arithmetic coding

• en cok kullanilan entropy coding yontemi. huffman encoding sembol bazinda optimum kodlama teknigi olmasina ragmen olasiligi yuksek olan sembollerin bulundugu alfabelerde yetersiz kalir. bu durum iyi bir compression rate icin birden cok sembolun kodlama amaciyla kullanilmasini gerektirir. birkac sembolluk gruplari tek sembol olarak kabul ederek huffman coding yapmak bu problemi cozebilir ancak exponansiyel olarak artan alfabe boyutu cinar agaclariyla kapisacak huffman tree'lere dalalettir. dogru cozum ise ozunde fraktal yapisi kullanarak tum serilerin bir sayiya indirgenebilecegi gercegi olan arithmetic coding'dir. bu da demektir ki gercek anlamda analog bilgisayar olsaydi dunya cok farkli bir yer olacakti. bu yontemi ilk kez claude elwood shannon un buldugu rivayet edilir. daha sonra huffmanla ayni sinifta olan^* peter elias da bu yontemi kesfetmis ama hic yayinlamamistir. daha sonra 1960-70 arasi yayinlanan birkac kitapta ustu kapali olarak belirtilmis ama adi verilmemistir. dolayisiyla arithmetic coding tek bir kisiye mal edilemez. her sembolde secilen alt aralik kuculdugu icin birkac sembol sonra hem floating point hem de double precision machine epsilon yuzunden siciverir. bu yuzden bu ondalik sayilarimizi temsil etmek icin bitstream ve de bir adet buffer ediniriz, dahasi birim araligin yarisina dustugumuz zaman onu ikiyle carpar^* tekrar kaldigimiz yerden devam ederiz. bu da fraktalin icine zoomlayarak benzer seyleri gordugumuz recursionun dijital halinden baska bir sey degildir. boylece tum stream'i okuduktan sonra kodlamak zorunda kalmaktan ve de turlu turlu memory problemlerinden kurtulmus oluruz. arithmetic coding birinci derece entropi degerine cok yaklasir, seri buyudukce daha da gotune yapisir^* aynisi gibi gorunur. en guzel yani ise compressionun modeling ve coding a$amalarini birbirinden ayirabilmesi, yani her sembolu kodlarken farkli model kullanimina olanak vermesidir. bu yuzdendir ki compression algoritalarinin bircogu en son asamada arithmetic coding kullanirlar.