De algoritmer for Markov-modellering Dynamic eller Dynamic Markov Compression (eller DMC for dynamisk Markov Compression ) er en familie av algoritmer, datakomprimering uten tap, statistikk og Adaptive oppfunnet av Gordon Cormack og Nigel Horspool på 1,986 .
Algoritmene til denne familien er basert på dynamisk Markov-modellering for å vurdere sannsynligheten for utseendet til de forskjellige symbolene.
Den resulterende spådommen fungerer som et inngangspart til aritmetisk koding , selv om i teorien kan enhver entropikoding ( Huffman-koding ...) brukes i stedet.
En DMC kan kombineres med andre typer prediktorer (PPM, for eksempel) ved kontekstvekting , noe som gjør det mulig å utvide det modellerte domenet, eller for å forbedre presisjonen til modelleringen.
DMC er en symmetrisk algoritme. Dette betyr at det gjør det samme for å komprimere og dekomprimere. Dette betyr også at hastigheten er den samme i begge tilfeller (hvis vi ikke tar hensyn til komplikasjonene til I / O), og at mengden minne som trengs (for å lagre Markov-modellen) er den samme.
Det er relativt få implementeringer av DMC, men de ser ut til å ha høyere minnekostnad enn en riktig implementering av en PPM, for sammenlignbar ytelse.
En lignende tilnærming brukes av algoritmer for prediksjon av delvis gjenkjenning. Litt eldre er det også mye oftere brukt.
For å oppnå mer pålitelige spådommer, kombinerer noen algoritmer flere statistiske modeller.