- •Список сокращений
- •1. Эис, их классификация и принципы построения
- •1.1. Понятие системы
- •1.2. Понятие эис. Назначение эис
- •1.3.Классификация эис
- •1.4. Основные принципы и методы построения эис.
- •1.4.1. Принципы построения и функционирования эис.
- •1.4.2.Структурный и объектно-ориентированный подходы к проектированию.
- •1.4.3.Понятие жизненного цикла эис.
- •Вопросы для повторения
- •Понятие системы.
- •Резюме по теме
- •2.Теоретические основы работы с информацией
- •2.1. Понятие информации
- •2.2. Измерение количества информации
- •2.3.Кодирование информации
- •2.3.1.Оптимальное основание кода
- •2.3.2.Запись натурального числа в двоичной системе
- •2.3.3.Код Грэя
- •2.3.4.Оптимальное кодирование
- •2.3.5.Помехозащищенное кодирование
- •2.4.Методы организации данных в памяти эвм
- •2.4.1.Типы данных, сд и атд
- •2.4.2.Время выполнения программ
- •2.4.3.Списки
- •2.4.4.Реализация списков
- •Реализация списков посредством массивов
- •Реализация списков с помощью указателей
- •2.4.5.Стеки
- •2.4.6. Очереди
- •2.4.7.Графы и деревья
- •2.4.8.Некоторые сд для хранения графов и деревьев
- •Вопросы для повторения
- •Резюме по теме
- •3. Особенности работы с экономической информацией
- •3.1.Классификация и кодирование экономической информации.
- •3.2.Единая система классификации и кодирования
- •3.3.Штриховое кодирование
- •Алгоритм расчета контрольного разряда ean
- •Вопросы для повторения
- •Резюме по теме
- •4.Модели данных
- •4.1.Атрибуты, составные единицы информации, показатели, документы
- •4.2.Операции над сеи
- •4.3.Реляционная модель данных
- •4.3.1. Отношения, как основа реляционной модели данных
- •4.3.2. Операции над отношениями
- •4.3.3. Нормализация отношений
- •4.3.4. Функциональные зависимости
- •4.3.5. Нормальные формы
- •Вопросы для повторения
- •Операции над сеи.
- •Операции над отношениями.
- •Резюме по теме
- •5.Модели знаний
- •5.1. Классификация знаний
- •5.2. Продукционная модель представления знаний
- •5.3.Представление знаний в виде семантической сети
- •5.4. Фреймовая модель представления знаний
- •5.5. Логическая (предикатная) модель представления знаний
- •Классификация знаний.
- •6.2.Структурная модель предметной области
- •6.2.1.Функциональная методология idef0
- •6.2.2. Функциональная методика потоков данных
- •6.3.Объектная модель предметной области
- •6.4. Сравнение методик моделирования предметной области
- •Вопросы для повторения
- •Понятие модели предметной области.
- •Резюме по теме
- •Литература Рекомендуемая основная литература
- •Рекомендуемая дополнительная литература
- •Задачник Введение
- •Краткое изложение используемых методов решения и основных теоретических положений
- •Примеры решения типовых задач
- •Задачи для самостоятельного решения
- •Практикум (лабораторный) Лабораторная работа №1. Кодирование информации
- •Требования к содержанию, оформлению и порядку выполнения
- •Теоретическая часть
- •Общая постановка задачи
- •Список индивидуальных данных
- •Пример выполнения работы
- •Контрольные вопросы к защите
- •Понятие информации.
- •Способ оценки результатов
- •Пример выполнения работы
- •Пример выполнения работы
- •Контрольные вопросы к защите
- •Список индивидуальных данных
- •Пример выполнения работы
- •Пример выполнения работы
- •Контрольные вопросы к защите
- •Способ оценки результатов
Пример выполнения работы
Рассмотрим
30 вариант. Согласно заданию имеем восемь
сообщений:
,
,
,
,
,
,
,
.
Известна вероятность появления каждого
из этих сообщений:
;
;
;
;
;
;
;
.
Вначале
проверим правильность исходных данных.
Проверим равенство
.
0,091+0,0825+0,00928+0,03591+0,2689+0,00778+0,291+0,21363=1
Построим оптимальные коды для данных восьми сообщений по алгоритму, рассмотренному в разд.2.3.4.
Разобьем исходные сообщения на две группы таким образом, чтобы сумма вероятностей в каждой группе была примерно одинакова. В результате в первую группу попадут сообщения , , и , а во вторую группу – , , и . Суммарная вероятность сообщений первой группы равна 0,091+0,0825+0,03591+0,291=0,50041. Суммарная вероятность сообщений второй группы равна 0,00928+0,2689+0,00778+0,21363=0,49959. Первую группу пометим символом 1, вторую группу – символом 0.
Первый шаг разбиения исходного множества сообщений проиллюстрирован на рис. Л1.1.
Далее по тому же принципу разобьем сообщения , , и на две группы. В результате в первую группу попадут сообщения , , , а во вторую группу – . Суммарная вероятность сообщений первой группы равна 0,091+0,0825+0,03591=0,50041. Вероятность сообщения m7 равна 0,291. Первую группу пометим символом 1, вторую группу – символом 0. Данный шаг разбиения проиллюстрирован на рис. Л1.2.
Выполним аналогичное разбиение сообщений , , и . В результате в первую группу попадет сообщение m5, а во вторую группу – , , . Вероятность сообщения равна 0,2689. Суммарная вероятность сообщений второй группы равна 0,00928+0,00778+0,21363=0,23069. Первую группу пометим символом 1, вторую группу – символом 0. Данный шаг разбиения проиллюстрирован на рис.Л.1.3.
Продолжая процесс разбиения, окончательно получим дерево, представленное на рис.Л1.4.
Концевые вершины данного дерева соответствуют исходным сообщениям. Сообщению соответствует вершина 9, – 12, – 14, – 13, – 6, – 15, – 5, – 10. Для определения кода некоторого сообщения требуется найти путь из корня дерева (вершина 1) в вершину, соответствующую данному сообщению. Код образуют пометки дуг, образующих такой путь. Например, сообщение имеет код 110, который соответствует пути 1,2,4,9.
Коды сообщений сведены в таблицу Л1.2.
Таблица Л1.2 |
|||
Оптимальные коды |
|||
Сообщение |
Код сообщения |
Сообщение |
Код сообщения |
|
110 |
|
01 |
|
1111 |
|
0000 |
|
0001 |
|
10 |
|
1110 |
|
001 |
Итак, сообщение кодируется 3 битами, – 4 битами, – 4 битами, – 4 битами, – 2 битами, – 4 битами, – 2 битами, – 3 битами.
Определим
среднее число бит, приходящихся на одно
сообщение (n).
,
где
- число бит, требуемое для кодирования
i-го
сообщения.
n= 0,0913+0,08254+0,009284+0,035914+
0,26892+0,007784+0,2912+ 0,213633=2,57557
Используя
формулу
,
найдем энтропию.
Вывод.
В лабораторной работе получены оптимальные
коды для восьми сообщений с заданными
вероятностями, рассчитана средняя длина
кода
и количество информации, приходящееся
на одно сообщение (энтропия
).
Если
при кодировании заданных восьми сообщений
не учитывать их вероятности появления,
то для кодирования каждого сообщения
потребуется
бита. Таким образом, мы получили более
оптимальный код, в котором
бит.
При
используемом алгоритме оптимального
кодирования значение n
лежит в пределе от H
до
.
