Տվյալների սեղմում (կոմպրեսիա)

Ցանկացած սեղման ալգորիթմի հիմքում սկզբնական տվյալների մոդելն է, կամ ավելի ճիշտ ավելորդության մոդելը։ Այլ կերպ ասած, տվյալների սեղման համար օգտագործվում է որոշ հավաստի տեղեկությունները, թե ի՞նչ բնույթի է տվյալներ են ենթարկվում սեղման (նկարներ, ձայնային հոլովակ և այլն)։ Չունենալով նման տեղեկություններ սկզբանական տվյալների մասին, հնարավոր չէ որեւէ ենթադրություններ անել վերակազմավորման (ձևափոխման) մասին, որը թույլ կտար նվազեցնել հաղորդագրության ծավալը։ Ավելորդության մոդելը կարող է լինել ստատիկ, անփոփոխ ողջ սեղման ենթարկվող հաղորդագրության համար, կամ կառուցված սեղման փուլում (կամ վերականգնման)։ Մեթոդները, որոնք թույլ են տալիս մուտքային տվյալների հիման վրա փոխել տեղեկատվության (ինֆորմացիայի) ավելորդության մոդելը, կոչվում են հարմարվողական մեթոդներ. Չհարմարվողական են սովորաբար բարձր մասնագիտական ալգորիթմները, որոնք կիրառվում են հայտնի և անփոփոխ հատկանիշներով տվյալների հետ աշխատելու համար։ Ալգորիթմերի գերակշիռ մասը բավական ունիվերսալ են եւ այս կամ այն չափով հարմարվողական։

Տվյալների սեղման բոլոր մեթոդները բաժանվում են երկու հիմնական դասի․

• Տվյալների սեղմում առանց կորուստների
• Տվյալների կորուստներով սեղմում

Առանց կորուստների սեղմման դեպքում հնարավոր է սկզբնական տվյալների ամբողջական վերականգնումը , կորուստներով սեղմումը թույլ է տալիս վերականգնել տվյալները խեղաթյուրումներով, վերականգնված տվյալների հետագա օգտագործման տեսանկյունից դրանք աննշան են։ Առանց կորուստների սեղմումը սովորաբար օգտագործում են տեքստային տվյալների փոխանցման և պահպանման , համակարգչային ծրագրերի, հազվադեպ նաև աուդիո- և վիդեոտվյալների, թվային լուսանկարների ծավալի կրճատման համար, այն դեպքերում, երբ խեղաթյուրումները անթույլատրելի, կամ ցանկալի չեն ։ Կորուստներով սեղմումը, որը զգալիորեն ավելի արդյունավետ է, քան սեղմումն առանց կորուստների, այն սովորաբար կիրառվում է աուդիո - և վիդեոտվյալների և թվային լուսանկարներ ծավալի կրճատման համար, այն դեպքերում, երբ նման կրճատումը առաջնային է, իսկ ամբողջական համապատասխանությունը սկզբնական և վերականգնված տվյալների միջև չի պահանջվում։

Սեղման գործակիցը սեղման ալգորիթմի հիմնական բնութագիրն է։ Այն բնորոշվում է որպես սեղմված տվյալների և սկզբնական տվյալների ծավալների հարաբերություն, այսինքն  k = Sc/Sօ, որտեղ k — սեղման գործակիցն է, So— սկզբնական տվյալների ծավալը, իսկ Sc — սեղմված տվյալների ծավալը. Այսպիսով, որքան ցածր է սեղման գործակիցը, այնքան արդյունավետ է ալգորիթմը. Հարկ է նշել՝

• եթե k = 1, ապա ալգորիթմը չի սեղմում տվյալները, այսինքն ելքային հաղորդագրության պարզվում է, ծավալով հավասար սկզբնականին,
• եթե k > 1, ապա ալգորիթմը է ստղծում է հաղորդագրություն ավելի մեծ չափի, քան սկզբնականը, այսինքն, իրականացնում է "վնասակար" աշխատանք։

Անհայտ ձևաչափի տվյալների սեղման համար առկա է երկու հիմնական մոտեցում՝

• Սեղման ալգորիթմի ամեն քայլին հերթակակն սեղմվող նիշը կամ ��եղադրվում է ելքային բուֆեր ինչպես կա (հատուկ դրոշակով, որ նա չի սեղմվել), կամ մի խումբ սեղմվող նիշեր փոխարինվում են նրանց հետ համընկնող այլ խմբի հասցեով։ Քանի որ այսպիսով սեղմված տվյալների վերականգնումը կատարվում է շատ արագ, նման մոտեցումը հաճախ օգտագործվում է ինքնակառավարվող ծրագրերի ստեղծման համար։
• Սեղման ենթարկվող հաջորդականության յուրաքանչյուր նիշի համար մեկ անգամ կամ ժամանակի ամեն պահին հավաքվում է առաջացման հաճախականության վիճակագրությունը. Այդ վիճակագրության հիման վրա հաշվարկվում է հերթական կոդավորվող նիշի (կամ հաջորդականության) հավանականության նշանակությունը։ Դրանից հետո կիրառվում է այս կամ այն տեսակի Էնտրոպիական կոդավորում, օրինակ, թվաբանական կոդավորում կամ Հաֆֆմանի կոդավորում, հաճախ հանդիպող հաջորդականությունները կոդավորվում են կարճ բառերով(կոդերով), իսկ հազվադեպ հանդիպողները՝ ավելի երկար։

• Արխիվ (ինֆորմատիկա)
• Ալգորիթմերի ցուցակը
• Էնտրոպիական կոդավորում
• Տեղեկատվության տեսություն
• Հավանականությունների տեսություն
• Վիճակագրություն

• Д. Ватолин, А. Ратушняк, М. Смирнов, В. Юкин. Методы сжатия данных. Устройство архиваторов, сжатие изображений и видео. — Диалог-МИФИ, 2002. — С. 384. — ISBN 5-86404-170-X 3000 экз.
• Д. Сэломон. Сжатие данных, изображения и звука. — М.: Техносфера, 2004. — С. 368. — ISBN 5-94836-027-X 3000 экз.

• compression.ru — տվյալներին նվիրված ռեսուրս (ռուսերեն)