有关数据压缩的字节配对的问题。如果字节配对将两个字节值转换为单个字节值，则将文件分成两半，然后获取一个gig文件并重复使用16次将其缩小为62,500,000。我的问题是，字节配对真的很有效吗？是否创建了5,000,000次迭代循环，保守，高效？我想要一些反馈和一些精辟的意见。
答案 0 :(得分：5)
一般来说，正如你所描述的那样，“递归压缩”是海市蜃楼：压缩实际上并不是这样的。
首先，您应该意识到所有压缩算法都有可能扩展输入文件而不是压缩它。您可以通过一个简单的计数参数来证明这一点：请注意，任何文件的压缩版本必须与任何其他文件的压缩版本不同（或者您将无法正确解压缩该文件）。此外，对于任何文件大小N，都有固定数量的可能大小为<=N的文件。如果任何大小为> N的文件可压缩为<= N大小，那么当“压缩”时，大小为<= N的相同数量的文件必须扩展为大小>N。
其次，“真正随机”的文件是不可压缩的。压缩有效，因为压缩算法希望接收具有某种可预测规则的文件。但是，“真正随机”的文件根据定义是不可预测的：每个随机文件都与相同长度的每个其他随机文件一样，因此它们不会压缩。
实际上，您有一个模型可以将某些文件视为比其他文件更可能;要压缩此类文件，您希望为输入文件选择较短的输出文件，这些文件更有可能。 Information theory告诉我们压缩文件的最有效方法是为每个输入文件P分配一个长度为~ log2(1/P)位的输出文件。这意味着，理想情况下，给定长度的每个输出文件大致等概率，就像“真正随机”文件一样。
在给定长度的完全随机文件中，每个文件的概率为(0.5)^(#original bits)。上面的最佳长度是~ log2(1/ 0.5^(#original bits) ) = (#original bits) - 也就是说，原始长度是你能做的最好的。
因为良好压缩算法的输出几乎是随机的，所以重新压缩压缩文件会让你几乎没有收获。由于次优的建模和编码，任何进一步的改进都是有效的“泄漏”;此外，压缩算法倾向于扰乱他们没有利用的任何规律性，进一步压缩这种“泄漏”更加困难。
关于这个主题的更长时间的阐述，有许多这类失败命题的例子，请参阅comp.compression FAQ。 “递归压缩”的主张突出。