原创力文档- 1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
- 2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
改进的SOFM及其在矢量量化中的应用
崔宝侠1 段勇1 徐心和2
(1沈阳工业大学系统工程研究所，辽宁沈阳110023：2东北大学，辽宁．沈阳110004)
摘要：本文根据部分失真理论提出了一种基于竞争学习神经网络的矢量量化码书设计算法，
该算法对自组织特征神经网络(SOFM)进行了改进，从而提高了码书的性能，加快了算法
的收敛速度．并把矢量量化应用于图像的小波变换域。实验表明，应用本算法设计的码书，
质量优于LBG以及其他竞争学习算法。
关键词：部分失真：矢量量化：竞争学习：自组织特征神经网络；小波变换
Modified Feature and
MapsAlgorithm
Self-Organizing
inVector
applicationQuantization
XU
DUAN Xin．he2
CUIBao．xial Yon91
of 10023
University
Technology,shenyang，l
(SystemEngineeringInstitute，Shenyang
China；Northeast 10004)
University,shenyang，1
codebook vector based
Abstract：Inthis of On
designing quantizntion
paper,a algorithm
the
is basic feature
forward．Bymodifying
competitiveLearningput Self-organizing
maps
is
Neural ofcodebook is
network(SOFM)，Performance speed
improved，convergence
and is inwavelettransformof
acceleratedthis
algorithmapplication image．The
origin
indicats ofcodebookthatis this
文档评论（0）