Descripción

    Por Códificación Huffman se entiende a un conjunto de algoritmos utilizados para la compresión de datos sin pérdida.   

   Se basa en representar o codificar cada símbolo que conforma la entrada de datos por medio de códigos prefijos
 únicos (es decir, el código de un símbolo nunca puede se prefijo de otro código) de longitud variable .

   Dichos códigos se obtienen a partir de un árbol que se construye desde las hojas hasta la raíz. Se generan a partir
de una tabla que contiene los símbolos de entrada iniciales y por lo general, ordenados ascendentemente, ya sea
por su frecuencia de aparición, en caso de que se utilice el enfoque semi-estático o por probabilidad de aparición, si
se emplea una estrategia estática.

   La ganancia en espacio, o tasa de compresión se obtiene porque a los símbolos más comunes se les asigna un código
corto, mientras que a los símbolos con una frecuencia de aparición (o probabilidad) menor se le asignan códigos más largos.

   Cabe mencionar que la codificación Huffman es óptima entre los métodos estadísticos, ya que sus representaciones presentan la menor longitud media.

Enfoques para calcula las probabilidades o frecuencias de los símbolos

-Enfoque Estático:

   Se calculan probabilidades para los símbolos una vez para todos los textos que se procesarán.
   Si la distribución calculada difiere en gran medida de la distribución real de un texto, el algoritmo ofrecerá resultados pobres, mientras que si las probabilidades se ajustan a la distribución real, los resultados serán muy buenos.
    La principal ventaja de este  enfoque es que se ahorra el tiempo de pre-procesar el archivo, necesario en otros enfoques.

-Enfoque Semi-Estático:

      En este enfoque no se asume ninguna distribución.
      En una primera fase se pre-procesa el texto de entrada con el fin de obtener la frecuencia de aparición de los símbolos para esa entrada particular y de esa forma "aprender" la distribución de la misma. Luego, en una segunda "pasada" se realiza la compresión.
     Tiene como ventaja que la distribución utilizada coincide exactamente con la de la entrada. Tiene como desventaja primordial el tiempo requerido para el pre-procesamiento.

-Enfoque Adaptativo:

   Se inicia sin información previa para las distribuciones.
  Conforme se procesan diferentes textos se crea y modifica un perfíl estadístico para las distribuciones de los símbolos.
    Se realiza una única pasada sobre el texto de entrada.
    Cuantos más textos se procesen, más se acerca la distribución estadística a distribuciones reales.