自适应子矢量划分的快速码字搜索算法

矢量量化编码过程中需要进行大量的矢量间距离计算,这个过程的计算复杂度极高,严重限制了其实际使用。为了加速矢量量化的编码过程,已经提出了各种基于1维特征量的码字搜索算法来减小码字搜索的范围。本文在基于不等式的快速搜索算法基础上,通过使用更有效的基于特征量的搜索算法,并引入自适应子矢量划分的方法,将额外增加的存储空间从N(N-1)/2降低到了13N,码字搜索范围减小了33.88%～50.94%,编码时间减少了10.82%～27.16%。     

一种新颖的基于哈德码变换的码字搜索算法

针对图像矢量量化编码的复杂性,提出了一种新颖的快速最近邻码字搜索算法。该算法首先计算出每个码字和输入矢量的哈德码变换,然后为输入矢量选取范数距离最近的初始匹配码字,利用多控制点的三角不等式和两条有效的码字排除准则,把不匹配的码字排除,最后选取与输入矢量最匹配的码字。实验结果表明,新算法相比于其他算法,在保证编码质量的前提下,码字搜索时间和计算量均有了明显降低。     

一种快速的矢量量化编码

研究了一种基于均方误差（MSE）测度的矢量量化快速编码算法。算法利用小波变换的特点,合理地构造矢量,便于非线性插补矢量量化技术的使用,也使部分失真排除法的效率大大提高。使用矢量的二范数和距离测度关系的码字排除方法,再结合非线性插补矢量量化技术和部分失真排除法,在搜索编码过程中,有效排除部分候选码字。实验结果表明,相对于穷尽搜索方法,计算量有明显降低,计算时间显著减少。     

一种改进的AEI算法中初始匹配码字的快速查找方法

矢量量化（VQ）是一种高效的有损压缩技术。快速码字搜索算法是矢量量化的核心问题之一,其性能决定了编码时间。快速码字搜索算法中,绝对误差不等式删除算法(AEI)是一种典型的3步算法,其第1步查找输入矢量的初始匹配码字的方法采用了Minimax法,是整个AEI算法中计算量最大的步骤,严重影响了算法的效率。针对这个问题,提出了一种新的查找初始匹配码字的方法——Partial Minimax法。该方法在保证所找到的初始匹配码字与原始AEI算法相同并且重建图像的PSNR（峰值信噪比）值不变的前提下,可显著减小这一步骤的计算量和查找时间,从而有效地提高了算法的总体编码速度。     

基于Hadamard变换和矢量分割的快速搜索算法

为了对图像信号进行快速有效压缩,提出了一种改进的基于Hadamard变换和矢量分割的双测试算法.该算法首先在Hadamard域中对空域双测试算法的两个删除准则进行了等效变换;然后在实验的基础上,对变换域码字和输入矢量进行了恰当的矢量分割;最后在码字搜索过程中,利用其中一个最为有效的删除准则来排除大部分的不匹配码字.实验结果表明,改进算法能大大提高码字的搜索效率,搜索范围可减少到原始算法搜索范围的约14%～17%.总体编码时间也减少到原始算法编码时间的约35%～45%.     

改进的快速相关矢量量化的图像编码算法

在矢量量化中,保证编码质量的前提下,缩短编码时间和降低码率是当前研究的重要问题。快速码字搜索算法是减少编码时间的重要技术。提出了一种改进的哈达玛变换域等均值等方差最近邻搜索算法（MHTEENNS）。测试结果表明,这种算法能够排除更多的码字,效率更高。为了降低码率和进一步缩短编码时间,目前已有相关矢量量化的图像编码算法,但是这种算法造成编码质量的下降。提出了改进的基于对角线相关矢量量化编码算法（MDFCVQ）。该算法编码质量提高了0.8~0.9 dB且码率进一步降低。最后,将快速码字搜索算法应用到相关矢量量化中来,将两种改进后的技术结合在一起,通过与之前的方法比较,提出一种在保证编码时间的前提下,具有更高编码质量和更低码率的矢量量化算法。     

改进的矢量量化码字快速搜索法

矢量量化技术是一种高效和有竞争力的数据压缩方法,但由于其编解码过程中需要较大的计算量影响了其使用。提出了一种改进的基于子矢量特征值的码字快速搜索算法。算法充分利用矢量的3个特征值即和值、子矢量和值以及方差,建立起一种5步码字排除法,使得算法能够快速排除大部分不匹配码字,实现减少计算量的目的。仿真实验结果表明,算法的计算量要小于ZhiBin算法、Pan算法以及Chen算法,证明了改进算法的有效性。     

基于主分量分析的相关矢量量化编码算法

在编码前,首先计算码书中所有码字在主轴上的投影值,然后按照这些投影值从小到大对码字进行排序;在编码过程中,利用邻近图像块的高度相关性和当前输人矢量在主轴上的投影值共同确定相应的码字搜索范围．实验结果表明,与传统穷尽搜索矢量量化编码法相比,虽然文中算法的编码质量略有下降,但编码速度和压缩效率都有了显著的提高．     

基于图像块动态调整的码字内再匹配矢量量化

提出一种基于图像块动态调整的码字内再匹配矢量量化方法。该方法在编码前，首先分析待编码子图像与其八邻域子图像的相似性，通过给定的阈值判断是否相似，如果相似，则用同一个码字编码；否则就单独编码。在编码时，由于匹配码字只是和子图像整体上失真度最小，所以进一步把子图像和匹配码字划分为小块，然后子图像中的每一小块在匹配码字中再匹配。实验结果表明，相对于普通矢量量化，该方法不但可以提高编码速度，而且图像质量也有明显改善。     

快速码字搜索算法中一维特征量的最佳选择方法

矢量量化编码过程中的最近邻码字搜索需要进行大量的矢量间距离的计算,这个过程的计算复杂度极高,严重限制了其实际使用.为了加速矢量量化的编码过程,许多文献提出了各种不同组合的基于均值、2-范数、方差和角度的矢量一维特征量的快速最近邻矢量量化码字搜索算法.通过实验给出了这四个一维特征量单独使用以及相互组合的所有情况下各算法的搜索范围和编码时间,并对它们进行了比较和分析,进而提出了在实际进行编码时如何最优地进行一维特征量选取的准则.     

基于几何分析的支持向量机快速训练与分类算法

当支持向量机中存在相互混叠的海量训练样本时,不但支持向量求取困难,且支持向量数目巨大,这两个问题已成为限制其应用的瓶颈问题。该文通过对支持向量几何意义的分析,首先研究了支持向量的分布特性,并提出了基于几何分析的支持向量机快速算法,该算法首先从训练样本中选择出部分近邻向量,然后在进行混叠度分析的基础上,选择真实的边界向量样本子空间用来代替全部训练集,这样既大大减少了训练样本数目,同时去除了混叠严重的奇异样本的影响,并大大减少了支持向量的数目。实验结果表明:该算法在不影响分类性能的条件下,可以加快支持向量机的训练速度和分类速度。     

矢量字库的设计与实现

矢量字库是使用矢量文字的主要方式。本文以一种轮廓文字位图矢量化的方法为基础，详细介绍了从文字住图数据抓取、位图轮廓提取、矢量化数据生成、到矢量化字库生成、读取及显示的设计与实现方法。     

一种利用向量空间模型快速检索文本情报的方法

向量空间模型(VSM)是一种效果较好的信息检索模型。本文提出了利用向量空间模型实现对文本情报快速检索的方法。在阐述建立分类情报的索引词向量的基础上，讨论了利用索引词向量映射文本情报和存储文档向量矩阵的方法，并通过实例介绍了如何通过计算检索向量和文档向量矩阵的相关度来确定返回的检索内容。     

面向矢量瓦片的海量空间数据并行处理技术

随着地图测绘技术的发展,原始地图数据量呈现爆炸式增长,对地图数据处理的空间及时间效率提出了更高需求。针对上述需求,本文提出一种面向矢量瓦片包含矢量数据切图并行和矢量瓦片上传并行的两级并行处理技术。实验结果表明,此并行处理技术在提高矢量数据切图和矢量瓦片上传效率上有显著效果,在海量矢量数据的高效处理上,本文提出的方法是可行的。     

求有效极小（受控）可重复向量的一个算法

文献［１］基于有效（受控）可重复向量，给出了判定一个标准Ｐｅｔｒｉ网产生的语言分别为正规语言或上下文无关语言的充要条件，然而，求取一个标准Ｐｅｔｒｉ网的有效（受控）可重复向量是着定网语言属型的前提条件，文献［１］没有给出求取它们的方法，本文提出一个算法，使得文献［１］判据可实现，此外，作为副产品，同时产生出网的所有极小Ｔ－不变量以及公平性判定的实现。     

基于向量投影的支撑向量预选取

支撑向量机是近年来新兴的模式识别方法,在解决小样本、非线性及高维模式识别问题中表现出了突出的优点．但在支撑向量机中,支撑向量的选取相当困难,这也成为限制其应用的瓶颈问题．该文对支撑向量机的机理经过认真分析,研究其支撑向量的分布特性,在不影响分类性能的前提下,提出了基于向量投影的支撑向量预选取法,从训练样本中预先选择具有一定特征的边界向量来代替训练样本进行训练,这样就减少了训练样本,大大加快了支撑向量机的训练速度。     

最小方差支撑向量回归

基于支撑向量回归(SVR)可以通过构建支撑向量机分类问题实现的基本思想,推广最小类方差支撑向量机(MCVSVMs)于回归估计,提出了最小方差支撑向量回归(MVSVR)算法.该方法继承了MCVSVMs鲁棒性和泛化能力强的优点,分析了MVSVR和标准SVR之间的关系,讨论了在散度矩阵奇异情况下该方法的求解问题,同时也讨论了MVSVR的非线性情况.实验表明,该方法是可行的,且表现出了更强的泛化能力.     

矢量投影变换在同步电机换向控制中的应用

本文介绍了交流同步电动机矢量控制的基本原理，就电机换向部分进行了矢量的投影计算及总结，并进行仿真验算，为同步电机矢量的控制分析提供参考。     

具输入信号的非线性系统的稳定性

考虑了具有缓变输入信号的非线性动力系统的一类平衡点集合的稳定性. 采用不同于相应文献的分析技巧, 充分利用非线性系统右端项提供的信息, 在较相应文献输入信号更弱的假设下, 得到了由输入信号产生的轨线充分接近系统相应解的一些充分条件, 放宽了该类控制系统设计中对输入信号的限制. 并举实例说明结论的有效性.     

一种确定高斯核模型参数的新方法

支持向量机中核函数及其参数的选择非常重要，该文提出了一种利用支持向量之间的距离求取高斯核函数参数的有效方法。该方法充分利用了支持向量机方法的最优判别函数仅仅与支持向量有关，并且支持向量为高斯核中心的特点。实验结果表明，该方法较好地反映了图像特征的本质，解决了高斯核函数参数在实际使用中不易确定的问题。