐

  1. Python爬虫实例:糗百

    看了下python爬虫用法,正则匹配过滤对应字段,这里进行最强外功:copy大法实践 一开始是直接从参考链接复制粘贴的,发现由于糗百改版导致失败,这里对新版html分析后进行了简单改进,把整理过程记录 ...

  2. ClassLoader加载资源时的搜索路径

    先来个例子: /** * 测试classloader加载路径在哪里<p> * main3 */ public static void main3(String[] args) { Prop ...

  3. Internet Explorer 11:不要再叫我IE

    上周,Internet Explorer 11搭载Windows 8.1预览版而来,相信很多浏览迷也已经在使用中.Internet Explorer 11 Preview 改进了与 Web 标准.其他 ...

  4. GitHub超全机器学习工程师成长路线图,开源两日收获3700+Star!【转】

    作者 | 琥珀 出品 | AI科技大本营(ID:rgznai100) 近日,一个在 GitHub 上开源即收获了 3700+ Star 的项目,引起了营长的注意.据介绍,该项目以 TensorFlow ...

  5. Android中Bundle和Intent的区别

    Bundle的作用,以及和Intent的区别: 一.Bundle: A mapping from String values to various Parcelable types 键值对的集合 类继 ...

  6. Windows Server 2012 R2 或 2016 无法安装 .NET Framework 3.5.1

    问题描述 使用 Windows Server 2012 R2 或 Windows Server 2016系统,发现在安装 .NET Framework 3.5.1 时报错,报错内容如下图所示. 原因分 ...

  7. redis 基本信息查询

    在客户端可以用telnet命令 telnet ip port 再输入info 返回如下信息:

  8. Django中使用Celery,定制应用程序中定义的shared_task未在定期任务管理页面的注册任务中显示

    解决办法: 在项目 proj/proj/celery.py文件中,看到下面这行配置: celery_app.config_from_object('django.conf:settings', nam ...

  9. Selenium 致命杀手(有关自动化的通病)

    Do your scripts suffer from the following automation test flaky symptoms? Test randomly fail Works o ...

  10. 【SqlServer】解析SqlServer的分页

    方式1: 假设页数是10,现在要拿出第5页的内容,查询语句如下: --10代表分页的大小 * from test where id not in ( --40是这么计算出来的:10*(5-1) id ...