MÔ PHỎNG NÉN DỮ LIỆU

Không tồn tại thuật toán nén được mọi tệp: nếu chuỗi nào cũng ngắn đi thì phải có hai chuỗi khác nhau cho cùng một kết quả, và lúc giải nén không biết chọn cái nào. Giới hạn thật nằm ở entropy Shannon của phân bố ký hiệu. Khi một ký hiệu chiếm áp đảo, cây Huffman lệch hẳn một bên và ký hiệu đó nhận mã chỉ một bit; khi mọi ký hiệu xuất hiện ngang nhau, entropy chạm trần log₂N nên mã dài bằng nhau và gần như không lời. Ảnh với âm thanh đi xa hơn được là nhờ vứt bớt chi tiết mà mắt và tai khó nhận ra.

▸ Đếm tần suất ký hiệu nguồn…
▸ Xếp hàng đợi ưu tiên theo tần suất
▸ Dựng cây Huffman (gộp 2 nút nhỏ nhất)…
▸ Gán mã tiền tố 0/1 theo cạnh
▸ Tính entropy Shannon H = −Σ p·log₂p
▸ Sẵn sàng — Trực tuyến. ✅
0%
⌂ Tư duy & Máy

Phòng mô phỏng Nén dữ liệu

Data Compression & Huffman Coding
Trực tuyến
Huffman · entropy · tỉ lệ nén
Bộ đo nén
🗜️ Tỉ lệ nén
Bit gốc—
Bit sau nén—
Tỉ lệ nén—
Entropy H—
Mã dài TB—
Số ký hiệu—
Ghi chú
Cây Huffman gán mã ngắn cho ký hiệu hay gặp, mã dài cho ký hiệu hiếm → số bit trung bình tiến sát entropy H — giới hạn lý thuyết của nén không mất dữ liệu.
—
Chọn "Kịch bản" (lệch / đều / lặp / mất mát…) · bấm ký hiệu hoặc khái niệm để xem chi tiết
Trình duyệt chưa bật canvas.
Bit thực tế vs lý tưởng (Shannon) theo từng ký hiệu bit thực tế (mã Huffman)bit lý tưởng −log₂(p)
Về Nén dữ liệu

Không tồn tại thuật toán nén được mọi tệp: nếu chuỗi nào cũng ngắn đi thì phải có hai chuỗi khác nhau cho cùng một kết quả, và lúc giải nén không biết chọn cái nào. Giới hạn thật nằm ở entropy Shannon của phân bố ký hiệu. Khi một ký hiệu chiếm áp đảo, cây Huffman lệch hẳn một bên và ký hiệu đó nhận mã chỉ một bit; khi mọi ký hiệu xuất hiện ngang nhau, entropy chạm trần log₂N nên mã dài bằng nhau và gần như không lời. Ảnh với âm thanh đi xa hơn được là nhờ vứt bớt chi tiết mà mắt và tai khó nhận ra.

Chủ đề liên quan trong Tư duy & Máy