\layout Subsection
Execution Flags
+\begin_inset LatexCommand \label{sub:Execution-Flags}
+
+\end_inset
+
+
\layout Standard
Ademas de los flags standards que hemos visto recién, nuestro compresor
Huffman Estático
\layout Section
-Features Especiales
+Features y Optimizaciones
\begin_inset LatexCommand \label{sec:Features-Especiales}
\end_inset
-\layout Section
+\layout Standard
+
+Como fue anticipado al inicio de este documento, nuestro compresor cuenta
+ con funcionalidad extra que permite en ciertos casos obtener mejores ratios
+ de compresión.
+ Pasamos a describir las mismas una por una, terminando por último con una
+ optimización específica para textos.
+\layout Subsection
+
+Huffman Canónico
+\layout Standard
+
+Dada la naturaleza del Huffman Estático que hemos implementado como el compresor
+ estadístico final de la cadena BS+MTF+Compresor, el mismo se vale de un
+ modelo estadístico de orden-0, el cual es obtenido realizando una pasada
+ inicial al archivo a comprimir, en la cual obtiene una tabla de frecuencias/pro
+babilidades, y la cual es utilizada para generar el árbol de huffman, que
+ a su vez da órigen a una tabla de códigos prefijos que finalmente es utilizada
+ en el compresor, para encodear los símbolos o caractéres del archivo original.
+\layout Standard
+
+Dicho esto, destacamos la extensión que hemos realizado a nuestro compresor
+ de Huffman para que pueda guardar y/o cargar un modelo estadístico de orden-0
+ y el usuario pueda por ejemplo utilizar para comprimir cualquier archivo
+ de texto, un modelo que él crea óptimo para la compresión de dichos archivos,
+ en vez de generar un modelo diferente para cada archivo que comprime.
+\layout Standard
+
+Esta capacidad de un compresor de Huffman, se la conoce como Huffman Canónico,
+ y se encuentra presente en nuestro compresor.
+ Para saber más sobre su modo de uso, dirigirse a la
+\series bold
+sección
+\begin_inset LatexCommand \ref{sub:Execution-Flags}
+
+\end_inset
+
+
+\series default
+.
+\layout Subsection
+
+Zero Groupping
+\layout Standard
+
+Siendo el producto del BlockSorting + Move to front, secuencias de valores
+ de 0 a 255, en donde gracias al Block Sorting que aumenta la localidad
+ de los bloques de datos del archivo original que se van procesando, se
+ tendrá una gran aparición de 0 (ceros) en la salida del Move to front.
+\layout Standard
+
+Aprovechando este factor, hemos implementando este método de Zero Groupping,
+ en donde abreviaremos las series de ceros que se presenten en forma consecutiva
+ en la salida de un MTF, por un byte con valor hexa 00, y un factor de repetició
+n a continuación del byte anterior (el mayor valor de repetición sera 255
+ para poder albergarlo en un byte).
+ De poseer una secuencia de ceros superior en longitud a 255, se abreviarán
+ esos 255, y luego se continuará con una nueva abreviación de los restantes.
+\layout Standard
+
+En base a las pruebas realizadas, en la mayoría de los casos tanto en archivos
+ de texto como en binarios, se observa una leve mejora en los niveles de
+ compresión (bpb), utilizando esa opción en la invocación del compresor.
+\layout Subsection
+
+Word Escaping
+\layout Standard
+
+Esta optimización se ha realizado especificamente para mejorar la compresión
+ de archivos de texto.
+ La base de esta técnica es la previa confección de un diccionario de palabras
+ (en nuestro caso 255 palabras máximo), a través del cual aplicando un pre-proce
+samiento al archivo a comprimir, reemplazamos las palabras de ese diccionario
+ que se encuentren en el archivo, por un código de escape sucedido por el
+ indice en el diccionario de la palabra que se abrevia.
+\layout Standard
+
+Es decir, si tenemos el siguiente diccionario de 4 palabras: ¨padre¨, ¨él¨,
+ ¨nos¨, ¨superman¨, y poseemos el texto: ¨El padre de superman es el hombre
+ araña¨, luego del preprocesamiento tendremos: ¨El [escape char][
+\backslash
+0x00] de [escapechar] [
+\backslash
+0x03] es el hombre araña¨.
+\layout Standard
-Optimización para compresión de textos
+Para la confección de un buen diccionario, hemos desarollado una utilidad
+ que contabiliza las 255 palabras que más aparecen dentro de una fuente
+ especificada, y luego del análisis de varios textos en castellano de toda
+ índole (informáticos, novelas, noticias), se obtiene el diccionario que
+ será entregado con el software.
\layout Chapter
Benchmarks
projects / z.facultad / 75.06 / jacu.git / blobdiff