KR100987028B1 - 무작위 데이터가 가지는 정렬 구조의 불확실성을 산출하는 장치 및 그 방법, 상기 방법을 구현하는 프로그램이 기록된기록매체 - Google Patents

무작위 데이터가 가지는 정렬 구조의 불확실성을 산출하는 장치 및 그 방법, 상기 방법을 구현하는 프로그램이 기록된기록매체 Download PDF

Info

Publication number
KR100987028B1
KR100987028B1 KR1020080081482A KR20080081482A KR100987028B1 KR 100987028 B1 KR100987028 B1 KR 100987028B1 KR 1020080081482 A KR1020080081482 A KR 1020080081482A KR 20080081482 A KR20080081482 A KR 20080081482A KR 100987028 B1 KR100987028 B1 KR 100987028B1
Authority
KR
South Korea
Prior art keywords
element data
value
data
symbol
random data
Prior art date
Application number
KR1020080081482A
Other languages
English (en)
Other versions
KR20100022802A (ko
Inventor
최윤식
엄민영
Original Assignee
연세대학교 산학협력단
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 연세대학교 산학협력단 filed Critical 연세대학교 산학협력단
Priority to KR1020080081482A priority Critical patent/KR100987028B1/ko
Publication of KR20100022802A publication Critical patent/KR20100022802A/ko
Application granted granted Critical
Publication of KR100987028B1 publication Critical patent/KR100987028B1/ko

Links

Images

Classifications

    • H—ELECTRICITY
    • H03—ELECTRONIC CIRCUITRY
    • H03M—CODING; DECODING; CODE CONVERSION IN GENERAL
    • H03M7/00—Conversion of a code where information is represented by a given sequence or number of digits to a code where the same, similar or subset of information is represented by a different sequence or number of digits
    • H03M7/02—Conversion to or from weighted codes, i.e. the weight given to a digit depending on the position of the digit within the block or code word
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L1/00—Arrangements for detecting or preventing errors in the information received
    • H04L1/20—Arrangements for detecting or preventing errors in the information received using signal quality detector

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

본 발명은 집합론적 순서 관계(order relation)를 기준으로 할 때 내부 원소들의 순서 위배되는 정도를 표시하는 무작위 데이터의 구조적 불확실성을 산출하는 무작위 데이터가 가지는 정렬 구조의 불확실성을 산출하는 장치 및 그 방법, 상기 방법을 구현하는 프로그램이 기록된 기록매체에 관한 것이다. 본 발명은 무작위 데이터에 구비되는 원소 데이터들의 발생 확률을 이용하여 각각의 원소 데이터에 심볼을 할당 나열하는 순서관계 결정부; 및 나열된 심볼들 중에서 오름차순 정렬 또는 내림차순 정렬에 위배하여 위치하는 심볼이 있는지를 나타내는 무작위 데이터의 구조적 불확실성을 산출하는 구조적 불확실성 산출부를 포함하는 것을 특징으로 하는 무작위 데이터가 가지는 정렬 구조의 불확실성을 산출하는 장치를 제공한다. 본 발명에 따르면, 기존과 달리 확률에 기반하지 않고서도 무작위 데이터가 가지고 있는 순서 구조에 따른 정보량을 측도할 수 있다.
무작위 데이터, 순서 관계(order relation), 엔트로피, 부호화 알고리즘, 압축 알고리즘, 균일 분포

Description

무작위 데이터가 가지는 정렬 구조의 불확실성을 산출하는 장치 및 그 방법, 상기 방법을 구현하는 프로그램이 기록된 기록매체 {Apparatus and method for calculating uncertainty of alignment structure in random data, and the recording media storing the program performing the said method}
본 발명은 무작위 데이터가 가지는 정렬 구조의 불확실성을 산출하는 장치 및 그 방법, 상기 방법을 구현하는 프로그램이 기록된 기록매체에 관한 것이다. 보다 상세하게는, 집합론적 순서 관계(order relation)를 기준으로 할 때 내부 원소들의 순서 위배되는 정도를 표시하는 무작위 데이터의 구조적 불확실성을 산출하는 것에 관련한 무작위 데이터가 가지는 정렬 구조의 불확실성을 산출하는 장치 및 그 방법, 상기 방법을 구현하는 프로그램이 기록된 기록매체에 관한 것이다.
1948년 C.E. Shannon에 의하여 정보론적 엔트로피가 정의되면서부터 지금까지 많은 사람들에 의하여 무작위 데이터의 부호화 알고리즘이 개발되어 왔다. 대부분의 압축 시스템은 압축을 위한 중간 단계로서 각 심볼을 정수로 표현하여 확률이 높은 심볼에 작은 정수값을 할당하고 반대로 확률이 낮은 심볼에 큰 정수값을 할당하여 각 정수 값들을 부호화하게 된다. 확률 모델이 주어진 경우, 허프만 부호화나 산술 부호화 방법의 적합성은 이미 많은 문헌에서 지적하고 있는 사실이다.
그런데, 무작위 데이터의 부호화 알고리즘은 그 심볼들의 확률이 얼마나 소수의 심볼에 치우쳐 있는지에 따라 부호화 효율이 달라지게 된다. 게다가, 엔트로피의 가장 큰 단점으로 지적되고 있는 것이 그 심볼들의 정보량만을 표시할 뿐 얼마나 압축 가능한지에 대해서는 정보를 제공하지 못한다는 것이다.
한편, 종전 정보량의 측도로 이용되던 엔트로피의 단점을 보완하기 위해 1965년 A. N. Kolmogorov는 그 심볼들이 가지고 있는 구조적 복잡도를 이용하여 새로운 정보량의 측도로서 알고리즘적 엔트로피를 정의하였다. 일반적으로 Kolmogorov Complexity라고 알려진 이 측도는 임의의 랜덤 데이터에 대하여 그 랜덤 데이터를 출력으로 내보내는 프로그래밍 소스의 최소 길이로서 정의된다. 다시 말해 그 랜덤 데이터를 발생시키기 위한 컴퓨터 프로그램의 소스의 최소 길이로서 그 데이터의 정보량을 표현하는 것이다. Kolmogorov Complexity 관점에서 압축 불가능성이라는 것은 발생된 랜덤 데이터의 길이보다 그 랜덤 데이터를 발생시키기 위한 프로그램 소스의 길이가 작아질 수 없는 경우를 말하는데, 그 랜덤 데이터의 확률적 분포가 균일 분포를 따를 경우 위와 같은 성질을 만족한다. 다시 말해 어떤 균일 분포를 갖는 무작위 데이터의 Kolmogorov Complexity는 그 무작위 데이터의 총 길이보다 절대 작아질 수 없다는 것이다.
결론적으로 Shannon의 엔트로피와 Kolmogorov의 알고리즘적 엔트로피 관점에서 볼 때, 모든 심볼들의 발생 확률과 정보량이 같아져서 무작위 데이터가 균일 분포를 가질 경우, 더이상의 압축은 불가능하게 된다. 그 이유는 정보량의 측도가 확 률을 기반으로 하기 때문이다.
이상에서 본 바와 같이, 확률을 기반으로 하는 기존의 정보량의 측도들은 확률 모델이 결정되면 그 확률에 의한 압축의 하한이 결정되고, 특히 균일 분포를 따르는 데이터 집합에 대해서는 더이상 압축이 불가능하게 된다. 따라서, 확률을 기반으로 하는 정보량의 측도의 한계를 극복할 수 있는 새로운 방안이 요구되고 있다.
본 발명은 상술한 문제점을 해결하기 위해 안출된 것으로서, 무작위 데이터가 집합론적 순서 관계에 기반하여 가지는 구조적 불확실성을 산출하는, 무작위 데이터가 가지는 정렬 구조의 불확실성을 산출하는 장치 및 그 방법, 상기 방법을 구현하는 프로그램이 기록된 기록매체를 제공함을 목적으로 한다.
본 발명은 상술한 목적을 달성하기 위해 안출된 것으로서, 무작위 데이터에 구비되는 원소 데이터들의 발생 확률을 이용하여 각각의 원소 데이터에 심볼을 할당 나열하는 순서관계 결정부; 및 상기 나열된 심볼들 중에서 오름차순 정렬 또는 내림차순 정렬에 위배하여 위치하는 심볼이 있는지를 나타내는 상기 무작위 데이터의 구조적 불확실성을 산출하는 구조적 불확실성 산출부를 포함하는 것을 특징으로 하는 무작위 데이터가 가지는 정렬 구조의 불확실성을 산출하는 장치를 제공한다.
바람직하게는, 상기 정렬 구조의 불확실성을 산출하는 장치는 상기 발생 확률이 최대인 원소 데이터가 오름차순 정렬 또는 내림차순 정렬을 따를 때에 원위치에 있는지를 판단하는 위치적 불안정성 판단부를 더 포함한다. 상기 위치적 불안정성 판단부는 특히 상기 발생 확률이 최대인 원소 데이터가 오름차순 정렬 또는 내림차순 정렬에 따라 원위치에 있을 경우 0을 부여하고, 그 외의 경우 1을 부여하는 것을 특징으로 한다. 또한, 위치적 불안정성 판단부는 바람직하게는 잔존하는 원소 데이터들 중에서 상기 발생 확률이 최대인 원소 데이터가 제거될 때마다 상기 발생 확률이 가장 높아지는 원소 데이터에 대해 원위치에 있는지의 여부를 판단한다.
또한, 본 발명은 (a) 무작위 데이터에 구비되는 원소 데이터들의 발생 확률을 이용하여 각각의 원소 데이터에 심볼을 할당 나열하는 단계; 및 (b) 상기 나열된 심볼들 중에서 오름차순 정렬 또는 내림차순 정렬에 위배하여 위치하는 심볼이 있는지를 나타내는 상기 무작위 데이터의 구조적 불확실성을 산출하는 단계를 포함하는 것을 특징으로 하는 무작위 데이터가 가지는 정렬 구조의 불확실성을 산출하는 방법을 제공한다.
본 발명에 따르면, 무작위 데이터가 집합론적 순서 관계에 기반하여 가지는 구조적 불확실성을 산출함으로써, 기존과 달리 확률에 기반하지 않고서도 무작위 데이터가 가지고 있는 순서 구조에 따른 정보량을 측도할 수 있다.
이하, 본 발명의 바람직한 실시예를 첨부된 도면들을 참조하여 상세히 설명한다. 우선 각 도면의 구성요소들에 참조부호를 부가함에 있어서, 동일한 구성요소들에 대해서는 비록 다른 도면상에 표시되더라도 가능한한 동일한 부호를 가지도록 하고 있음에 유의해야 한다. 또한, 본 발명을 설명함에 있어, 관련된 공지구성 또는 기능에 대한 구체적인 설명이 본 발명의 요지를 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명은 생략한다. 또한, 이하에서 본 발명의 바람직한 실시예를 설명할 것이나, 본 발명의 기술적 사상은 이에 한정하거나 제한되지 않고 당업자에 의해 변형되어 다양하게 실시될 수 있음은 물론이다.
도 1은 본 발명의 바람직한 실시예에 따른 무작위 데이터가 가지는 정렬 구조의 불확실성을 산출하는 장치의 내부 구성을 도시한 블록도이다. 상기 도 1에 도시한 바에 따르면, 본 발명의 바람직한 실시예에 따른 정렬 구조의 불확실성 산출 장치(100)는 원소 데이터 추출부(110), 순서관계 결정부(120), 위치적 불안정성 판단부(130)와 합산부(140)를 구비하는 구조적 불확실성 산출부(190) 및 제어부(150)를 포함한다.
원소 데이터 추출부(110)는 본 발명의 실시예에서 무작위 데이터로부터 원소 데이터들을 추출하는 기능을 수행한다. 여기에서, 원소 데이터란 무작위 데이터를 구성하는 일부로서, 예컨대 영상 프레임을 구성하는 소정 크기의 픽셀이 이에 해당할 것이다.
순서관계 결정부(120)는 본 발명의 실시예에서 추출된 원소 데이터들의 발생 확률(빈도 수)에 따라 심볼(symbol)을 할당하는 기능을 수행한다. 또한, 순서관계 결정부(120)는 본 발명의 실시예에서 각 원소 데이터에 할당되는 심볼들의 우선순위 관계를 결정하는 기능을 수행한다. 본 발명의 실시예에서 심볼로는 통상 양수를 이용하나, 반드시 이에 한정될 필요는 없으므로, a, b, c, d, e, …, z 또는 ㄱ, ㄴ, ㄷ, ㄹ, …, ㅎ 또는 가, 나, 다, 라, …, 하 등과 같은 언어의 어순을 이용하는 것도 가능하다.
구조적 불확실성 산출부(190)는 본 발명의 실시예에서 무작위 데이터가 가지는 정렬 구조의 불확실성을 산출하는 기능을 수행한다. 구체적으로, 구조적 불확실성 산출부(190)는 무작위 데이터를 구성하는 모든 원소 데이터들의 위치적 불안정 성에서 초래하는 정렬 구조의 불확실성을 산출하는 기능을 수행한다. 이러한 구조적 불확실성 산출부(190)는 위치적 불안정성 판단부(130)와 합산부(140)를 구비한다.
위치적 불안정성 판단부(130)는 본 발명의 실시예에서 각 원소 데이터들이 가지는 위치적 불안정성을 판단하는 기능을 수행한다. 위치적 불안정성 판단부(130)는 이를 통해 모든 원소 데이터들의 위치적 불안정성에 대한 정보를 도출하는 기능을 수행한다. 위치적 불안정성 판단부(130)가 수행하는 기능은 후술하는 [수학식 1]로 설명될 수 있다.
합산부(140)는 본 발명의 실시예에서 위치적 불안정성 판단부(130)가 판단한 결과를 합산하여 구조적 불확실성을 산출하는 기능을 수행한다. 이러한 합산부(140)가 수행하는 기능은 후술하는 [수학식 2]와 [수학식 3]으로 설명될 수 있다.
상기에서 언급한 원소 데이터 추출부(110), 순서관계 결정부(120), 위치적 불안정성 판단부(130), 합산부(140), 구조적 불확실성 산출부(190) 등이 수행하는 기능에 대한 구체적인 설명은 도 2를 참조하여 후술할 것이다.
제어부(150)는 본 발명의 실시예에서 정렬 구조의 불확실성 산출 장치(100)를 구성하는 모든 구성부들(110~140, 190)의 전체적인 작동을 제어하는 기능을 수행한다.
이외, 정렬 구조의 불확실성 산출 장치(100)는 전원부(160), 입력부(170), 출력부(180) 등을 더 구비할 수 있다. 전원부(160)는 상기 장치(100)를 구성하는 모든 구성부들이 원활하게 작동될 수 있도록 전원을 공급하는 기능을 수행한다. 입력부(170)는 원소 데이터 추출부(110)가 무작위 데이터에서 원소 데이터들을 추출할 수 있도록 외부로부터 무작위 데이터를 입력받는 기능을 수행한다. 출력부(180)는 구조적 불확실성 산출부(190)가 산출한 무작위 데이터의 구조적 불확실성을 표시하는 기능을 수행한다.
이상 상술한 바와 같은 구성부들을 구비하는 정렬 구조의 불확실성 산출장치(100)는 본 발명의 실시예에서 무작위 데이터가 가지는 정렬 구조의 불확실성을 산출하는 기능을 수행한다. 이하, 정렬 구조의 불확실성 산출 장치(100)가 수행하는 무작위 데이터가 가지는 정렬 구조의 불확실성을 산출하는 방법을 설명한다.
다음으로, 본 발명의 바람직한 실시예에 따른 무작위 데이터가 가지는 정렬 구조의 불확실성을 산출하는 방법에 대해 설명한다. 도 2는 본 발명의 바람직한 실시예에 따른 무작위 데이터가 가지는 정렬 구조의 불확실성을 산출하는 방법을 도시한 순서도이다. 이하, 도 1 및 도 2를 참조하여 설명한다.
먼저, 원소 데이터 추출부(110)가 무작위 데이터로부터 하나 이상의 원소 데이터들을 추출한다(S200). 이후, 원소 데이터 추출부(110)는 추출된 원소 데이터들을 일정한 규칙에 따라 배열시킨다(S205).
이후, 순서관계 결정부(120)가 각 원소 데이터들의 발생 확률에 따라 순서를 결정하며(S210), 결정된 순서에 따라 각 원소 데이터에 심볼(여기서는 양의 정수)를 할당한다(S215). 상기의 S210 단계 및 S215 단계에 따르면, 무작위 데이터로부 터 추출 배열된 원소 데이터의 종류가 N가지일 때, 각 원소 데이터에 대하여 심볼로 1부터 N까지 할당한다. 만약 각 원소 데이터들의 발생 확률이 다르다면, 상대적으로 높은 발생 확률을 가지는 원소 데이터부터 1을 할당한다. 반면, 일부라도 발생 확률이 같은 원소 데이터들이 존재한다면, 이들에 대해서는 임의의 정수를 할당하게 된다.
통상적으로 정수는 "1≤2≤…≤N"의 관계를 가진다. 따라서, 상기와 같이 각 원소 데이터들에 대해 정수 1~N이 할당된다면, 할당된 정수의 크기 순서대로 원소 데이터들을 나열할 수 있다(S220). 예컨대, 무작위 데이터에서 추출된 원소 데이터들의 집합이 {a, b, c, d, e, f, g}이고, 각 원소 데이터들에 할당되는 심볼이 a→3, b→5, c→2, d→1, e→4, f→6, g→7일 경우, 심볼들의 집합은 X={3, 5, 2, 1, 4, 6, 7}이 된다.
한편, 상기의 경우 순서가 정해져 있는 1~N이 각 원소 데이터에 할당되는데, 만약 각 원소 데이터에 할당되는 1~N의 우선순위 관계가 불명확하다면 이때에는 사전에 우선순위 관계를 명확히 해줌이 필요하다. 이 과정이 필요할 경우에는, 이 과정을 S210 단계 이전 또는 S210 단계와 S215 단계 사이에서 수행함이 바람직하다.
본 발명의 실시예에서 순서관계 결정부(120)가 심볼들 간의 순서 관계를 정의할 수 있는 것은 모든 집합은 그 원소들 사이의 순서를 정의할 수 있다는 집합론의 well-ordering 원칙에 근거하기 때문이다.
S220 단계 이후, 위치적 불안정성 판단부(130)가 각 심볼들이 가지는 위치적 불안정성을 판단한다(S225). 이 판별에 따라 위치적 불안정성 판단부(130)는 각 원 소 데이터들의 집합론적 순서 관계에 기반하는 위치적 불안정성에 대한 정보를 도출할 수 있다(S230). 이하, 이 내용을 수학식을 참조하여 설명한다. 먼저, 심볼들의 집합 X는 X={x1, x2, …, xn}으로 정의한다.
Figure 112008059343578-pat00001
상기에서, f(X)는 특정 심볼이 순서 관계에 기반하여 제 위치에 있는지에 대한 정도를 나타낸다. max(X)는 집합 X에서 최대값을 가지는 심볼을 나타내며, ρ(x)는 심볼 x의 위치값을 나타낸다. 그리고, │X│는 집합 X의 크기(cardinality), 즉 집합 X에 구비되는 심볼들의 총 갯수를 나타낸다. 상기 [수학식 1]에 따르면, 특정 심볼이 1의 값을 가질 경우 이 심볼은 위치적 불안정성이 존재하는 것으로 판별할 수 있다. 반면, 특정 심볼이 0의 값을 가질 경우에는 이 심볼은 위치적 불안정성이 존재하지 않는 것으로 판별할 수 있다.
이상에서 보는 바와 같이 [수학식 1]을 이용하면 최대값을 가지는 원소 데이터의 위치적 불안정성을 판별할 수 있게 되며, 이로부터 최대값을 가지는 원소 데이터의 위치적 불안정성에 대한 정보를 도출할 수 있다. 예컨대, 무작위 데이터에서 추출된 원소 데이터들의 집합이 {a, b, c, d, e, f, g}이고, 각 원소 데이터들에 할당되는 심볼이 a→3, b→5, c→2, d→1, e→4, f→6, g→7이며, 이로부터 도출된 심볼들의 집합이 X={3, 5, 2, 1, 4, 6, 7}일 경우, 최대값을 가지는 원소 데 이터 g의 위치적 불안정성에 대한 정보는 다음과 같이 나타낼 수 있다.
ρ(max(x))=7, │X│=7 → 7<7 ⇒ f(Xg)=0
그런데, 상기 정보는 최대값을 가지는 원소 데이터 g에 대한 위치적 불안정성만을 표시하기 때문에, 나머지 원소 데이터들에 대해서도 위치적 불안정성을 판단할 필요가 있다. 본 발명에서는 n개의 X의 부분집합에 대하여 상기 [수학식 1]을 적용하여 모든 원소 데이터들의 위치적 불안정성에 대한 정보를 얻을 수 있다.
Figure 112008059343578-pat00002
상기에서, i는 0<i<n, i∈N이다.
상기 [수학식 1]과 상기 [수학식 2]를 따를 경우, X를 구성하는 모든 심볼들로부터 각 원소 데이터들의 위치적 불안정성에 대한 정보를 얻을 수 있다. 각 원소 데이터들의 위치적 불안정성에 대한 정보는 다음과 같다.
max(x)가 7일 때 : ρ(max(x))=7, │X│=7 → 7<7 ⇒ f(Xg)=0
max(x)가 6일 때 : ρ(max(x))=6, │X│=6 → 6<6 ⇒ f(Xf)=0
max(x)가 5일 때 : ρ(max(x))=2, │X│=5 → 2<5 ⇒ f(Xe)=1
max(x)가 4일 때 : ρ(max(x))=4, │X│=4 → 4<4 ⇒ f(Xd)=0
max(x)가 3일 때 : ρ(max(x))=1, │X│=3 → 1<3 ⇒ f(Xc)=1
max(x)가 2일 때 : ρ(max(x))=1, │X│=2 → 1<2 ⇒ f(Xb)=1
S230 단계 이후, 합산부(140)는 무작위 데이터가 가지는 정렬 구조의 불확실성을 산출한다(S235). 구체적으로, 위치적 불안정성 판단부(130)에 의해 각 원소 데이터를 표징하는 심볼들로부터 각 원소 데이터의 위치적 불안정성에 대한 정보가 도출되면, 합산부(140)는 이들을 합산하여 모든 원소 데이터들이 제 위치에 있는지를 판별하며, 이 판별 결과로부터 무작위 데이터가 가지는 정렬 구조의 불확실성을 산출한다.
산출되는 구조적 불확실성은 n개의 X의 부분집합 Xi에 대한 함수 f(Xi)의 총합으로, [수학식 3]을 통하여 도출할 수 있다.
Figure 112008059343578-pat00003
상기에서, F는 무작위 데이터의 구조적 불확실성을 말한다.
각 원소 데이터들의 위치적 불안정성에 대한 정보가 상기에 기술한 바와 같을 경우, [수학식 3]으로부터 얻을 수 있는 무작위 데이터의 구조적 불확실성은 다음과 같다.
F=f(Xg)+f(Xf)+f(Xe)+f(Xd)+f(Xc)+f(Xb)=0+0+1+0+1+1=3
또한, 다음과 같은 판단도 가능하다.
① f(Xg)=0 ⇒ 원소 데이터 g는 제 위치에 있다.
② f(Xf)=0 ⇒ 원소 데이터 g를 제외할 경우, 원소 데이터 f는 제 위치에 있다.
③ f(Xe)=1 ⇒ 원소 데이터 e는 제 위치에 없다.
④ f(Xd)=0 ⇒ 원소 데이터 e, f, g를 제외할 경우, 원소 데이터 d는 제 위치에 있다.
⑤ f(Xc)=1 ⇒ 원소 데이터 c는 제 위치에 없다.
⑥ f(Xb)=1 ⇒ 원소 데이터 b는 제 위치에 없다.
한편, 상술한 본 발명의 실시예들은 컴퓨터에서 실행될 수 있는 프로그램으로 작성 가능하고, 컴퓨터로 읽을 수 있는 기록매체를 이용하여 상기 프로그램을 동작시키는 범용 디지털 컴퓨터에서 구현될 수 있다. 상기 컴퓨터로 읽을 수 있는 기록매체는 마그네틱 저장매체(예를 들면, ROM, 플로피 디스크, 하드 디스크, 자기 테이프 등), 광학적 판독 매체(예를 들면, CD-ROM, DVD, 광데이터 저장장치 등) 및 캐리어 웨이브(예를 들면, 인터넷을 통한 전송)와 같은 저장매체를 포함한다.
이상의 설명은 본 발명의 기술사상을 예시적으로 설명한 것에 불과한 것으로서, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자라면 본 발명의 본질적인 특성에서 벗어나지 않는 범위 내에서 다양한 수정, 변경 및 치환이 가능할 것이다. 따라서, 본 발명에 개시된 실시예 및 첨부된 도면들은 본 발명의 기술사상을 한정하기 위한 것이 아니라 설명하기 위한 것이고, 이러한 실시예 및 첨부된 도면에 의하여 본 발명의 기술사상의 범위가 한정되는 것은 아니다. 본 발명의 보호범위는 아래의 청구범위에 의하여 해석되어야 하며, 그와 동등한 범위 내에 있는 모든 기술사상은 본 발명의 권리범위에 포함되는 것으로 해석되어야 할 것이다.
본 발명은 압축 알고리즘이나 알집, MPEG, 신호 처리 등 압축이 필요한 프로그램에 적용할 수 있다. 본 발명에 따르면 무작위 데이터가 집합론적 순서 관계에 기반하여 가지는 구조적 불확실성을 산출함으로써, 기존과 달리 확률에 기반하지 않고서도 무작위 데이터가 가지고 있는 순서 구조에 따른 정보량을 측도할 수 있는 바, 향후 압축 알고리즘이나 압축 프로그램의 개발에 이용될 수 있을 것이다. 또한, 최근 압축 알고리즘의 한계를 극복하기 위해 새로운 압축 표준을 지정하기 위한 움직임이 있는데, 이에도 기여할 수 있을 것으로 기대된다.
도 1은 본 발명의 바람직한 실시예에 따른 무작위 데이터가 가지는 정렬 구조의 불확실성을 산출하는 장치의 내부 구성을 도시한 블록도,
도 2는 본 발명의 바람직한 실시예에 따른 무작위 데이터가 가지는 정렬 구조의 불확실성을 산출하는 방법을 도시한 순서도이다.
< 도면의 주요 부분에 대한 부호의 설명 >
100 : 정렬 구조의 불확실성 산출 장치 110 : 원소 데이터 추출부
120 : 순서관계 결정부 130 : 위치적 불안정성 판단부
140 : 구조적 불확실성 산출부 150 : 제어부
160 : 전원부 170 : 입력부
180 : 출력부

Claims (15)

  1. 무작위 데이터에 구비되는 원소 데이터들의 빈도값에 따라 각각의 원소 데이터에 심볼을 할당하되, 상기 빈도값이 큰 원소 데이터부터 심볼을 할당하고 상기 빈도값이 같은 원소 데이터들에게는 임의로 심볼을 할당하며, 미리 정해진 심볼들의 순서에 따라 상기 심볼 할당된 원소 데이터들을 나열하고, 상기 심볼들의 순서가 미리 정해지지 않았을 때에는 상기 나열을 수행하기 전에 상기 심볼들의 순서를 결정하는 순서관계 결정부;
    상기 할당된 심볼을 이용하여 상기 나열된 원소 데이터들 각각에 대해 오름차순 정렬 또는 내림차순 정렬을 따를 때에 원위치에 있는지를 판단하되, 남아있는 원소 데이터들 중에서 상기 빈도값이 최대인 원소 데이터를 제거해 가면서 상기 제거되는 원소 데이터에 대해 상기 판단을 수행하며, 상기 판단을 수행할 때에 상기 제거되는 원소 데이터의 심볼 위치값과 상기 제거 전 남아있는 원소 데이터들의 총 개수를 비교하여 상기 심볼 위치값이 상기 총 개수보다 작을 때에 제1 판단값을 부여하고 그렇지 않을 때에 제2 판단값을 부여하는 위치적 불안정성 판단부; 및
    모든 원소 데이터들에 대해 상기 제1 판단값 또는 상기 제2 판단값이 부여되면, 상기 제1 판단값 또는 상기 제2 판단값을 합산하여 상기 무작위 데이터의 구조적 불확실성 값을 산출하는 합산부
    를 포함하는 것을 특징으로 하는 무작위 데이터가 가지는 정렬 구조의 불확실성 산출 장치.
  2. 삭제
  3. 삭제
  4. 제 1 항에 있어서,
    상기 위치적 불안정성 판단부는 상기 제1 판단값으로 0을 부여하고 상기 제2 판단값으로 1을 부여하는 것을 특징으로 하는 무작위 데이터가 가지는 정렬 구조의 불확실성 산출 장치.
  5. 제 1 항에 있어서,
    상기 무작위 데이터로부터 상기 원소 데이터들을 추출하며, 상기 추출된 원소 데이터들을 미리 정해진 규칙에 따라 배열시키는 원소 데이터 추출부
    를 더욱 포함하는 것을 특징으로 하는 무작위 데이터가 가지는 정렬 구조의 불확실성 산출 장치.
  6. 제 1 항에 있어서,
    상기 순서관계 결정부가 할당하는 심볼은 오름차순 또는 내림차순으로 정렬되는 숫자 또는 문자인 것을 특징으로 하는 무작위 데이터가 가지는 정렬 구조의 불확실성 산출 장치.
  7. 삭제
  8. (a) 무작위 데이터에 구비되는 원소 데이터들의 빈도값에 따라 각각의 원소 데이터에 심볼을 할당하되, 상기 빈도값이 큰 원소 데이터부터 심볼을 할당하고 상기 빈도값이 같은 원소 데이터들에게는 임의로 심볼을 할당하는 단계;
    (b) 미리 정해진 심볼들의 순서에 따라 상기 심볼 할당된 원소 데이터들을 나열하며, 상기 심볼들의 순서가 미리 정해지지 않았을 때에는 상기 나열을 수행하기 전에 상기 심볼들의 순서를 결정하는 단계;
    (c) 상기 할당된 심볼을 이용하여 상기 나열된 원소 데이터들 각각에 대해 오름차순 정렬 또는 내림차순 정렬을 따를 때에 원위치에 있는지를 판단하되, 남아있는 원소 데이터들 중에서 상기 빈도값이 최대인 원소 데이터를 제거해 가면서 상기 제거되는 원소 데이터에 대해 상기 판단을 수행하며, 상기 판단을 수행할 때에 상기 제거되는 원소 데이터의 심볼 위치값과 상기 제거 전 남아있는 원소 데이터들의 총 개수를 비교하여 상기 심볼 위치값이 상기 총 개수보다 작을 때에 제1 판단값을 부여하고 그렇지 않을 때에 제2 판단값을 부여하는 단계; 및
    (d) 모든 원소 데이터들에 대해 상기 제1 판단값 또는 상기 제2 판단값이 부여되면, 상기 제1 판단값 또는 상기 제2 판단값을 합산하여 상기 무작위 데이터의 구조적 불확실성 값을 산출하는 단계
    를 포함하는 것을 특징으로 하는 무작위 데이터가 가지는 정렬 구조의 불확실성 산출 방법.
  9. 삭제
  10. 삭제
  11. 제 8 항에 있어서,
    상기 (c) 단계는 상기 제1 판단값으로 0을 부여하고 상기 제2 판단값으로 1을 부여하는 것을 특징으로 하는 무작위 데이터가 가지는 정렬 구조의 불확실성 산출 방법.
  12. 상기 (a) 단계의 이전 단계로서,
    상기 무작위 데이터로부터 상기 원소 데이터들을 추출하며, 상기 추출된 원소 데이터들을 미리 정해진 규칙에 따라 배열시키는 단계
    를 포함하는 것을 특징으로 하는 무작위 데이터가 가지는 정렬 구조의 불확실성 산출 방법.
  13. 제 8 항에 있어서,
    상기 (a) 단계에서 할당되는 심볼은 오름차순 또는 내림차순으로 정렬되는 숫자 또는 문자인 것을 특징으로 하는 무작위 데이터가 가지는 정렬 구조의 불확실성 산출 방법.
  14. 삭제
  15. 컴퓨터로 판독 가능한 기록매체에 있어서,
    제 8 항, 또는 제 11 항 내지 제 13 항 중 어느 한 항에 따른 방법을 구현하는 프로그램이 기록되는 기록매체.
KR1020080081482A 2008-08-20 2008-08-20 무작위 데이터가 가지는 정렬 구조의 불확실성을 산출하는 장치 및 그 방법, 상기 방법을 구현하는 프로그램이 기록된기록매체 KR100987028B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020080081482A KR100987028B1 (ko) 2008-08-20 2008-08-20 무작위 데이터가 가지는 정렬 구조의 불확실성을 산출하는 장치 및 그 방법, 상기 방법을 구현하는 프로그램이 기록된기록매체

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020080081482A KR100987028B1 (ko) 2008-08-20 2008-08-20 무작위 데이터가 가지는 정렬 구조의 불확실성을 산출하는 장치 및 그 방법, 상기 방법을 구현하는 프로그램이 기록된기록매체

Publications (2)

Publication Number Publication Date
KR20100022802A KR20100022802A (ko) 2010-03-03
KR100987028B1 true KR100987028B1 (ko) 2010-10-11

Family

ID=42175227

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020080081482A KR100987028B1 (ko) 2008-08-20 2008-08-20 무작위 데이터가 가지는 정렬 구조의 불확실성을 산출하는 장치 및 그 방법, 상기 방법을 구현하는 프로그램이 기록된기록매체

Country Status (1)

Country Link
KR (1) KR100987028B1 (ko)

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20040105543A (ko) * 2002-04-19 2004-12-16 마쯔시다덴기산교 가부시키가이샤 가변 길이 부호화 방법 및 가변 길이 복호화 방법

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20040105543A (ko) * 2002-04-19 2004-12-16 마쯔시다덴기산교 가부시키가이샤 가변 길이 부호화 방법 및 가변 길이 복호화 방법

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
Estivill-Castro, V. and Wood, D., A Survey of Adaptive Sorting Algorithms, ACM Computing Surveys, Vol. 24 No. 4. 1992.*

Also Published As

Publication number Publication date
KR20100022802A (ko) 2010-03-03

Similar Documents

Publication Publication Date Title
CN109242013B (zh) 一种数据标注方法、装置、电子设备及存储介质
Hilbert et al. Info Capacity| How to Measure the World’s Technological Capacity to Communicate, Store and Compute Information? Part II: Measurement Unit and Conclusions
US11068655B2 (en) Text recognition based on training of models at a plurality of training nodes
CN111178039B (zh) 一种模型训练方法、装置、实现文本处理的方法及装置
EP3740912A1 (en) Data compression by local entropy encoding
CN113807074A (zh) 基于预训练语言模型的相似语句生成方法和装置
CN112527752B (zh) 数据压缩方法、装置、计算机可读存储介质及电子设备
CN112967207B (zh) 一种图像处理方法、装置、电子设备及存储介质
CN111767394A (zh) 一种基于人工智能专家***的摘要提取方法及装置
CN111325096A (zh) 直播流采样方法、装置及电子设备
CN117217315B (zh) 一种利用大语言模型生成高质量问答数据的方法及装置
CN110008807B (zh) 一种合同内容识别模型的训练方法、装置及设备
CN115203441B (zh) 高中数学公式的解析方法、***、存储介质及设备
KR100987028B1 (ko) 무작위 데이터가 가지는 정렬 구조의 불확실성을 산출하는 장치 및 그 방법, 상기 방법을 구현하는 프로그램이 기록된기록매체
CN110852042A (zh) 字符类型转换方法和装置
CN110175262A (zh) 基于聚类的深度学习模型压缩方法、存储介质及***
CN111784377B (zh) 用于生成信息的方法和装置
CN103597828A (zh) 图像量化参数编码方法和图像量化参数解码方法
CN113378541A (zh) 文本标点预测方法、装置、***及存储介质
CN110414496B (zh) 相似字识别方法、装置、计算机设备及存储介质
KR100987029B1 (ko) 순서 관계에 기반하는 무작위 데이터의 이진 표현 방법과 그 장치, 무작위 데이터의 부호화 방법 및 그 장치, 및 상기 부호화 방법을 구현하는 프로그램이 기록된 기록매체
CN113361677A (zh) 神经网络模型的量化方法和装置
KR101174176B1 (ko) 동영상 샘플링 방법 및 시스템
CN113595557B (zh) 一种数据处理的方法和装置
CN116342366A (zh) 稀疏参数的获取方法、装置、电子设备及存储介质

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant
FPAY Annual fee payment

Payment date: 20130925

Year of fee payment: 4

FPAY Annual fee payment

Payment date: 20140804

Year of fee payment: 5

FPAY Annual fee payment

Payment date: 20160105

Year of fee payment: 6

FPAY Annual fee payment

Payment date: 20171204

Year of fee payment: 8

FPAY Annual fee payment

Payment date: 20181024

Year of fee payment: 9

FPAY Annual fee payment

Payment date: 20191029

Year of fee payment: 10