Compression de données et théorème de Shannon: Compression de perte

Séances de cours associées (26)

Page 2 sur 3

Résumé du théorème de Shannon, soulignant l'importance de l'entropie dans la compression des données.

Démontre le calcul de l'entropie pour un exemple spécifique, résultant en une valeur d'entropie de 2,69.

Explore le théorème de codage source, l'entropie, le codage Huffman et l'impact du conditionnement sur la réduction de l'entropie.

Introduit la compression des données, l'entropie, et l'importance de réduire la redondance dans les données.

Couvre la définition de l'entropie, l'algorithme de Shannon-Fano et les sujets à venir.

Explore l'entropie, les algorithmes de compression et les méthodes de codage optimales pour la compression des données.

Explore le théorème de Shannon sur la compression des données et la performance des codes Shannon Fano.

Explore l'entropie comme un « jeu de questions » pour deviner les lettres efficacement et sa relation à la compression des données.

Explore les performances de l'algorithme Shannon-Fano et introduit des codes Huffman pour une compression efficace des données.

Introduit le théorème de Shannon sur les codes binaires, l'entropie et les limites de compression des données.