Privire de ansamblu asupra compresiei de date

Fractalii neliniari se împart, în funcţie de transformarea care stă la baza generării lor, astfel:

0. fractali auto-pătratici sunt obţinuţi cu ajutorul generatorului pătratic z²+c unde z,c sunt numere complexe. De exemplu, mulţimea Mandelbrot este generată astfel : se consideră un plan complex, în care se explorează un domeniu rectangular complex de laturi lx şi ly, cu colţul stînga jos (x₀,y₀). Un punct curent din acest domeniu va fi notat cu z₀ iar fiecărui punct z i se aplică următoarea transformare :

În prezent există o varietate de metode de compresie a imaginilor folosind fractali. S-au dezvoltat tehnici de compresie a datelor 3D, reprezentate într-un spaţiu tridimensional. Aceste tehnici ar putea fi folosite în viitor la compresia imaginilor tomografice, care nu necesită o claritate perfectă.

În continuare vor fi prezentate pe scurt cele mai răspîndite metode de compresie cu fractali.

Vector Quantization (VQ) este o tehnică larg răspîndită în compresia imaginilor sau a altor tipuri de date, avînd extensii directe către compresia datelor 3D.

În Scalar Quantization valorile se reprezintă printr-o mulţime fixată de valori reprezentative. De exemplu, dacă avem valori reprezentate pe 16 biţi şi trimitem doar cei mai semnificativi 8 biţi, vom avea o aproximare a datelor originale la o precizie destul de bună. În acest caz, toată submulţimea este formată din valori definite pe 16 biţi, divizibile cu 256. De exemplu, 0, 256, 512, ... .

Standardul JPEG de compresie a imaginilor, bazat pe transformata cosinus discretă DCT şi prezentat în capitolul 10, poate fi extinsă uşor la compresia datelor volumetrice. Acest model patriţionează volumul iniţial în blocuri de dimensiunea 8³ şi DCT-ul converteşte cele 512 valori spaţiale în 512 valori de frecvenţă, care vor fi codificate mai rapid decît volumul iniţial de date.

Implementările algoritmului DCT sunt întîlnite în multe din metodele de compresie cu fractali, deoarece calculul coeficienţilor DCT conduce la timpi de compresie foarte mici.

Aproximările dintre blocurile rang şi blocurile domeniu se fac pe matricea coeficienţilor DCT extinsă. Uneori, cu algoritmii de căutare exhaustivă din teoria fractală, se găsesc o serie de asemănări care nu au fost surprinse în compresia JPEG, datorită caracterului secvenţial de împărţire a imaginii din algoritmul JPEG.

Modele de compresie cu fractali bazate pe IFS. Se utilizează modelul de reprezentare a culorilor YIQ, în locul modelului RGB, pentru a exploata mai uşor sensibilitatea ochiului uman la culori. Se vor asigna mai mulţi biţi pentru canalul Y şi mai puţini biţi pentru canalele I şi Q. Acest lucru este însă foarte bine cunoscut în modelul YIQ.

Pentru fiecare bloc rang, se caută blocul domeniu care se aseamănă cel mai mult pe canalul Y utilizînd blocurile domeniu corespunzătoare din canalele I şi Q la determinarea IFS-ului. Blocurile domeniu din canalele I şi Q nu sunt neapărat blocurile care se potrivesc cel mai bine, însă comparaţia se face doar pe canalul Y. Deci, va exista doar o singură transformare geometrică pentru toate cele trei componente YIQ, în timp ce recalcularea transformării de volum optimă se face pentru fiecare din cele trei canale.

5.Compresia prin reţele neuronale
În ultimii zece ani a avut loc o creştere considerabilă a interesului pentru domeniul reţelelor neuronale artificiale. Se pune problema de ce, pentru că prima referire la astfel de reţele, doar sub aspect matematic, a avut loc încă din anul 1943. Un răspuns ar putea fi nevoia de a găsi o alternativă într-o situaţie de blocaj.

O reţea neuronală artificială este alcătuită dintr-o mulţime de noduri în care se află neuronii artificiali, elementele de procesare neliniare, care operează în paralel. Prin analogie cu neuronul biologic, un neuron artificial are un anumit număr de intrări şi o singură ieşire, care se poate conecta la mai mulţi neuroni. Fiecare intrare are asociată o anumită pondere care reprezintă importanţa pe care o are impulsul, prezent pe linia respectivă, la activarea neuronului.

Neuronul artificial este o copie mult mai simplificată a neuronului biologic. Este format dintr-un corp, un set de intrări şi o ieşire. Fiecare intrare este ponderată, adică valoarea sa este multiplicată de o valoare corespunzătoare, numită pondere, apoi toate intrările ponderate sunt însumate.

După deziluzia din anii 1960, cînd Minski şi Papert au arătat că sistemele neuronale simple nu sunt capabile să rezolve problema detecţiei parităţii, după anul 1980 au început să fie cercetate şi utilizate reţele neuronale capabile de autoînvăţare prin organizarea elementelor de procesare (memorii) într-o anumită structură topologică în funcţie de datele de învăţare.

Faţă de sistemele MLP şi Boltzmann, care necesită supervizare în procesul de instruire, se precizează vectorul de intrare şi cel de ieşire şi se acţionează asupra parametrilor reţelei, aceste noi structuri se antrenează nesupervizat. Acest tip de reţele mai sunt cunoscute şi sum numele de self organising feature maps, SOFM.

În acest subcapitol se prezintă rezultatele aplicării unui sistem de algoritmi de compresie folosind reţele neuronale în compresia de imagine. Sistemul folosit este o combinaţie între două tipuri de modele : reţele de tip Kohonen şi Grossberg.

În reţea sunt folosite trei straturi, primul fiind stratul de intrare, care este folosit la prelucrarea imaginii. Fiecare nod din stratul Intrare este conectat cu toate nodurile din stratul al doilea, denumit stratul Kohonen. În final, fiecare nod Kohonen este conectat cu toate nodurile din cel de-al treilea strat, stratul Grossberg. Ponderile legăturilor dintre aceste straturi sunt determinate cu ajutorul unor reguli de instruire ce vor fi prezentate.

Procesul de compresie / decompresie include următoarele etape :

0. 
   Instruirea neuronilor din stratul de Intrare al compresiei, care este o reţea neuronală simplă, folosind un mic set de date. În general aceste date sunt încărcate înaintea compresiei fără a se mai pierde timp cu instruirea reţelei.
   
1. 
   Instruirea reţelei de decompresie care este de acemenea o reţea neuronală de acelaşi tip cu reţeaua de compresie, folosind acelaşi set de date.
   
2. 
   Împărţirea imaginii în blocuri de 4X4 sau 8X8 pixeli.
   
3. 
   Compresia fiecărei subimagini în 6 sau 4 semnale prin folosirea lor ca intrări într-o reţea de compresie.
   
4. 
   Transmiterea imaginii compresate la receptor, sau stocarea ei.
   
5. 
   Refacerea imaginii iniţiale cu o anumită toleranţă, măsurată ca rată a zgomotului introdus de semnal, cu ajutorul reţelei de decompresie.
   

Pentru a extinde aceste rezultate la compresia de imagini în mai mult de două culori, trebuie dezvoltată o procedură de secţionare a imaginilor astfel încît să se poată folosi şi pe imaginile în mai multe culori, sau în tonuri de gri.

Pentru a comprima şi decomprima imagini folosind reţele neuronale, trebuie să descompunem imaginea într-un număr finit de subimagini. Presupunînd că imaginea originală are o dimensiune de NXN pixeli, şi poate fi descompusă în K>0 subimagini de MXM pixeli. Pixelii fiecărei subimagini vor fi compresaţi cu o reţea neuronală în m biţi de date şi transmişi la recepţie. Cei m biţi primiţi la recepţie vor fi decompresaţi cu o altă reţea neuronală în subimagini de MXM pixeli. Se dezvoltă astfel două reţele neuronale, pentru procesele de compresie şi decompresie, fiind numite reţeaua de compresie şi respectiv reţeaua de decompresie.

Numărul de neuroni din stratul de intrare este de MXM, care este compatibil cu numărul total de pixeli ai unei subimagini. Numărul de noduri Grossberg este m, care reprezintă numărul total de biţi transmişi. În continuare, numărul de noduri Kohonen este egal cu numărul total de modele folosite în procesul de instruire a reţelelor de compresie şi respectiv decompresie.

Dacă o imagine care trebuie compresată este alb-negru, de exemplu valorile pixelilor putînd fi doar 0 sau 1, procesul de compresie va fi direct. Dar, dacă imaginea are un anumit număr de nuanţe de gri, este necesară o metodă de descompunere a imaginilor într-un anumit număr de imagini alb-negru. În acest studiu, se lucrează numai cu imagini de maxim 4 nivele de gri. Din moment ce fiecare pixel are nevoie de doar doi biţi pentru reprezentarea celor patru nivele de gri, adică 00, 01, 10, 11, bitul cel mai semnificativ şi cel nai puţin semnificativ pot fi separaţi , obţinîndu-se astfel două imagini alb-negru.

Aceste două imagini pot fi compresate, transmise şi decompresate separat. Combinaţia dintre aceste două imagini după decompresie va avea ca rezultat imaginea în patru nuanţe de gri iniţială, sau o aproximaţie a acesteia. Rezultate destul de bune pentru imagini în nuanţe de gri s-au obţinut şi cu implementări ale reţelelor neuronale de tip backpropagation, dar acestea prezintă un grad foarte mare de pierdere a informaţiei.
6.Analiza comparată a algoritmilor de compresie
Pentru a exemplifica o clasificare a algoritmilor de compresie folosind omogenitatea fişierelor, vom prelucra 250 de fişiere de diferite tipuri. Metricile folosite sunt entropia, lungimea fisierului şi indicatorul entropic. Se consideră următoarele loturi de fişiere : fişiere de date numerice, fisiere text, fisiere imagine si fisiere de sunet.
În general, toate programele de compresie, de la LhArc pînă la Stacker considerînd şi DoubleSpace reduc spaţiul ocupat de fişiere pe disc cu ajutorul a trei algoritmi :

0. 
   RLE, Run Length Encoding ;
   
1. 
   Algoritmul Huffman ;
   
2. 
   Compresia Lempel-Ziv, în principal algoritmul LZW .
   

Pentru a exploata cel mai bine posibil spaţiul disponibil pe disc, DoubleSpace nu înregistrează fişierele compresate după schema obişnuită a sistemului de fişiere din DOS. Ele sunt memorate într-un fişier de volum compresat, adică compressed volume file CVF. Acest fişier este fix, începînd de la instalarea lui DoubleSpace, ocupînd în general cea mai mare parte a discului. Pe lîngă fişierele compresate, DoubleSpace stochează în şi structurile de date necesare gestionării ansamblului. DoubleSpace poate instala mai multe fişiere CVF în interiorul unui sistem : fiecare dintre ele va fi considerat un disc compresat separat şi va avea propriile sale structuri de date. Un fişier CVF, eventual sub forma unei dischete virtuale poate avea pînă la 512 MB lungime necompresată, care datorită algoritmilor de compresie din DoubleSpace poate ajunge să stocheze pînă la 1 GB de fişiere şi chiar mai mult.
Există numeroase criterii de clasificare şi un algoritm trecut prin fiecare dintre aceste criterii îşi defineşte de fapt caracteristicile.

După momentul în care se face compresia algoritmii sunt :

0. 
   algoritmi de compresie printr-o singură trecere : pe măsură ce se parcurge fişierul are loc şi compresia. Aceştia sunt cunoscuţi sub denumirea de algoritmi dinamici.
   
1. 
   algoritmi de compresie prin mai multe treceri, sau algoritmi statici. La prima trecere se analizează alfabetul, frecvenţele simbolurilor, se identifică subşirurile care se repetă; iar la următoarele treceri are loc particularizarea alfabetului destinaţie strict la particularităţile pe care le prezintă subalfabetul fişierului sursă.
   

Loturile de fişiere considerate ţin seama de diversitatea existentă în practică. Există fişiere de lungime foarte mare, mare, medie şi mică.

Se consideră fişier foarte mare fişierul care are o lungime de zeci sau chiar sute de MB. Fişierele de lungime mare au dimensiuni între 1 şi 10 MB. Fişierele medii au lungimi sub 1 MB, dar mai mari decît 400 KB. Fişierele mici sunt cele cu o lungime mai mică de 400 Kb.

Se consideră n fişiere şi gradele de compresie cuprinse între 0 şi 100. Se va spune că algoritmul de compresie x este :

0. 
   excelent dacă gradul mediu de compresie este cuprins între 0.89 şi 1;
   
1. 
   foarte bun dacă valorile gradului mediu de compresie sunt în intervalul 0.68 şi 0.89;
   
2. 
   bun în cazul în care valorile gradului mediu de compresie sunt cuprinse în intervalul 0.41 şi 0.68;
   
3. 
   mediu pentru valori ale gradului de compresie cuprinse între 0.23 şi 0.41;
   
4. 
   slab pentru valori ale gradului mediu de compresie mai mici decît 0.23 şi mai mari decît 0.11;
   
5. 
   foarte slab pentru grade de compresie mai mici decît 0.11.
   

Oricît de mare ar fi harddisk-ul dumneavoastră vine un moment cînd s-a umplut şi totuşi nu vreţi să renunţaţi la nici un fişier de pe el. Atunci aveţi două soluţii: fie vă mai cumpăraţi unul, dar se va umple şi acesta, fie folosiţi programe de compresie care vă pot economisi foarte mult spaţiu şi bani. Problema care apare este ce program anume să folosiţi. Pentru a decide singur care este mai bun şi de ce, citiţi acest capitol.

Programele utilitare se deosebesc de celelalte prin :

0. 
   generalitate : realizează compresia / decompresia oricărui fişier. Se indică numele programului utilitar, numele fişierului care face obiectul compresiei şi numele noului fişier ce va fi obţinut după compresie. După compresie se indică un mesaj privind calitatea procesului de compresie şi se afişează gradul de compresie.
   
1. 
   fiabilitate : programul este astfel conceput încît nu apar erori de execuţie sau erori de compresie. Pentru aceasta a fost necesară o testare riguroasă.
   
2. 
   continuitate : pornind de la alte programe utilitare se preiau reguli, în aşa fel încît programatorul să utilizeze direct, fără noi restricţii produsul. Simbolul unor parametrii, separatori şi semnificaţia lor dată în versiuni anterioare ale programului trebuie menţinute.
   
3. 
   performanţa : viteza de compresie / decompresie trebiue să fie ridicată, asigurînd încadrarea în limitele acceptate, care definesc timpul real de lucru al configuraţiei.
   
4. 
   protecţie : toate situaţiile conflictuale sunt gestionate de către program.
   

7.Software pentru compresie
În anul 1997 a fost realizată o aplicaţie Windows 95, care poate rula în mod multitasking. Funcţiile de bază ale aplicaţiei DanAr Multimedia Compressor v2.4 for Windows 95 sunt compresia şi decompresia fişierelor, folosind o gamă largă de algoritmi.

Aplicaţia este foarte uşor de utilizat, pentru fiecare opţiune existînd o explicaţie, prezentată în status bar.

Cu ajutorul acestei aplicaţii se pot prelucra o mulţime de tipuri de arhive, .zip, .arj, .lha, .lzh, .rar şi .dan. Cu ajutorul opţiunii extern link, se pot comprima şi decomprima arhive de tipuri diferite celor prezentate, fiind necesară doar existenţa în directorul aplicaţiei a produsului care creează aceste arhive.

Aplicaţia este însoţită de o serie de utilitare, care sunt prezente în aproape toate programele de compresie. În cazul în care pe acelaşi calculator lucrează mai mulţi utilizatori se pot realiza mai multe fişiere de opţiuni. Fişierele de opţiuni au extensia .set,iar verificarea existenţei unuia dintre fişierele de opţiuni se poate realiza prin selecţia opţiunii din meniu : Tools / Restore default settings ... .

Se poate lucra simultan cu două arhive, chiar de tipuri diferite. În cele două arhive se pot face adăugări de fişiere, ştergeri, extrageri şi chiar transferuri de fişiere între cele două arhive.

Opţiunile standard ale aplicaţiei, existente în majoritatea programelor de compresie :

0. 
   Crearea unor arhive noi ;
   
1. 
   Deschiderea unei arhive, numai din tipurile specificate ;
   
2. 
   Deschiderea celei de-a doua arhive ;
   
3. 
   Schimbarea celor două arhive, între ele, dacă există două arhive deschise ;
   
4. 
   Închiderea arhivelor ;
   
5. 
   Informaţii despre arhivă ;
   
6. 
   Informaţii despre fişiere (double click) ;
   
7. 
   Ştergere de fişiere ;
   
8. 
   Copiere de arhive ;
   
9. 
   Ştergere de arhive ;
   
10. 
    Adăugarea de comentarii, pentru fiecare fişier în parte, dacă se doreşte ;
    
11. 
    Salvarea comentariilor în fişiere tip comentariu, pentru folosirea ulterioară ;
    
12. 
    Introducerea parolelor, chiar pentru fiecare fişier din arhivă ;
    
13. 
    Crearea de arhive autoexpandabile ;
    
14. 
    Prezentarea pas cu pas a procesului de compresie ;
    
15. 
    Adăugarea de fişiere în arhivă ;
    
16. 
    Extragerea fişierelor dintr-o arhivă ;
    
17. 
    Ştergerea fişierelor din arhivă.
    

Ce aduce nou aplicaţia Danar, faţă de alte programe de compresie :

0. 
   Selectarea unei metode specifice de compresie, automat sau din meniu :
   
1. 
   Easy compression ;
   
2. 
   Average compression ;
   
3. 
   High rate compression ;
   
4. 
   Huge rate compression ;
   
5. 
   Fractal compression ;
   
6. 
   Genetic compression ;
   
7. 
   Multiple mode compression ;
   
8. 
   Cryterial compression ;
   
9. 
   Selectarea unui tip de fişier pentru care se face compresia :
   
10. 
    Fişiere text ;
    
11. 
    Fişiere executabile ;
    
12. 
    Imagini ;
    
13. 
    Fişiere sunet ;
    
14. 
    Compresie multimedia ;
    
15. 
    Compresie video ;
    
16. 
    Compresie fără tip ;
    
17. 
    Alt tip de fişiere ;
    
18. 
    Transferul de fişiere între doua arhive ;
    
19. 
    Listarea completă a arhivelor ;
    
20. 
    Restaurarea unor parametrii salvaţi anterior, cu ajutorul fişierelor de configuraţie ;
    
21. 
    Introducerea unui analizor de fişiere, cu ajutorul căruia se pot obţine informaţii despre cea mai bună metodă de compresie pentru fişierele selectate ;
    
22. 
    Analizorul de fişiere, care foloseşte o structură de reţele neuronale, pentru determinarea celui mai bun algoritm de compresie ;
    
23. 
    Existenţa unei istorii a fişierelor arhivate anterior ;
    
24. 
    O analiză rapidă a fişierelor, datorită studiilor statistice efectuate pe fişiere, de-a lungul timpului ;
    
25. 
    Componenta de compresie automată, care apelează analizorul în faza de compresie.
    

Pentru varianta comercială a produsului puteţi contacta autorii.
8.Concluzii

Oricît de mult se dezvoltă suporţii de stocare a informaţiei, capacitatea lor va fi întotdeauna un neajuns pentru implementarea aplicaţiilor informatice.

Trecerea de la banda perforată la banda magnetică a condus la apariţia restricţiilor de utilizare a fişierelor independente. Trecerea de la banda magnetică la dischetă a adus unele restricţii pentru bazele de date. Dezvoltarea discurilor magnetice generează restricţii în domeniul bazelor de date multimedia, şirul de restricţii continuînd asupra dimensiunilor şi complexităţii volumelor de date care se manipulează simultan. O soluţie cu caracter de ameliorare o reprezintă compresia / decompresia de date, însoţită de un consum de timp, influenţată puternic de performanţele microprocesoarelor şi ratele de transfer.

Deşi există conturate tipologii de algoritmi, problema dezvoltării de noi clase rămîne deschisă. De asemenea, elaborarea de software destinat compresiei creşte rata de compresie.

Se identifică următoarele probleme :

0. 
   stabilirea corespondenţei dintre caracteristicile fişierelor supuse compresiei / decompresiei şi algoritmul cu rata de compresie cea mai bună ;
   
1. 
   cuantificarea redundanţei inclusă în fişiere şi folosirea indicatorilor asociaţi în selectarea algoritmilor de compresie sau chiar în dezvoltarea de noi algoritmi ;
   
2. 
   construirea de software care diferenţiază algoritmii de compresie funcţie de caracteristicile fişierelor pentru fişiere de imagine statice se foloseşte un tip de algoritm, pentru animaţie alt tip de algoritm, pentru sunet de asemenea ;
   
3. 
   dezvoltarea unor elemente de optimizare multicriterială (minimizare spaţiu pe suport şi minizizare durată compresie / decompresie, minimizare costuri) ;
   
4. 
   realizarea unui echilibru între informaţia stocată şi cea generată prin evaluări de funcţii ;
   
5. 
   urmărirea dezvoltării de algoritmi care iau în considerare noile resurse ale sistemelor de calcul, memoria cache, memoria RAM, multiprocesarea .
   

Problema compresiei / decompresiei apare cu atît mai importantă cu cît se realizează globalizarea reţelelor de calculatoare.

Trecerea de la documentele clasice la imagini stocate pe suport magnetic impune specializarea serverelor şi deci concentrarea de informaţii omogene.

Volumele deosebit de mari presupun şi criterii de regăsire. În acest caz se implementează 3 nivele de software :

0. 
   un software de interfaţă pentru localizare în reţea şi regăsire după chei compuse a informaţiei (articol); acest software trebuie să fie general, prietenos şi simplu ;
   
1. 
   software pentru regăsirea informaţiei care preia elementele de dialog şi realizează localizarea şi extragerea informaţiilor dorite (articol) în formă compresată ;
   
2. 
   software pentru decompresie şi prelucrare a informaţiei selectate la nivelul utilizatorului; această componentă face viabilă tehnologia transmisiei de date în reţea .
   

Indiferent care sunt performanţele tehnice ale manipulării informaţiei în reţea, creşterea ratei de compresie rămîne în actualitate pentru că :

0. 
   staţiile de lucru au resurse de stocare limitate şi orice activitate este precedată de decompresie respectiv compresie de date ;
   
1. 
   tipologia fişierului de date numerice destinate calculelor pentru indicatori economici, tehnici, evidenţe contabile au o pondere redusă în favoarea aplicaţiilor în care imaginea joacă un rol important ;
   
2. 
   raportul dintre informaţia transmisă şi informaţia efectiv prelucrată este extrem de mic ;
   
3. 
   conţinutul fişierelor care fac obiectul transferului preia fără modificări esenţiale imagini ale documentelor sau fotografii în formă brută care limitează performanţa algoritmilor de compresie .
   

Actualitatea compresiei / decompresiei ca subiect de cercetare şi de dezvoltare software este subliniată de existenţa unor conferinţe anuale (Data Compression Conference DCC), de lansarea pe piaţă de pachete de programe pentru compresie şi mai ales de elaborarea de standarde pentru stocarea informaţiei în fişiere în concordanţă cu creşterea ratei de compresie.

Mai mult, nu este concepută realizarea unui kit de instalare care să nu utilizeze fişiere compresate, deci care să nu facă decompresie de date cu componente program proprii, specializate.

Programatorii au acces la funcţii de compresie / decompresie ca părţi integrante ale unor biblioteci indispensabile implementării limbajelor de programare (vezi LZDecompress).

Instrumente puternice dezvoltate în ultimul timp în informatică şi-au găsit aplicaţii în compresia de date (fractali, reţele neuronale, algoritmi genetici).

Se observă caracterul deschis al domeniului. Se impun însă analize cantitative şi calitative ale intrărilor, ieşirilor, transformărilor specifice proceselor de compresie / decompresie şi găsirea unei zone de optimalitate. Aceasta trebuie să ia în considerare minimizarea pierderii de informaţie, maximizarea ratei de compresie, minimizarea duratelor de compresie şi minimizarea spaţiului ocupat.

Fiecărei tipologii de algoritm i se asociază limite ce trebuie estimate. Pe baza acestora are loc o ierarhizare a algoritmilor şi crearea unor procese echilibrate de compresie / decompresie.

Software-ul dedicat acestor operaţii nu creează baze de date privind comportamentul, ceea ce impune perfecţionarea acestui software.

În acest sens, componentele adăugate trebuie să măsoare caracteristicile fişierelor de intrare şi consumul de resurse, precum şi caracteristicile fişierelor de ieşire.

Aceste baze de date trebuie să contribuie la ajustarea comportamentului programelor de compresie prin modificarea criteriilor de selecţie a algoritmilor.

Asigurarea unei largi circulaţii a textelor sursă ce corespund implementărilor de algoritmi este o condiţie pentru dezvoltarea de aplicaţii pe compresie de date.

Software-ul aplicativ devine complet dacă operează cu fişiere compresate proprii. De exemplu, un mediu de programare pentru limbajul C++ este complet dacă la ieşire oferă un program sursă compresat, dacă la compilare se face decompresia fişierului text sursă şi compresia fişierului obiect, dacă la link-editare se face decompresia fişierului obiect şi compresia fişierului executabil, iar la execuţie se face decompresia şi lansarea în execuţie a fişierului executabil.

Acele funcţii de compresie sau decompresie la dispoziţia programatorului au tocmai rolul de a încorpora utilitare în aplicaţii şi de a elimina transparenţa compresiei / decompresiei prin comenzi impuse utilizatorului.

Bibliografie

0. 
   Frank Rubin, Experiments in text File Compression, CACM vol 19, nr.1, 1976, pp.617-622
   
1. 
   I. Ivan, D. Verniş, Analiza comparată a algoritmilor de compresie date, PC World, nr.12, Decembrie 1995
   
2. 
   I. Ivan, D. Verniş, Evaluarea seturilor de date destinate compresării, Revista Română de Statistică, nr.1, Ianuarie 1996
   
3. 
   I. Ivan, D. Verniş, Compresia de date, PC Report, nr.9, Septembrie 1996
   
4. 
   I. Ivan, D. Verniş, Particularităţi ale algoritmilor de compresie imagine, Studii şi cercetări de calcul economic şi cibernetică economică, nr.1-2, 1996
   
5. 
   I. Ivan, D. Verniş, P. Oprea, Metrici pentru compresia fişierelor, Informatica Economică, nr. 2, 1997
   
6. 
   I. Ivan, C. Bodea, D. Verniş, Utilizarea reţelelor neuronale în compresia de date, Informatica Economică, nr. 3, 1997
   
7. 
   I. Ivan, D. Verniş, D. Ţuţui, Entropia şi compresia de date, Buletinul de Informatică ICI, nr. 3, 1997
   
8. 
   Daniel Verniş, Data Compression Algorithms, Proceedings of Student’s Research in Economic Informatics, ASE, Bucureşti, 1995
   
9. 
   Daniel Verniş, Algoritmi de compresie pentru siruri de date numerice, Cercul de Structuri de Date, A.S.E. Bucureşti, 1996
   
10. 
    Daniel Verniş, Data Compression Software, Proceedings of Student’s Research in Economic Informatics, ASE, Bucureşti, 1997
    
11. 
    Daniel Verniş, Implementarea algoritmilor de compresie folosind reţele neuronale, A.S.E. Research Report , Bucharest Iunie 1997
    
12. 
    Daniel Verniş, Compresia de date, Cercul de Structuri de Date, A.S.E. Bucureşti, 1997
    
13. 
    Ivan, Daniel Verniş, Compresia în reţele ATM, Informatica Economică, nr. 2 1997
    
14. 
    Vaishampaman and N. Farvardin, Optimal Block Cosine Transform Image Coding For Noisy Channels, IEEE Transactions on Communications, vol.38, nr.3, March 1990, p.327-336
    
15. 
    K. Zheng, Compressed Treee Machines, IEEE Transactions on Computers, vol.43, nr.2, Feb.1994, p.222-226
    
16. 
    J. Ziv and A. Lempel, A Universal Algorithm For Sequential Data Compression, IEEE Transactions on Informations Theeory Vol.23, nr.3, Mai 1977, p.337-343
    
17. 
    J. Ziv and A. Lempel, Compression of Individual Sequences Via Variable-Rate Coding, IEEE Transactions on Informations Theeory vol.24, nr.5, Sept. 1978, p.530-536