标签：ges .com 数据 blog jpg 举例 img src 相关
3-3 证明：I(X;Y)=H(X)-H(X|Y)
3-9 没有冗余度的信源还能不能压缩？为什么？
答：能。
没有冗余度的信源，还能进行有损压缩，但是不能进行无损压缩。
因为无损压缩 数据=信息+冗余量
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：至少可以进行有损压缩。因为“等概”未必“不相关”，例如：对正弦信号的均匀取样值。
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？
不同意。图像的正负片的熵是相同的，在压缩结果一致的情况下，压缩率是一样的。
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：不同意。因为“等概”未必“不相关”，“不等概”未必“相关”。非等概率分布能说明存在冗余度，能够进行压缩，能得出该信源是非等概率分布的。
标签：ges .com 数据 blog jpg 举例 img src 相关
原文地址：http://www.cnblogs.com/luyali/p/6074049.html
