အဆိုပါတိုင်းတာခြင်းသတင်းအချက်အလက်မှအဓိပ္ပာယ်ရှိတဲ့ချဉ်းကပ်: သင်သိထားရန်လိုအပ်သမျှ

အဆိုပါတိုင်းတာခြင်းသတင်းအချက်အလက်မှဆက်လက်မလုပ်ဆောင်ခင်ကျနော်တို့ကိုင်တွယ်ဖြေရှင်းနေကြသည်ဘာကိုချက်နှင့်အဓိပ္ပါယ်မိတ်ဆက်ပေးပါစေနဲ့ကျနော်တို့နားလည်ရကြမည်။

အဓိပ်ပါယျ

ပြန်ကြားရေး - မခွဲခြားဘဲမိမိတို့၏အကြောင်းအရာအားလုံး၎င်း၏ပုံစံများ, ပုံစံများအတွက်ဤသတင်းအချက်အလက်, မက်ဆေ့ခ်ျ, ဒေတာ။ စာရွက်တစ်ရွက်ပေါ်မှာရေးထားတဲ့တောင်မှပြည့်စုံအနတ္တ, သတင်းအချက်အလက်အဖြစ်ထည့်သွင်းစဉ်းစားစေနိုင်ပါသည်။ သို့သော်ရုရှားဖက်ဒရယ်ဥပဒ၏ဤအဓိပ်ပါယျ။

အောက်ပါတန်ဖိုးများကိုနိုင်ငံတကာစံချိန်စံညွှန်းများကနေခွဲထုတ်နိုင်ပါတယ်:

• အရာဝတ္ထုတွေ, အချက်အလက်တွေစိတ်ကူးများ, တန်ဖိုးအသိပညာ, ထင်မြင်ယူဆနေတဲ့အထူးသဖြင့်ရှေ့နောက်စကားရှိလူများအကြားလဲလှယ်;
• ဖြစ်ရပ်မှန်များ, ဖြစ်ရပ်များ, တန်ဖိုးများကို, အမှုအရာသည်တိကျသောအခြေအနေတွင်တစ်ဦးအထူးသဖြင့်အဓိပ္ပာယ်ကိုရှိသည်သောအယူအဆအသိပညာ။

ဒေတာများ - တစ်အကောင်အထည်ဖြစ်ပါတယ် , တင်ပြချက်၏ပုံစံ အချို့ကျမ်းများတွင်ဤနှစ်ခုသဘောတရားများကိုအလဲအလှယ်သုံးနိုငျပေမယ့်။

တိုင်းတာခြင်းနည်းလမ်းများ

အချက်အလက်များ၏အယူအဆ ကွဲပြားခြားနားသတ်မှတ်ထားသည်။ ဒါဟာကွဲပြားခြားနားတဲ့နည်းလမ်းတွေထဲမှာတိုင်းတာသည်။ အဆိုပါတိုင်းတာခြင်းသတင်းအချက်အလက်မှအောက်ပါအဓိကချဉ်းကပ်:

1. alphabet ။
2. ဖြစ်နိုင်ဖွယ်အလားအလာချဉ်းကပ်။
3. အဆိုပါတိုင်းတာခြင်းသတင်းအချက်အလက်မှအဓိပ္ပာယ်ရှိတဲ့ချဉ်းကပ်။

ထိုသူအပေါင်းတို့သည်ကွဲပြားခြားနားအဓိပ္ပာယ်ကိုက်ညီတဲ့နှင့်သူ၏ထင်မြင်ချက်များဒေတာနှင့် ပတ်သက်. ကွဲပြားစာရေးဆရာများအမျိုးမျိုးရှိသည်။ ဖြစ်နိုင်ဖွယ်အလားအလာချဉ်းကပ် AN တည်ထောင်ခဲ့ပါသည် Kolmogorov နှင့်များ၏ဘာသာရပ်ထည့်သွင်းစဉ်းစားကြဘူး , ဒေတာလွှဲပြောင်း မကိစ္စကြောင့်ပေးပို့ခြင်းနှင့်သူမ၏ဘာသာရပ်၏လက်ခံရရှိအဘို့ဖြစ်၏ဘယ်လောက်အရေးကြီးတယ်သူမ၏ပမာဏကိုတိုင်းတာ, သောကွောငျ့ဖွစျသညျ။ Shannon အသုံးပြုနေသူများကဖန်တီးသတင်းအချက်အလက်များ၏တိုင်းတာခြင်းမှအဓိပ္ပာယ်ရှိတဲ့ချဉ်းကပ်မှု, အကောင့်သို့ပိုပြီး variable တွေကိုယူပြီးအိမ်ရှင်ဤအချက်အလက်များ၏အရေးပါမှု၏အကဲဖြတ်တစ်ဦးကြင်ကြင်နာနာဖြစ်ပါတယ်။ ဒါပေမယ့်ဖွင့်နိုင်ရန်အတွက်အရာအားလုံးမှာကြည့်ရှုကြကုန်အံ့။

ဖြစ်နိုင်ဖွယ်အလားအလာချဉ်းကပ်

ပြောခဲ့တဲ့အတိုင်းအချက်အလက်များ၏ပမာဏကို၏တိုင်းတာခြင်းဖို့ချဉ်းကပ်မှုကအလွန်ကွဲပြားခြားနားသည်။ ဤသည်ချဉ်းကပ်မှု 1948 ခုနှစ် Shannon ကတီထွင်ခဲ့သည်။ ဒါဟာဆိုတဲ့အချက်ကိုတည်ရှိသည် အချက်အလက်များ၏ပမာဏကို ဖြစ်ရပ်များနှင့်၎င်းတို့၏ဖြစ်နိုင်ခြေများ၏အရေအတွက်ပေါ်တွင်မူတည်သည်။ တစ်ဦးချင်းစီအဖြစ်အပျက်၏ဖြစ်နိုင်ခြေဖြစ်ပါသည် - _{ဈဖြစ်ရပ်များနှင့်} p ၏နံပါတ် - လိုအပ်သောအရေအတွက် N ကဖြစ်ပါတယ် - ဤချဉ်းကပ်မှုအတွက်ရရှိသောအချက်အလက်များ၏ပမာဏကိုတွက်ချက်ငါရသောအောက်ပါပုံသေနည်း၏နိုင်ပါတယ်။

အက္ဏရာစဉ်

အချက်အလက်များ၏ပမာဏကိုတွက်ချက်ဘို့လုံးဝ Self-ပါရှိသောနည်းလမ်း။ ဒါဟာမက်ဆေ့ခ်ျ၌ရေးထားလျက်ရှိ၏ခဲ့ကွောငျးကိုစဉ်းစားဘူး, စာဖြင့်ရေးသားအကြောင်းအရာ၏နံပါတ်နှင့်အတူပေါင်းသင်းမထားဘူး။ အချက်အလက်များ၏ပမာဏကိုတွက်ချက်ရန်ကျွန်ုပ်တို့အက္ခရာနှင့်စာသား၏ပမာဏ၏တန်ခိုးကိုသိရန်လိုအပ်ပါသည်။ တကယ်တော့အာဏာအက္ခရာမှကန့်သတ်မထားပါ။ သို့သော်ကွန်ပျူတာများ 256 အက္ခရာအလုံအလောက်ပါဝါအက္ခရာကို အသုံးပြု. ရသည်။ ဒါကြောင့်ကျနော်တို့အချက်အလက်များ၏အရေအတွက်ကိုရေတွက်နိုင်ပါကအတူကွန်ပျူတာပေါ်တွင်ပုံနှိပ်စာသားရဲ့သင်္ကေတကိုသယ်ဆောင်။ ⁸ 256 = 2 ^{ကွောငျ့,} တဦးတည်းရဲ့သင်္ကေတအချက်အလက်များ၏ 8 bits သည်ဖြစ်ပါတယ်။

bit 1 - ဒီနိမ့်ဆုံးဖြစ်ပြီး, ခွဲခြားအချက်အလက်များ၏အရေအတွက်ကို။ Shannon ၏အဆိုအရကအသိပညာ၏မသေချာမရေရာနှစ်ဆလျော့နည်းစေကြောင်းဒေတာပမာဏဖြစ်ပါတယ်။

= 1 က byte 8 bits သည်။

1024 bytes = 1 ကီလိုဘိုက်။

1 kilobyte = 1024 Mb ။

စိတ်ထင်

သငျသညျမွငျနိုငျသကဲ့သို့, သတင်းအချက်အလက်များ၏တိုင်းတာခြင်းဖို့ချဉ်းကပ်မှုကအလွန်ကွဲပြားခြားနားသည်။ ယင်း၏အရေအတွက်တိုင်းတာရန်နောက်ထပ်နည်းလမ်းရှိပါတယ်။ ဒါဟာအရေအတွက်ဒါပေမယ့်လည်းအရည်အသွေးမသာအကဲဖြတ်ဖို့ခွင့်ပြုပါတယ်။ သတင်းအချက်အလက်များ၏တိုင်းတာခြင်းမှအဓိပ္ပာယ်ရှိတဲ့ချဉ်းကပ်အကောင့်ထဲသို့အချက်အလက်များ၏အသုံးဝင်မှုယူခွင့်ပြုပါတယ်။ ဒါ့အပြင်ဒီချဉ်းကပ်နည်းအချက်အလက်များ၏ပမာဏကိုကလူရလိမ့်မည်ဟုအသစ်ကအသိပညာ၏ပမာဏကဆုံးဖြတ်သတင်းစကား, သို့ ဝင်. ဆိုလိုသည်။

သင်္ချာပုံသေနည်းထဲမှာထုတ်ဖော်ပြောဆိုခဲ့လျှင်, 1bitu ညီမျှအချက်အလက်များ၏ပမာဏကို 2 ကြိမ်လူ့အသိပညာ၏မသေချာမရေရာမှုကိုလျှော့ချသင့်ပါတယ်။ ထို့ကြောင့်ကျနော်တို့အချက်အလက်များ၏ပမာဏကိုဆုံးဖြတ်ရန်အောက်ပါဖော်မြူလာကိုအသုံးပြုပါ:

ထိုအချက်အလက်များ၏အရေအတွက်နဲ့ N - - အညီအမျှဖြစ်နိုင်ခြေရလဒ်များ၏အရေအတွက်ကိုက X = ₂ N ကို, ဌာန၏ X ကို log ။ ဥပမာ, ပဟေဠိဖြေရှင်းနိုင်။

ကျနော်တို့လေးယောက်နှစ်ဖက်နဲ့သုံးရှေ့ကနေပိရမစ်များဆိုပါစို့။ သင်ကတက်ဆမ်းလိုက်တဲ့အခါကလေးနှစ်ဖက်ထဲကတစ်ခုအပေါ်ကျကြလိမ့်မည်ဟုအခွင့်အလမ်းလည်းမရှိ။ ထို့ကြောင့် N က = 4 (equiprobable ရလဒ်များအရေအတွက်) ။ သငျသညျ, ကျွန်တော်တို့ရဲ့အရာဝတ္ထုမျက်နှာတွေကိုတဦးအပေါ်ကျလိမ့်မည်, ဒါကြောင့်သင်တစ်ဦးအကြွေစေ့လှန်ကြောင့်အစွန်းမြင့်တက်ဖို့မြျှောလငျ့ပါလျှင်ထက်လျော့နည်းဖြစ်လတံ့သောအခွင့်အလမ်းကိုသိသည်။

ဆုံးဖြတ်ချက်။ X ကို = ₂ log N ကို = = 2 _{ဧပြီလ 2} log ။

သငျသညျမွငျနိုငျသကဲ့သို့, 2. ၏ရလဒ်သို့သော်လည်းအဘယ်သို့ဒီကိန်းဂဏန်းပါသလဲ ဖော်ပြခဲ့သည့်အတိုင်းတိုင်းတာခြင်း၏, နိမ့်ဆုံးခွဲခြားယူနစ် - bit နဲ့။ ရလဒ်အနေနဲ့ကဆြုံးပြီးနောက်ကျနော်တို့အချက်အလက်များ၏ 2-bits တယ်။

ဒေတာတိုင်းတာခြင်းမှချဉ်းကပ်ကွန်ပျူတာလော်ဂရစ်သမ်များအတွက်အသုံးပြုသည်။ သင်တို့သည်ဤစစ်ဆင်ရေးရိုးရှင်းတစ်ခုဂဏန်းတွက်စက်သို့မဟုတ်လော်ဂရစ်သမ်၏အထူးစားပှဲကိုသုံးနိုင်သည်။

အလေ့အကျင့်

သငျသညျ, ထိုအသိပညာဤဆောင်းပါး၌ရရှိခဲ့သည့်အချက်အလက်များ၏တိုင်းတာခြင်းမှအဓိပ္ပာယ်ရှိတဲ့ချဉ်းကပ်မှုအကြောင်းကိုအထူးသဖြင့်ဒေတာများအသုံးဝင်သောတွေ့ပါစေခြင်းငှါအဘယ်မှာရှိသနည်း တစ်ဦးသံသယမရှိဘဲ, ကွန်ပျူတာပေါ်မှာစာမေးပွဲ။ ထိုကိစ္စ၏ထည့်သွင်းစဉ်းစားပါကပိုပြီးလွယ်ကူအထူးသဖြင့်ပြည်တွင်းနှင့်ပြည်ပမှတျဉာဏျ၏အရွယ်အစားအတွက်, ကွန်ပြူတာနည်းပညာလမ်းညွှန်ဖို့စေသည်။ တကယ်တော့ ဤအသိပညာဖြစ်ပါတယ် လက်တွေ့ကျတဲ့တန်ဖိုးရှိသည်မဟုတ်ကြဘူး, သိပ္ပံအတွက် မှလွဲ. ။ အဘယ်သူမျှမအလုပ်ရှင်စာရွက်စာတမ်းပေါ်တွင်ပုံနှိပ်အချက်အလက်များ၏ပမာဏကိုတွက်ချက်ရန်သင့်အားအတင်း, ဒါမှမဟုတ် program တစ်ခုရေးဖို့လိမ့်မည်မဟုတ်ပါ။ ပရိုဂရမ်းမင်းအတွက်ဘယ်မှာသင်တစ်ဦး variable ကိုမှခွဲဝေမှတ်ဉာဏ်ပမာဏသတ်မှတ်ဖို့လိုအပ်ပါလိမ့်မယ်ဆိုတာပါပဲ။