基于新型二层误差逆传播网络的图像压缩

基于误差逆传播算法对图像进行压缩的工作已有很多，怛存在着人工神经网络训练时间较长，精度偏低等问题。考虑到利用三层及三层以上BP网络对图像压缩，其有效信息是中间层单元上的输出值和中间层与输出层之间的连接权，而输入层与中间层的连接权是冗余的，以至于对学习速度和压缩质量有负面影响。基于此我们提出了新型二层误差逆传播网络拓扑结构和算法。经过上机压缩测试，相对于三层BP网络、三层以上BP网络以及嵌套BP网络图像压缩的压缩比、学习速度和压缩质量都有很大提高，取得了很好的效果。     

反向传播网络的不足与改进

论述了反向传播网络的不足，并从经验和实践的角度出发，提出两种行之有效的改进方法和实现途径。     

基于误差反向传播神经网络的人脸检测方法

随着社会发展的需求,在人与人的交流中,人脸面部视觉信息发挥越来越重要的作用。人脸检测、识别被广泛应用在金融支付、信息安全、公安刑侦、访问控制等方面,具有不易伪造、便捷、稳定等特点。同时,人脸图像受光照条件、成像角度等因素影响,需要利用准确的识别系统,获取真实图像。本文对误差反向传播神经网络进行概述,并探究其在人脸检测中的具体应用,为人脸检测提供科学依据。     

基于迭代式MapReduce的误差反向传播算法

针对误差反向传播(BP)算法计算迭代的特点,给出了迭代式MapReduce框架实现BP算法的方法。迭代式MapReduce框架在传统MapReduce框架上添加了传送模块,避免了传统框架运用在迭代程序时需要多次任务提交的缺陷。通过对K/TGR146对空台射电开关控制系统进行仿真得到BP算法训练样本,并在Hadoop云计算环境下,分别在基于传统框架和迭代式框架的BP算法中进行训练。实验结果表明,基于迭代式MapReduce框架的BP算法训练速度达到了基于传统MapReduce框架的BP算法训练速度的10倍以上,正确率提升了10%~13%,能有效解决算法训练时间过长和迭代计算中多次任务提交的问题。     

综合反向传播算法

提出一种用于多层前向神经网络的综合反向传播 算法。该算法使用了综合考虑了绝对误上对误差的广义指标函数,采用了在网络输出空间搜索的反传技术。     

基于L-M算法的反向传播网络的湿度传感器输出误差补偿研究

针对湿度传感器的输出非线性问题,提出了基于L-M算法建立BP神经网络进行补偿校正,实现电阻型湿度传感器的输入与输出非线性补偿,并与共轭梯度算法、拟牛顿算法所建立的神经网路模型进行对比,重点比较了模型迭代性能、标准偏差;最后发现当神经网络用L-M算法进行训练模拟时在迭代性能、标准偏差等方面具有更优异的表现,更适合湿度传感器的非线性特性的补偿校正。     

基于反向感染的复合种群网络传播溯源算法

流行病的传播会对整个人类社会构成巨大威胁,因此迅速识别传播源并及时采取控制措施至关重要。然而,由于流行病传播过程具有多样性、信息不确定性等因素,使得快速准确识别传播源成为一项挑战。结合反向感染算法、复合种群网络模型以及马尔可夫链理论,提出了一个在复合种群网络中识别传播源的新算法。该算法首先利用马尔可夫链来初步估计子种群被感染的时间,被感染子种群根据感染时间获得自己的身份信息,然后遍历所有获得感染子种群身份信息的子种群,将收集到的感染子种群身份信息传播给其所有邻居,最后根据获得所有感染子种群身份信息的时间顺序推断出复合种群网络的传播源。在真实的航空网和人造复合种群网络上进行大量仿真实验,发现无论在已知全部感染快照还是部分感染快照的情况下,该算法与其他传播溯源算法相比,识别传播源的准确性都有显著提升。该算法非常适合用于航空网这类复合种群网络,对现实世界中的流行病传播溯源和控制也具有参考意义。     

基于人工神经网络的图像压缩方法

本文介绍了一种基于人工神经网络的图像压缩算法。和传统的数据压缩方法相比，它不必领事于预先确定的数据编码方式，而能够根据输入的图像信息自主地完成图像的压缩。实验结果证明了该方法的有效性。     

改善神经网络反向传播算法的训练时间

反向传神经网络的研究，最重要的任务之五是改善训练时间。本文提出了两种用来减少训练时间的新方法，这两种新方法是在传统和典型方法基础上的适当修改。我们给出了一些应用修改后的反向传播算法，计算机实验后的有兴趣的结果。     

基于深度学习的图像压缩算法研究综述

随着深度学习的不断发展与图像数据的爆炸式增长,如何使用深度学习来获得更高压缩比和更高质量的图像逐渐成为热点研究问题之一。通过对近几年相关文献的分析与整理,将基于深度学习的图像压缩方法按照卷积神经网络、循环神经网络、生成对抗网络进行总结与分析,对不同种方法分别列举了具有代表性的实例,并对基于深度学习的图像压缩算法的常用训练数据集、评价指标进行了介绍,根据深度学习在图像压缩领域中的优势对其未来的发展趋势进行了总结与讨论。     

一种基于量子BP网络的图像压缩方法

针对BP网络在图像压缩应用中迭代次数多及训练时间长的问题,设计具有量子输入和输出的神经元模型,结合BP网络在图像压缩中的原理,利用复数BP算法,构建一种用于图像压缩的3层量子BP网络(QBP),实现图像压缩与图像重建。仿真结果表明,与BP网络相比,QBP网络能获得更好的重建图像质量,且迭代次数较少。     

基于分形与JPEG的混合图像压缩算法

根据分形图像压缩算法具有潜在高压缩比的特点,提出基于分形与JPEG算法的混合图像压缩算法。将结合四叉树算法的分形图像压缩算法用于32×32和16×16的子块区域编解码,JPEG算法用于剩余区域编解码。实验结果表明,该算法具有较高的压缩比和解码图像质量,当压缩比较大时,其解码图像的块效应明显弱于JPEG算法。     

基于PSO-BP神经网络的图像压缩算法

本文阐述了使用BP神经网络压缩图像的方法和粒子群算法(PSO)的原理.为提高BP算法的训练速度和图像重建质量,本文设计了一种利用PSO-BP网络进行图像压缩的算法,该算法结合了PSO算法和BP算法的优点,将BP网络的训练过程分为两个阶段.实验表明,利用该算法压缩图像,不仅速度较快,而且重建后的图像质量有明显提高.     

基于PSO—BP神经网络的图像压缩算法

本文阐述了使用BP神经网络压缩图像的方法和粒子群算法（PSO）的原理。为提高BP算法的训练速度和图像重建质量．本文设计了一种利用PSO—BP网络进行图像压缩的算法，该算法结合了PSO算法和BP算法的优点，将BP网络的训练过程分为两个阶段。实验表明，利用该算法压缩图像，不仅速度较快，而且重建后的图像质量有明显提高。     

一种基于小波变换的图像压缩方法

提出一种基于小波变换的灰度图像数据压缩编码方法,基本思路是利用小波变换实现图像的多分辨分解,用矢量量化（ＶＱ）对分解后的图像进行编码,在矢量量化ＬＢＧ算法的初始码书的选取中根据矢量中各分量的特性提出一种改进的随机选取法,避免了可能的胞腔不均现象,提高了码书的质量,而且重构的图像质量也有所提高。     

零树小波图象压缩算法的改进

针对零树小波编码等常用图象压缩算法存在的压缩速度慢、压缩比小、重构复原图象效果不理想等问题 ,本文充分考虑人的视觉特性 ,结合不同方向不同尺度子带之间的相关性 (横向相关 ) ,提出了一种基于高频带面的新零树小波编码算法 (以下简称为改进的零树小波编码算法 ) .实验结果表明 :改进的零树小波编码算法在压缩比、编码时间、解码时间、重构复原图象质量等方面均优于零树小波编码算法 .     

小波变换医学图像压缩研究

首先简要介绍了多分辨分析和Mallat算法,然后用其进行了医学图像压缩实验.实验表明,小波变换算法具有较高的压缩比和较好的图像恢复质量,不同类型的医学图像在同一小波基下压缩比不同.     

基于HEVC与聚类算法的计算机桌面图像压缩算法

对基于HEVC与聚类算法的计算机桌面图像压缩方案进行研究,将计算机桌面图像进行自适应块分类,利用颜色聚类算法对块进行颜色聚类,简化颜色总类、节省码流、改善编码性能。再利用HEVC帧内预测编码算法对块进行压缩,为高清分辨率计算机桌面图像网络共享,提供高效的图像压缩方法。     

基于小波变换的医学图像压缩技术

分析了医学图像压缩的必要性,简要介绍了二维离散小波变换和Mallat算法,在此基础上探讨了基于小波变换的医学图像压缩技术。实验结果表明,小波变换算法具有较高的压缩比和较好的图像恢复质量。