【数据压缩】Context-Based Compression

参考材料：数据压缩导论 Sayood（第6章）

——》这是几乎不需要对于信源预先的assumptions about the statistics of the data的压缩算法

**********************************************************

6.2 introduction

——》从chap3,4知道probability more skewed将可以带来更大的压缩；

——》在编码当前字符时不考虑前面的字符（我觉得等价于字符之间相互独立），和考虑前面的字符（context）是不一样的。考虑context会带来more skewed probability distribution；且context也分低阶context如first-order context和高阶context

——》用context-based的方法的困难在于所有可能的context数量是随着context的阶数呈指数增加；有一系列的算法就是解决这个问题，基本思路是“ppm：prediction with partial match”

**********************************************************

6.3 PPM

——》ppm不是“提前”存储所有可能的context，而是在编码过程中不断存储context。这样就不会存储那些所有可能的但是却不会实际出现的context（事实上，实际出现的context只占所有的可能中一小部分）。这样解决了上面context数量随指数增长的问题

——》但不提前计算“所有”的context下发送的字符带来一个问题，有些情况在发送时没有对应的计算结果。解决办法：escape symbol。用来标识现在发送的是不是已经存在于context表中。

1.basic ppm algorithm: 基本方法的编码示例

改进：

2.对escape symbol的改进

3.对于context最大长度的考虑

——》似乎context的长度越大越好，不过事实却是不一定：

   第一个原因不太懂；第二是最大context长度越长，可能发出的escape symbol也会越多。

   

——》ppm*——ppmz