| 研究概要 |
CTW(文脈木重み付け)法は,再帰的な確率モデルに対する効率の良い重みつけの方法である.本研究では,主にCTW法を用いた無歪みデータ圧縮法に関して次のような成果を得た.
1.木情報源を含む定常エルゴ-ト情報源にCTW法を適用する際に従来問題だったのは,不明な初期状態をどう決めるのか,深さが一定の文脈木に要する記憶量は無駄が多いが改善できないか,アルゴリズムを工夫し定常エルゴ-ト情報源にたいする漸近的ユニバーサル性を厳密な意味で証明可能にできないか,などである.本研究では,初期状態に重みつけを行なう,増分文脈集合を用いたCTW法を提案し,その解析により,上記の困難がすべて解決できることを示した.
2.マルコフ情報源に対するベイズ符号に関して,理論,方法の提案並びに,シミュレーションを行なった.
3.非定常情報源にも有効であることを期待し,有限窓にもとづくCTW法を開発し,データ圧縮法への適用を吟味し,その有効性を実験的に確かめた.
4.プレフィックス木構造を有する辞書を高速に成長させるLempel-Ziv-Yokoo法の実現の簡素化を行なった.
|
