| 研究概要 |
無歪ユニバーサルデータ圧縮における有力なアプローチは算術符号である.この方法は,まず情報源が確率モデルに従うという仮定のもとで,その確率を推定し次に推定した確率により符号化を構成することで,高圧縮性能を得る方法である.確率推定法のなかで,もっとも有名なのが文脈木重み付け法(CTW法)である.我々はCTW法と,忘却機構を組合せることで,非定常情報源にも適用できるさらに実用的なデータ圧縮基本算法,有限窓文脈木重み付け法(FWCTW法)が実現できることを示している.本年度は,研究計画に従い,FWCTW法について,制約のある確率的情報源に対する基本確率推定法の改善を目指した.確率予測方であるCTW法はその部品として,基本的確率予測法であるKrichevski-Trofimov推定量を用いている.この方法はベイズ確率パラメータ推定に用いるDirichlet事前分布のパラメータを1/2にとる確率推定法であり,無記憶情報源などに対して良い冗長度が得られることが既知である.しかしながら,本研究では,この基本推定量としてβを一般の値としたLaplace推定量を採用した.モデルが既知と仮定し,この推定量の性能をマルコフ情報源について調べた.その結果,符定のパターンの文字列が出現しないなどの構造的な情報源に対しては,β<1/2と設定した場合に一次の漸近的な冗長度が減少するという事実を理論的に見い出し,それに対する実験結果も得た.また,実際のFWCTW法組み込んで,実験も行いその効果を確かめた.これらを論文として報告した.
|
