6.信息论(一):信息量、熵和最优编码
来源:互联网 发布:js json遍历 编辑:程序博客网 时间:2024/06/06 01:04
前言
信息论是由克劳德·香农发展,用来找出信号处理与通信操作的基本限制,如数据压缩、可靠的存储和数据传输等。自创立以来,已被应用多个领域,例如自然语言处理(NLP)、机器学习等领域。
定长编码(Block Codes)
让我们从一个例子开始。小明酷爱动物,日常谈吐中经常提及各种动物,包括:狗、猫、鱼和鸟。一天,小明见到小红(原谅我这么俗的名字),两个人决定用二进制的方式来交流。为了交流方便,小明和小红决定制定一套编码规则
此时,若小明要发出“狗 猫 狗 鸟”的信息,需要完成以下过程:
通过以上三个过程,便可以将“狗 猫 狗 鸟”转化为二进制了。
变长编码(Variable Codes)
实际中,通讯往往需要付费,假设通讯按位(bit)收费。为了省钱,小明和小红需要寻找合适的编码策略。在设计编码策略中,小红统计了小明的说话
此时,若按照上面的定长编码,每个字的平均编码长度
若想进一步压缩平均编码长度,变长编码是一种有效的手段。变长编码的基本思想:出现频率高的字符使用短编码,出现频率低的字符使用长编码。(你可能会问,为什么不让所有的编码都使用短编码?嘿嘿,都使用短编码,还能实现一一对应吗?)基于上述思想,小明和小红重新指定了一套新的编码策略:
此时,每个字的平均编码长度为
显然,新的策略能够帮小明和小红省很多钱。那么,小明和小红是如何设计的呢?
无损编码(lossless compression)
为了便于接下来的描述,以下图为例介绍几个名称
其中狗、猫、鱼等称为源符号,
无损编码
小明和小红的交流中,首先要保证信息的无损性,即保证编码后的信息能够无损的复原。若使用定长编码,复原信息轻而易举便可实现,而变长编码则不同。假如使用上图,此时小明给出的代号为
根据约定好的码表,小红既可以理解成“狗 狗 鸟 狗”,也可以理解成“狗 猫 鱼”。显然,这是小明和小红不愿意看到的。通过查阅资料,小明和小红发现他们遇到的问题是“无损编码”问题:
无损编码是一类数据压缩算法,其压缩的数据能够无损的复原为原始数据。
若
- 非奇异编码(Non-singular code):
x1≠x2⟹C(x1)≠C(x2)
在实际中,我们往往需要一次编码一系列字符,而不是一次编码一个字符,因此它需要满足:
- 可扩展编码(Extension of a code):
C(x1,...,xn)=C(x1)...C(xn) - 唯一可译解码(Unique decodability):
xni≠xmj⟹C(xni)≠C(xmj)
尽管唯一可译解码已经足够强了,但它并不能支撑“收到所有字符以后才进行解码”的情况。例如,
当收到的代号是
x1≠x2⟹C(x1)≠Prefix(C(x2))
即任意符号的编码都不是其他编码的前缀。基于前缀编码,
在上面的介绍中,分别介绍了“非奇异编码”、“唯一编码”、“前缀编码”。这些编码方式的相互关系可以通过下图来描述:
通过上面的知识,前缀编码是解决编码复原最好的方式,下面就需要考虑如何优化编码长度。
最优编码
需要注意的是,本文讨论的是源符号有限且已知的编码。更多关于最优编码的知识,可以参考Information Processing and Learning。
码树
在介绍最优编码之前,首先介绍一下码树和Karft不等式。对于给定码字的全体集合,可以使用码树来表示。对于
Karft不等式
对于
反之,若给定满足以上不等式的一组码字长度,则存在一个相应的前缀码,其码字长度就是给定长度。其中
正向证明
假设
考虑到前缀编码的特性,子树之间不存在叶节点交叉,即:
因此
其中
反向证明
假设
这时问题就转化为:不再考虑的节点个数是否比总的节点个数(
至此正向、反向证明均已完成。
最优编码
随机变量
当且仅当
上面的问题可以转化为
上面的问题可以转化为不等式约束下的拉格朗日数乘法,即
根据极值满足的条件得:
显然
从公式二可知:
故
经过上面的证明可知,小明只需要用前缀编码,且码长满足
总结
通过上面的讨论,我们找到了小明和小红信息交流的理论依据。在后面的博客中,我会带来更多知识!
- 6.信息论(一):信息量、熵和最优编码
- 关于 信息熵/信息量/信息论/信息增益
- 用c编写求信息论中各种熵和信息量的程序
- 信息论中的信息量
- 信息论与编码 学习笔记(一)
- 图像熵和信息量
- 【信息论】信源与信源熵(一)
- 理解shannon信息论中的自信息量
- 熵(信息论中)
- 【机器学习】信息量,信息熵,交叉熵,KL散度和互信息(信息增益)
- 最优二叉树--哈夫曼树和最优前缀编码--哈夫曼编码
- 【信息论】信道与信道容量(一)
- 信息论编码发展
- 信息论与编码复习
- 信息论与编码 上机
- 信息论的编码
- 谈谈编码 | 信息论
- 信息论之哈夫曼编码
- java web项目的启动及初始化
- jQuery插件之【jqGrid】常用语法整理
- ThinkPHP save() 方法
- 类型转换
- maven项目install时候一直报错,检查Maven-javadoc-plugin声明错误(Java 8 配置Maven-javadoc-plugin)
- 6.信息论(一):信息量、熵和最优编码
- ORA-29786: SIHA attribute GET failed with error
- 递归实现 满二叉树的节点数计算
- 计算机网络作业四
- JAVA NIO 读写文件
- python中datetime与str的互相转化
- 实验3 二叉树的遍历
- Mac平台基于Eclipse使用OpenCV Java
- 内存分析工具 MyEclipse MAT Memory Analyzer Tool 插件安装