1. 哈夫曼编码。对教材P167中习题5.18,思考并完成问题a-d。
(下表给出了英文字母(包括用于分割单词的空格)在某文集中的出现频率。
空格 18.3% | r 4.8% | y 1.6%
e 10.2% | d 3.5% | p 1.6%
t 7.7% | l 3.4% | b 1.3%
a 6.8% | c 2.6% | v 0.9%
o 5.9% | u 2.4% | k 0.6%
i 5.8% | m 2.1% | j 0.2%
n 5.5% | w 1.9% | x 0.2%
s 5.1% | f 1.8% | q 0.1%
h 4.9% | g 1.7% | z 0.1%
(a)这些字母的最优Huffman编码是什么?
(b)每个字母的编码平均需要多少位?
(c)假设我们对以上的频率表计算其熵H= .您认为该值会比以上的计算结果大还是小?为什么?
(d)您是否认为这就是英文文本压缩的下线?除了字母及其出现频率,还有哪些英文本身的特征需要在文本压缩中被重点考虑?
字母最优编码为
a:1000
b:100101
c:01110
d:11110
e:001
f:100100
g:100101
h:0101
j:1111111101
k:11111110
l:10011
m:111110
n:0000
o:1010
p:100111
q:1111111110
r:0110
s:0100
t:1110
u:01111
v:1111110
w:100101
x:1111111101
y:101100
z:1111111111
B
字母编码由计算得需要六位;
C
结果比熵要大(约为5.7),因为在计算熵的时候允许有小数个比特,而实际上每个字符的编码长度都必需为整数.
D
我不认为;
除了字母及其出现的频率,还可以重点考虑某些常见字母的组合。单词的前缀,后缀,等等.