[IR] Dictionary Coding
Lempel–Ziv–Welch
年发表的论文《A Universal Algorithm for Sequential Data Compression》中提出。
基于统计的数据压缩编码,比如Huffman编码,需要得到先验知识——信源的字符频率,然后进行压缩。但是在大多数情况下,这种先验知识是很难预先获得。
因此,设计一种更为通用的数据压缩编码显得尤为重要。LZ77数据压缩算法应运而生,其核心思想:利用数据的重复结构信息来进行数据压缩。
LZ77: referring to previously processed data as dictionary 利用内部信息作为字典。
在提出基于滑动窗口的LZ77算法后,两位大神Jacob Ziv与Abraham Lempel于年在发表的论文中提出了LZ78算法;
与LZ77算法不同的是LZ78算法使用动态树状词典维护历史字符串。
LZ78: use an explicit dictionary 字典是外置的。
LZ系列压缩算法均为LZ77与LZ78的变种,在此基础上做了优化。
- LZ77:LZSS、LZR、LZB、LZH;
- LZ78:LZW、LZC、LZT、LZMW、LZJ、LZFG。
LZW Encoding:
Video: https://www.youtube.com/watch?v=nW7OARbr7OI
"TO BE OR NOT TO BE OR TO BE OR NOT"
Idea:
以下是我们已知的字典。

再动态补充新发现的pattern字典,从27开始编号,如下所示:
| current | next | code | dictionary | ||
| T | O | 20 | TO | 27 | TO BE OR NOT TO BE OR TO BE OR NOT |
| O | B | 15 | OB | 28 | TO BE OR NOT TO BE OR TO BE OR NOT |
| B | E | 2 | BE | 29 | TO BE OR NOT TO BE OR TO BE OR NOT |
| E | O | 5 | EO | 30 | TO BE OR NOT TO BE OR TO BE OR NOT |
| O | R | 15 | OR | 31 | TO BE OR NOT TO BE OR TO BE OR NOT |
| R | N | 18 | RV | 32 | TO BE OR NOT TO BE OR TO BE OR NOT |
| N | O | 14 | NO | 33 | TO BE OR NOT TO BE OR TO BE OR NOT |
| O | T | 15 | OT | 34 | TO BE OR NOT TO BE OR TO BE OR NOT |
| T | T | 20 | TT | 35 | TO BE OR NOT TO BE OR TO BE OR NOT |
| TO | B | 27 | TOB | 36 | TO BE OR NOT TO BE OR TO BE OR NOT |
| BE | O | 29 | BEO | 37 | TO BE OR NOT TO BE OR TO BE OR NOT |
| OR | T | 31 | ORT | 38 | TO BE OR NOT TO BE OR TO BE OR NOT |
| TOB | E | 36 | TOBE | 39 | TO BE OR NOT TO BE OR TO BE OR NOT |
| EO | R | 30 | EOR | 40 | TO BE OR NOT TO BE OR TO BE OR NOT |
| RN | O | 32 | RNO | 41 | TO BE OR NOT TO BE OR TO BE OR NOT |
| OT | # | 34 | N/A | N/A | TO BE OR NOT TO BE OR TO BE OR NOT |
| Input | Output | ||||
这里共16行,也就是原来的24字节 --> 16字节。
LZW Decoding:
| code | prev | output | dictionary | ||
| 20 | T | TO BE OR NOT TO BE OR TO BE OR NOT | |||
| 15 | T | O | TO | 27 | TO BE OR NOT TO BE OR TO BE OR NOT |
| 2 | O | B | OB | 28 | TO BE OR NOT TO BE OR TO BE OR NOT |
| 5 | B | E | BE | 29 | TO BE OR NOT TO BE OR TO BE OR NOT |
| 15 | E | O | EO | 30 | TO BE OR NOT TO BE OR TO BE OR NOT |
| 18 | O | R | OR | 31 | TO BE OR NOT TO BE OR TO BE OR NOT |
| 14 | R | N | RN | 32 | TO BE OR NOT TO BE OR TO BE OR NOT |
| 15 | N | O | NO | 33 | TO BE OR NOT TO BE OR TO BE OR NOT |
| 20 | O | T | OT | 34 | TO BE OR NOT TO BE OR TO BE OR NOT |
| 27 | T | TO | TT | 35 | TO BE OR NOT TO BE OR TO BE OR NOT |
| 29 | TO | BE | TOB | 36 | TO BE OR NOT TO BE OR TO BE OR NOT |
| 31 | BE | OR | BEO | 37 | TO BE OR NOT TO BE OR TO BE OR NOT |
| 36 | OR | TOB | ORT | 38 | TO BE OR NOT TO BE OR TO BE OR NOT |
| 30 | TOB | EO | TOBE | 39 | TO BE OR NOT TO BE OR TO BE OR NOT |
| 32 | EO | RN | EOR | 40 | TO BE OR NOT TO BE OR TO BE OR NOT |
| 34 | RN | OT | RNO | 41 | TO BE OR NOT TO BE OR TO BE OR NOT |
| <Output> | <Input> | ||||
可见与encoding时表格一一对应的关系。
就是还原表格的过程。
[IR] Dictionary Coding的更多相关文章
- [IR] Huffman Coding
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 ...
- [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 ...
- 本人AI知识体系导航 - AI menu
Relevant Readable Links Name Interesting topic Comment Edwin Chen 非参贝叶斯 徐亦达老板 Dirichlet Process 学习 ...
- [Code] 烧脑之算法模型
把博客的算法过一遍,我的天呐多得很,爱咋咋地! 未来可考虑下博弈算法. 基本的编程陷阱:[c++] 面试题之犄角旮旯 第壹章[有必要添加Python] 基本的算法思想:[Algorithm] 面试题之 ...
- HANA Architecture
1 HANA 是基于内存计算的.行列都支持.使用列存储,列存储的特点是高压缩,查询快,节约空间, ---SAP HANA supports both, but is particularly opti ...
- python之最强王者(8)——字典(dictionary)
1.Python 字典(Dictionary) 字典是另一种可变容器模型,且可存储任意类型对象. 字典的每个键值(key=>value)对用冒号(:)分割,每个对之间用逗号(,)分割,整个字典包 ...
- Dictionary Learning(字典学习、稀疏表示以及其他)
第一部分 字典学习以及稀疏表示的概要 字典学习(Dictionary Learning)和稀疏表示(Sparse Representation)在学术界的正式称谓应该是稀疏字典学习(Sparse Di ...
- Coding源码学习第一部分(AppDelegate.m)
前言:在此首先感谢开源,感谢大神们的无私分享. Coding 的主页:https://coding.net/app#app-feature Coding 自己家的仓库:https://coding.n ...
- [IR] Compression
关系:Vocabulary vs. collection size Heaps’ law: M = kTbM is the size of the vocabulary, T is the numbe ...
随机推荐
- tomcat能正常启动但是访问项目的welcome界面出现404
http://www.linuxidc.com/Linux/2017-03/141986.htm http://blog.csdn.net/shasiqq/article/details/513026 ...
- docker 安装 nginx
docker pull nginx docker run -d -p 80:80 -v /opt/nginx/www/:/usr/share/nginx/html/ --name webserver ...
- App架构师实践指南一之App基础语法
第二章:App基础语法1.编程范式编程范型或编程范式(programming paradigm),是指从事软件工程的一类典型的编程风格.常见的编程范式有过程化(命令行)编程.事件驱动编程.面向对象编程 ...
- Windows 下的 Makefile 编写
Windows 下的 Makefile 编写(一)Makefile的基本规则 作者:cntrump Makefile对于很多人来说是陌生的,特别是习惯于使用 IDE 的人来说,似乎没有听说过 Make ...
- RDLC 图形报表预览时 “本地报表处理期间错误”
在RDLC报表中有图形报表的导出和打印都正常,但预览时"本地报表处理期间错误",这是因为你设置的图形太宽已经超过默认的A4 纸的宽度,解决办法:报表页面的报表--->报表属性 ...
- sed 简明教程 (转)
sed 简明教程 2013年2月20日 awk于1977年出生,今年36岁本命年,sed比awk大2-3岁,awk就像林妹妹,sed就是宝玉哥哥了.所以 林妹妹跳了个Topless,他的哥哥sed ...
- Hive SQL grouping sets 用法
概述 GROUPING SETS,GROUPING__ID,CUBE,ROLLUP 这几个分析函数通常用于OLAP中,不能累加,而且需要根据不同维度上钻和下钻的指标统计,比如,分小时.天.月的UV数. ...
- QT和MFC的差别
QT和MFC的差别 在使用MFC之前就已经使用Qt这个事实可能影响了我的客观性. (MFC效率较高,但大量的Windows API和消息机制使得其较难理解,不易用:QT封装较好,易用且跨平台,但效率较 ...
- pandas DataFrame(4)-向量化运算
pandas DataFrame进行向量化运算时,是根据行和列的索引值进行计算的,而不是行和列的位置: 1. 行和列索引一致: import pandas as pd df1 = pd.DataFra ...
- python 函数的参数的几种类型
定义函数的时候,我们把参数的名字和位置确定下来,函数的接口定义就完成了.对于函数的调用者来说,只需要知道如何传递正确的参数,以及函数将返回什么样的值就够了,函数内部的复杂逻辑被封装起来,调用者无需了解 ...