2026《矢量量化算法综述》3600字.docxVIP

PAGE

PAGE1

矢量量化算法综述

矢量量化算法（VectorQuantization，缩写为VQ）是信息论中一种用于数据压缩的方法，其目标是减少表示空间的维度。一个量化器可以表示为由D维向量x∈?D到一个向量qx∈C=ci;i∈Ι的映射q，其中下标集合Ι为有限集合，即Ι=0,…,k?1。c

以一个图像编码为例，通过聚类算法得到k个质心，然后用这些质心的像素值来替换对应簇中所有点的像素值。当k=2,10,100时，压缩后的图像和原始图像的对比结果如图2.1所示，可以看到，当k=100时，压缩后的图像已经和原始图像非常接近，但其压缩率却是显著的。

图2.1图像矢量量化不同k值下，压缩图像与原始图像对比

矢量量化算法有以下三点优势：（1）矢量量化算法可以通过保存量化中心的索引，减少原始向量所需的存储开销与通信开销。（2）矢量量化算法可以通过建立量化中心与查询向量之间的距离查询表，减少查询度量的计算时间。（3）如图2.2所示，其中h1与h2代表哈希量化方法的阈值边界。在该边界阈值约束下，可以通过海明距离计算出d1与d2的关系为d1=d2=1

图2.2度量方法对比示意图

1.1传统乘积量化算法

然而直接将聚类算法部署于原始向量空间会陷入聚类中心数量选择的困难：一方面，聚类中心数量少会增大量化误差，而过多的聚类中心数量则会增加查询表的计算时间。因此，法国INR