一种高效的自组织特征映射图的初始化方法

自组织特征映射图算法(SOFM,self-organizing Feature Map)在模式识别中有着广泛的应用.本文首先讨论了网络结构的初始化设置对自组织特征映射图构造的影响以及加速SOFM网络学习训练过程的主要方法,然后提出一种从边界到中心的自组织特征映射图初始化方法,该方法形成的自组织特征映射图能够真实地表示输入样本内在关系,大大减少学习训练次数,从而有效改进了传统的SOFM算法.     

一种基于PCA/SOFM混合神经网络的图象压缩算法

鉴于用神经网络实现图象压缩是一种非常有效的方法,为此提出了一种基于PCA/SOFM混合神经网络的图象压缩编码算法,并对SOFM网络学习参数的优化进行了探讨.实验证明,与PCA SOFM连续编码算法和基本SOFM算法相比,这种混合编码算法,由于占用存储空间少,因而降低了码书设计的计算量,并改善了码书的性能.     

基于非监督学习神经网络的自动调制识别研究与实现

以非监督学习神经网络为主要研究对象,描述自组织网络的基本模型,分析传统自组织网络的训练算法,提出了一种基于自组织特征映射SOFM(Self-Organizing Feature Map)神经网络的通信信号自动调制识别方法。方法改进了训练算法中的学习率函数和邻域函数,提高了算法的收敛速度和性能,并将其应用在通信信号调制识别中。仿真实验检验基于SOFM神经网络的调制识别方法的性能,并与后向反馈(BP)神经网络加以比较,结果表明SOFM神经网络的调制识别方法具有较高的识别精度,改进后的训练算法提高了识别的有效性。     

基于SOFM神经网络的IP电话语音压缩编码设计

对自组织特征映射（SOFM）神经网络学习算法作了简单介绍。从SOFM神经网络学习算法的基本思想出发,通过研究SOFM学习算法在设计矢量码书中存在的问题,提出了一种改进算法。最后把这种算法应用在口电话语音压缩编码的参数矢量量化上。计算机仿真结果表明,SOFM神经网络是一种训练语音码书的好工具,改进的SOFM学习算法能够大大减少训练时间,提高整个系统的性能。     

自组织特征映射网络在压缩编码设计中的应用

对自组织特征映射(SOFM)神经网络学习算法进行阐述.讨论SOFM神经网络学习算法,通过研究基于SOFM学习算法的矢量码书设计中存在的问题,提出一种改进算法.最后把这种算法应用在IP电话语音压缩编码的参数矢量量化上.计算机仿真结果表明,SOFM神经网络对于语音码书训练是非常有效的,改进的SOFM学习算法能够大大减少训练时间,提高整个系统的性能.     

基于粗糙集理论和SOFM神经网络的聚类方法

粗糙集理论和自组织特征映射SOFM(Self-Organizing-Feature-Map)神经网络在聚类分析中有各自的优势和劣势,结合SOFM神经网络和粗糙集理论提出一种算法.该算法利用粗糙集理论的属性约简去掉样本的冗余属性,并将处理过的数据作为SOFM神经网络的训练样本,从而减小了SOFM网络的规模,因此提高了样本的聚类效率.     

SOFM网络及其在MATLAB中的实现

本文详细叙述了自组织映射网络的原理、算法及其在Matlab中实现的工具箱,并结合实例给出了SOFM在Matlab上的实现方法,对于SOFM的现存问题和未来研究趋势作了分析和展望。     

SOFM网络及其在MATLAB中的实现

本文详细叙述了自组织映射网络的原理、算法及其在Matlab中实现的工具箱,并结合实例给出了SOFM在Matlab上的实现方法,对于SOFM的现存问题和未来研究趋势作了分析和展望.     

结合SOFM的改进CLARA聚类算法

介绍了自组织特征映射（SOFM）算法及大规模应用聚类（CLARA）算法的基本思想,提出了一种首先利用SOFM算法对数据集进行粗聚类,确定簇的数目k和神经元的连接权向量,然后从数据集中找出与SOFM算法的神经元的连接权向量最相似的k个代表点作为CLARA算法的k个代表点的初始值的改进CLARA算法。实验结果表明,改进算法具有更高的聚类效率和更好的聚类质量。     

改进的SOFM算法及其在低延迟语音编码中的应用

根据低延迟语音编码算法训练码书的尺寸和码字维数的特点,提出了一种改进的自组织特征映射（SOFM）神经网络的码书设计方法。对输入训练矢量以及连接权矢量进行归一化,为降低计算量和提高码书训练质量,采用快速的网络学习决定获胜的神经元并对网络权值分阶段进行自适应调整,最后应用于低延迟语音编码中。实验表明,与传统LBG算法比较,采用SOFM神经网络训练的码书其合成语音的主、客观质量均有较大提高。     

基于基址重定位的快速域名压缩算法

为了提高DNS服务器的性能,提出了基于M/M/c排队系统的分析模型.利用该模型分析了DNS服务器的响应时间百分比,确定了其性能瓶颈在于域名压缩速率.目前传统压缩算法由于规则的限制只能在查询应答时进行实时的域名压缩,在高访问量场景存在性能问题.为了提高压缩速率,从DNS数据特征方面对域名压缩的原理进行了剖析,并在此基础上结合重定位技术,提出一种新的域名压缩算法.新的设计改变了传统的DNS数据处理流程,通过压缩前置,降低了应答的实时消耗.实验结果表明,该算法在压缩比损失很小的条件下提升了系统资源利用率,达到了优化响应时间百分比的目的.     

A new parallel-by-cell approach to undistorted data compression based on cellular automaton and genetic algorithm

In this paper,a new parallel-by-cell approach to the undistorted data compression based on cellular automaton and genetic algorithm is presented.The local compression rules in a cellular automaton are obtained by using a gnetic evolutionary algorithm.The correctness of the hyper-parallel compression,the time complexity,and the relevant symbolic dynamic behaviour are discussed.In comparison with other traditional sequential or small-scale parallel methods for undistorted data compression,the proposed approcah shows much higher real-time performance,better suitability and feasibility for the systolic hardware implementation.     

基于词语热度的启发式中文句子压缩算法

传统的句子压缩方法多基于难以获得的“原句-压缩句”对齐语料库,因此提出了不依赖于对齐语料库的中文句子压缩算法。通过研究人工压缩结果并结合语言学知识,提出了词语层面和分句层面的两组压缩规则。算法在原句句法分析树和词语间依赖关系的基础上,使用两组规则进行压缩,同时为了保证压缩算法具有更强的适应性和准确性,引入词语的热度加强了压缩算法,最后通过句子整理和语法修复得到最终的压缩句。对比了人工压缩、只使用规则压缩和引入词语热度压缩三种压缩方法。实验结果表明,基于热度的启发式中文句子压缩算法可以在压缩比、语法性、信息量都损失较少的情况下,提高压缩句的热度。     

基于矢量量化的数字视频压缩技术

对基于矢量量化的数字视频压缩技术进行了论述，并根据分析结果提出了一种新的矢量量化算法——多级矢量量化联合编码算法，该算法保持了多级矢量量化算法编码速度快、图像相关性小等特点，同时提高了编码质量。实验表明，该算法与已有的算法相比具有较高的图像质量和更高的压缩率。     

基于改进SPIHT的图像无损压缩算法研究

针对应用于图像无损压缩的传统SPIHT算法没有充分利用小波系数低频子带带内的相关性且存在编码冗余的不足之处,提出了基于改进SPIHT的图像无损压缩算法。首先对原始图像进行整数小波变换,然后对小波变换后的低频子带和高频子带分开编码,即对低频子带进行预测编码;对高频子带,当阈值小于等于2时,改变了传统SPIHT算法的编码方式,减少了比特输出。实验结果表明,与传统SPIHT算法相比,比特率平均降低了0.0653bpp。     

SCADA中历史数据的SDT算法研究与改进

随着物联网和大数据技术的快速发展,数据采集与监视控制SCADA系统每天采集的数据量呈几何级数增长,传统的数据压缩算法--旋转门算法SDT 已经不能满足SCADA系统对历史数据压缩的要求。在深入研究了数据压缩方法尤其是旋转门SDT算法的基础上,提出了一种改进的ASDT 算法,并用Java语言加以实现。ASDT算法通过正弦曲线拟合数据以实现数据压缩,与传统SDT算法的性能相比,ASDT算法能取得更好的压缩效果。实验数据结果表明,相对于传统SDT算法,ASDT算法可以在不显著增加压缩误差的前提下,有效地提高压缩比。     

一种提高视频压缩速度的改进算法

分析了噪声对视频图像压缩速度的影响及传统去噪方法的性能缺陷,提出了使用二次残差算法来改进由于噪声引起误判的思想,以提高压缩速度。实验结果说明,该方法能有效地减少由噪声带来的误判,在压缩速度上也较传统方法有一定的改善。     

基于有向无环图的倒排链等字长划分压缩算法

在搜索引擎的倒排索引等字长（FWA）类型压缩算法中,倒排链的“贪心”分块划分策略和码字信息的交错存储使算法难以达到最优的压缩效果。针对上述问题,提出了一种基于有向无环图（DAG）的FWA划分压缩算法。首先,考虑到互联网网页聚类特性带来的倒排链小数字信息,设计了一种数据区为64位分块的新型FWA压缩格式。该压缩格式通过4位的指示区将数据区划分为16种适合于连续小数字压缩的存储模式,并将倒排链每个分块的指示位和数据位分类存储,从而保证了较好的批量解压性能。其次,在新压缩格式的基础上提出一种基于DAG描述的倒排链FWA划分压缩方法——固定字对齐划分（WAP）算法。该算法利用DAG将倒排链分块划分问题归结为单源最短路径（SSSP）问题,并考虑FWA压缩格式中数据区存储模式的限制条件来确定SSSP问题的结构形式和递归定义。然后,给出了采用动态规划求解SSSP问题并形成最优划分向量的伪码和算法复杂度,并对S9、S16、S8b等传统FWA算法的原有存储模式进行了基于DAG的划分优化,把优化前后的算法的计算复杂度进行比较分析。最后,使用仿真整数序列数据和文本检索会议（TREC） GOV2网页索引数据进行压缩性能实验。实验结果表明,相较于传统FWA类型算法,基于DAG的FWA划分算法在通过批量解压和划分优化技术提升算法的压缩率和解压速度同时,对连续小数字整数序列进行压缩时能够获得比传统参照框架（FOR）类型算法更高的压缩率。     

一种新的非线性分形压缩算法

提出一种基于Julia-CK集和Logistic映射的非线性分形压缩算法。用Carotid-Kundalini函数生成Julia-CK集,并用Logistic映射生成伪随机数填充量化表。将量化后的Julia-CK集分割成4 4的小图像块,再变换成圆盘。圆盘经过旋转后重新变换为正方形,对Julia-CK集进行适当的分类。编码时在同类中寻找匹配的图像块,扩充了原有的仿射变换,得到一个丰富且可通用的压缩字典,有效地打破图像和数据字典之间的一一对应关系。实验表明,相比于Barnsley提出的经典分形压缩方法,新算法使压缩比提高约36%,重建图像的峰值信噪比提高约27%,具有良好的压缩比,获得了高质量的解码图像。     

基于邻接矩阵全文索引模型的文本压缩技术

基于不定长单词的压缩模型的压缩效率高于基于字符的压缩模型,但是它的最优符号集的寻找算法是NP完全问题,本文提出了一种基于贪心算法的计算最小汉字平均熵的方法,发现一个局部最优的单词表。这种方法的关键是将文本的邻接矩阵索引作为统计基础,邻接矩阵全文索引是论文提出的一种新的全文索引模型,它忠实地反映了原始文本,很利于进行原始文本的初步统计,因此算法效率得以提高,其时间复杂度与文本的汉字种数成线性关系,能够适应在线需要。并且,算法生成的压缩模型的压缩比是0.47,比基于字的压缩模型的压缩效率提高25%。