基于改进的参考矢量选取的码字快速搜索算法

矢量量化的编码过程计算复杂性极高,为了减少编码时大量的矢量间距离计算,许多文献提出利用不等式关系以较少的计算量来估算距离的方法。在Chang等人提出的利用双限制三角不等式的快速搜索算法基础上,通过改进参考矢量的选取方法,有效提高了码字搜索的效率。实验结果表明,改进算法的码字排除率可以提高3.735%9.976%,编码时间可以减少6.03%35.25%。     

基于PDS和ENNS的快速K-Means聚类算法

在将部分失真搜索算法PDS,等均值最近邻搜索算法ENNS集成到K-Means算法迭代过程中的基础上,进一步利用迭代过程中已获取的历史索引信息构造优先搜索序列来减小K-Means算法的计算量,降低时间开销.实验结果表明,此算法提高了聚类的速度,在利用标准测试Lena图生成不同尺寸码书的情况下,能够将计算时间降至传统全搜索K-Means的8.6%～14.5%.     

基于数据分布特性的聚类中心初始化方法

文中提出了一种新的基于数据局部和全局分布特性的K--Means初始化方法．算法通过对数据空间进行网格化后统计每个网格中数据点数目,选取具有数目局部最大值的网格,再利用距离优化方法全局的估算出K个初始聚类中心．在人工和真实数据集上,进行了与传统的聚类中心初始化算法的比较．实验结果表明,该算法利用局部最大值网格和距离优化的方法估算的聚类中心能够在保持及改善聚类效果的同时,明显减少迭代次数,提高收敛速度．     

基于感知颜色特征、子图像分割和多重Bitmap的彩色图像检索方法

在文献[1]的基础上提出改进,采用能够更准确描述感知颜色联系的HSV颜色空间代替传统的RGB颜色空间;对图像进行空间子图像划分,结合颜色特征与空间信息进行检索;通过提取图像颜色的上均值、下均值,获取多重Bitmap特征,扩展比较图像内容差异时所利用的信息范围.实验结果表明,提出的算法比文献[1]算法的检索性能有明显的改进.