检索结果-维普期刊中文期刊服务平台

改进的SOFM及其在矢量量化中的应用被引量：7: 1; 作者段勇徐心和崔宝侠《系统仿真学报》 EI CAS CSCD 北大核心 2006年第3期718-721,共4页; 根据等失真(Equidistortion)理论提出了一种基于改进的自组织特征映射(SOFM)神经网络的矢量量化方法,该算法将失真敏感机制引入神经网络的竞争学习过程。通过调整码字的部分失真来指导神经网络的学习,以使得所设计的码书平均失真最小。... 展开更多; 关键词部分失真矢量量化竞争学习自组织特征映射神经网络小波变换; 在线阅读下载PDF 职称材料

矢量量化的误差竞争学习算法被引量：4: 2; 作者王进余松煜张文军《数据采集与处理》 CSCD 2000年第3期281-283,共3页; 提出了误差竞争学习 ( Distortion competitive learning,DCL)算法。该算法基于 Gersho的矢量量化误差渐近理论的等误差原则 ,即当码本数趋于无穷大时 ,各区域子误差相等 ,使用这个原则作为最优码书设计的一个必要条件 ,并结合传统最优... 展开更多; 关键词矢量量化误差竞争学习算法图像处理图像编码; 在线阅读下载PDF 职称材料

使用进化策略的最优码本设计被引量：1: 3; 作者王进余松煜张文军《通信学报》 EI CSCD 北大核心 2000年第6期60-64,共5页; 本文提出进化策略竞争学习算法 ,它把进化策略引入到矢量量化设计中 ,在使用传统竞争学习算法减小期望误差的前提下 ,利用进化策略调整各码本所确定区域的子误差 ,从而进一步改善期望误差。最后与目前常用的码本设计算法相比 ,实验结果... 展开更多; 关键词矢量量化竞争学习算法码本设计; 在线阅读下载PDF 职称材料

应用于矢量量化的竞争学习算法研究被引量：1: 4; 作者朱策何振亚 +1 位作者厉力华汪军《电子学报》 EI CAS CSCD 北大核心 1997年第2期113-115,共3页; 本文依据部分失真定理提出了一种应用于矢量量化的竞争学习新算法─—部分失真均衡竟争学习算法．与目前流行的多种竞争学习算法相比，该算法对于不同尺寸码书的设计均取得了最好的结果，特别是对于大尺寸码书的设计，效果更为明显．; 关键词竞争学习算法矢量量化部分失真; 在线阅读下载PDF 职称材料

修正的广义学习向量量化算法被引量：1: 5; 作者周水生周利华《计算机工程》 CAS CSCD 北大核心 2003年第13期34-36,共3页; 讨论了Pal等的广义学习量化算法（GLVQ）和Karayiannis等的模糊学习量化算法（FGLVQ）的优缺点，提出了修正广义学习量化(RGLVQ)算法。该算法的迭代系数有很好的上下界，解决了GLVQ的“Scale”问题，又不像FGLVQ算法对初始学习率敏感。... 展开更多; 关键词学习向量量化算法竞争网络图像压缩模糊学习量化算法; 在线阅读下载PDF 职称材料

遗传选择机制在矢量量化中的应用: 6; 作者王进余松煜张文军《数据采集与处理》 CSCD 1999年第3期395-398,共4页; 提出误差选择竞争学习算法，它把遗传算法中的选择机制引入到矢量量化设计中，在使用竞争学习算法减小期望误差的前提下，利用选择机制调整各个区域的子误差从而进一步改善期望误差，实验结果表明，该算法较好地调整了各区域的子误差。; 关键词矢量量化遗传算法竞争学习选择机制图像编码; 在线阅读下载PDF 职称材料

题名改进的SOFM及其在矢量量化中的应用被引量：7: 1; 作者段勇徐心和崔宝侠; 机构东北大学教育部暨辽宁省流程工业综合自动化重点实验室沈阳工业大学系统工程研究所; 出处《系统仿真学报》 EI CAS CSCD 北大核心 2006年第3期718-721,共4页; 基金辽宁省自然科学基金资助项目(20022032); 文摘根据等失真(Equidistortion)理论提出了一种基于改进的自组织特征映射(SOFM)神经网络的矢量量化方法,该算法将失真敏感机制引入神经网络的竞争学习过程。通过调整码字的部分失真来指导神经网络的学习,以使得所设计的码书平均失真最小。同时把矢量量化应用于图像的小波变换域,根据图像小波变换高频系数的空间分布特点来组织码书,从而进一步提高码书的质量和适应性。通过实验对算法的性能进行了分析,证明了算法的有效性。; 关键词部分失真矢量量化竞争学习自组织特征映射神经网络小波变换; Keywords partial distortion, vector quantization competitive learning, self-organizing feature maps neural network, wavelet transform; 分类号 TP391 [自动化与计算机技术—计算机应用技术] TP183 [自动化与计算机技术—控制理论与控制工程]; 在线阅读下载PDF 职称材料

题名矢量量化的误差竞争学习算法被引量：4: 2; 作者王进余松煜张文军; 机构上海交通大学图像通信与信息处理研究所; 出处《数据采集与处理》 CSCD 2000年第3期281-283,共3页; 文摘提出了误差竞争学习 ( Distortion competitive learning,DCL)算法。该算法基于 Gersho的矢量量化误差渐近理论的等误差原则 ,即当码本数趋于无穷大时 ,各区域子误差相等 ,使用这个原则作为最优码书设计的一个必要条件 ,并结合传统最优码书设计的两个必要条件 ,然后根据这 3个必要条件 :( 1)最近邻规则 ;( 2 )中心准则 ;( 3)各区域子误差近似相等设计最优码书 ,而在算法的实现中引入广义误差测度 ,以确保该测度与各个区域的子误差相关。最后从快速性与均方差两个方面与目前的码本设计算法比较。实验结果表明 ,该算法在降低迭代时间与减少均方差优于其他传统码本设计算法 ,能迅速地找到优化的码本。; 关键词矢量量化误差竞争学习算法图像处理图像编码; Keywords vector quantization distortion asymptotic theory distortion competitive learning equidistortion principle; 分类号 TN919.81 [电子电信—通信与信息系统]; 在线阅读下载PDF 职称材料

题名使用进化策略的最优码本设计被引量：1: 3; 作者王进余松煜张文军; 机构上海交通大学图像通信与信息处理研究所; 出处《通信学报》 EI CSCD 北大核心 2000年第6期60-64,共5页; 文摘本文提出进化策略竞争学习算法 ,它把进化策略引入到矢量量化设计中 ,在使用传统竞争学习算法减小期望误差的前提下 ,利用进化策略调整各码本所确定区域的子误差 ,从而进一步改善期望误差。最后与目前常用的码本设计算法相比 ,实验结果表明该算法优于其它码本设计算法 ,较好地调整了各区域的子误差 ,实现了全局最优。; 关键词矢量量化竞争学习算法码本设计; Keywords vector quantization evolutionary algorithm competitive learning evolutionary strategy; 分类号 TN911.21 [电子电信—通信与信息系统]; 在线阅读下载PDF 职称材料

题名应用于矢量量化的竞争学习算法研究被引量：1: 4; 作者朱策何振亚厉力华汪军; 机构西南师范大学计算机科学系; 出处《电子学报》 EI CAS CSCD 北大核心 1997年第2期113-115,共3页; 基金国家攀登计划认知科学(神经网络)重大关键项目; 文摘本文依据部分失真定理提出了一种应用于矢量量化的竞争学习新算法─—部分失真均衡竟争学习算法．与目前流行的多种竞争学习算法相比，该算法对于不同尺寸码书的设计均取得了最好的结果，特别是对于大尺寸码书的设计，效果更为明显．; 关键词竞争学习算法矢量量化部分失真; Keywords competitive learning algorithm,vector quantization,partial distortion; 分类号 TP391.4 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名修正的广义学习向量量化算法被引量：1: 5; 作者周水生周利华; 机构西安电子科技大学理学院西安电子科技大学多媒体所西安电子科技大学多媒体所; 出处《计算机工程》 CAS CSCD 北大核心 2003年第13期34-36,共3页; 文摘讨论了Pal等的广义学习量化算法（GLVQ）和Karayiannis等的模糊学习量化算法（FGLVQ）的优缺点，提出了修正广义学习量化(RGLVQ)算法。该算法的迭代系数有很好的上下界，解决了GLVQ的“Scale”问题，又不像FGLVQ算法对初始学习率敏感。用IRIS数据集对算法进行了测试，并应用所给算法进行了用于图像压缩的量化码书设计。该文算法与FGLVQ类算法性能相当，但少了大量浮点除法，实验过程表明节约训练时间约10%。; 关键词学习向量量化算法竞争网络图像压缩模糊学习量化算法; Keywords learning vector quantization algorithm competitive network Image compression; 分类号 TP301.6 [自动化与计算机技术—计算机系统结构]; 在线阅读下载PDF 职称材料

题名遗传选择机制在矢量量化中的应用: 6; 作者王进余松煜张文军; 机构上海交通大学图像通信与信息处理研究所; 出处《数据采集与处理》 CSCD 1999年第3期395-398,共4页; 文摘提出误差选择竞争学习算法，它把遗传算法中的选择机制引入到矢量量化设计中，在使用竞争学习算法减小期望误差的前提下，利用选择机制调整各个区域的子误差从而进一步改善期望误差，实验结果表明，该算法较好地调整了各区域的子误差。; 关键词矢量量化遗传算法竞争学习选择机制图像编码; Keywords vector quantization genetic algorithm competitive learning selection mechanism; 分类号 TN919.8 [电子电信—通信与信息系统] TP391.41 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

	题名	作者	出处	发文年	被引量	操作
1	改进的SOFM及其在矢量量化中的应用	段勇徐心和崔宝侠	《系统仿真学报》 EI CAS CSCD 北大核心	2006	7	在线阅读下载PDF 职称材料
2	矢量量化的误差竞争学习算法	王进余松煜张文军	《数据采集与处理》 CSCD	2000	4	在线阅读下载PDF 职称材料
3	使用进化策略的最优码本设计	王进余松煜张文军	《通信学报》 EI CSCD 北大核心	2000	1	在线阅读下载PDF 职称材料
4	应用于矢量量化的竞争学习算法研究	朱策何振亚厉力华汪军	《电子学报》 EI CAS CSCD 北大核心	1997	1	在线阅读下载PDF 职称材料
5	修正的广义学习向量量化算法	周水生周利华	《计算机工程》 CAS CSCD 北大核心	2003	1	在线阅读下载PDF 职称材料
6	遗传选择机制在矢量量化中的应用	王进余松煜张文军	《数据采集与处理》 CSCD	1999	0	在线阅读下载PDF 职称材料