فشرده سازی اطلاعات متغیر با زمان با استفاده از کد هافمن
نویسنده:
چکیده:
در این مقاله با استفاده از شبکه عصبی مصنوعی، تابعی بر منحنی چگالی احتمال، رشته اطلاعات افراز می شود. این امر باعث می شود که منحنی چگالی احتمال رشته اطلاعات به وسیله تعدای پارامتر تقریب زده شده و از آن به منظور حافظه دار کردن منحنی چگالی احتمال و نیز جهت فشرده سازی اطلاعات با روش هافمن استفاده می شود. تفاوت بین روش پیشنهادی و روش عمومی الگوریتم هافمن در این است که در روش پیشنهادی به جهت حافظه دار کردن منحنی چگالی احتمال، می توان چندین بار از الگوریتم هافمن برای کد کردن رشته اطلاعات استفاده کرد و در هر بار کد کردن اطلاعات، تابع چگالی احتمال را تقریب زده و اطلاعات مربوط به تابع چگالی احتمال را به انتهای رشته مورد نظر اضافه کرد. بنابراین علی رغم متغیر بودن تابع چگالی احتمال در هر مرحله، الگوریتم هافمن با استفاده از روش پیشنهادی قابل پیاده سازی است. همچنین دو الگوریتم برای کدکردن و دیکد کردن رشته اطلاعات پیشنهاد شده است. درانتها درصد فشرده سازی روش پیشنهادی با دو روش FDR Code وGolomb مقایسه می گردد
کلیدواژگان:
زبان:
فارسی
در صفحه:
61
لینک کوتاه:
magiran.com/p1162666
دانلود و مطالعه متن این مقاله با یکی از روشهای زیر امکان پذیر است:
اشتراک شخصی
با عضویت و پرداخت آنلاین حق اشتراک یکساله به مبلغ 1,390,000ريال میتوانید 70 عنوان مطلب دانلود کنید!
اشتراک سازمانی
به کتابخانه دانشگاه یا محل کار خود پیشنهاد کنید تا اشتراک سازمانی این پایگاه را برای دسترسی نامحدود همه کاربران به متن مطالب تهیه نمایند!
توجه!
- حق عضویت دریافتی صرف حمایت از نشریات عضو و نگهداری، تکمیل و توسعه مگیران میشود.
- پرداخت حق اشتراک و دانلود مقالات اجازه بازنشر آن در سایر رسانههای چاپی و دیجیتال را به کاربر نمیدهد.
In order to view content subscription is required
Personal subscription
Subscribe magiran.com for 70 € euros via PayPal and download 70 articles during a year.
Organization subscription
Please contact us to subscribe your university or library for unlimited access!