第五次作业

本文解答了信息论中几个核心问题,包括互信息的数学证明、无冗余度及等概率分布信源的压缩可能性,并探讨了图像正负片压缩难易度与信源相关性的理解。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

3-3 证明:I(X ; Y) = H(X) - H(X | Y)。
证明如下:

 

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,不能进行压缩,如果要进行压缩,那么信源就会失真,不能回到原来的状态。

 

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压缩,当信源不相关的时候,才不能进行压缩,而等概率不一定就不相关,因此,可以压缩。例如:对正弦信号的均匀取样值。

 

3-15   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:我不同意该观点,不管是负片还是正片,熵是一样的,所以压缩难易程度也会相同。

 

3-16   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。如果信源存在冗余,则可以进行压缩,所以信源是非等概率分布的。

转载于:https://www.cnblogs.com/zhaowenping/p/6091133.html

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值