zoukankan      html  css  js  c++  java
  • 第五次作业

    3-9 没有冗余度的信源还能不能压缩?为什么?

          答:没有冗余度的信源还可以压缩,因为它可以进行有损压缩,只是不能进行无损压缩。

    3-10 不相关的信源还能不能压缩?为什么?

           答:不相关的信源可以进行有损压缩,如果有一定的冗余度的还可以进行无损压缩,例如信源的非等概率分布。

    3-12 等概率分布的信源还能不能压缩?为什么?你能举例说明吗?

           答:等概率分布的信源可以进行有损压缩;另外,“等概率”未必“不相关”,例如对方波信号或锯齿波信号的均匀取样值。

    3-15 有人认为:“图像的负片(黑白颠倒)比正片更容易压缩”。你同意他的观点吗?为什么?

            答:我不同意他的观点。图像有正片和负片之分,负片冲出来是负像,正片冲出来是正像。所谓负像就是说黑白颠倒;而正片则是所见即所得。负片不能直接观看,而正片则可以通过幻灯机或者观片器直接观看。而且图像的负片(黑白颠倒)和正片两者的熵是一样的,因此进行压缩的难易程度是差不多的。

    3-16 有人认为:“相关的信源是非等概率分布的”。你同意他的观点吗?为什么?

           答:我同意他的观点。当信源冗余度为零时,信源的实际熵最大,表明信源符号间是等概率分布的且彼此间是不相关。此外,信源的相关程度越大,信源的实际熵就越小;信源符号分布的不均匀性也会使信源的实际熵越小,则必然会存在冗余度,从而就有信源在通常情况下是非等概率分布的,即相关的信源是非等概率分布的。

  • 相关阅读:
    阿里数据中台
    智慧公安及移动执法平台(中云微迅)
    平安智慧城市的智慧政务
    数据分析师干货-业务逻辑篇
    数据分析师常用商业模型(一)
    智慧政务大数据云平台解决方案
    说几个flink好做spark却不好做的场景
    spark比flink好用的点
    干货好文!自底向上——知识图谱构建技术初探
    用户分析模型
  • 原文地址:https://www.cnblogs.com/zhangcui/p/4863271.html
Copyright © 2011-2022 走看看