自适应模糊聚类LBG矢量量化算法

采用模糊聚类C均值聚类确定型心改进LBG算法,实现语音参数MFCC码本的矢量量化,实验结果表明,该算法有着与单一LBG算法相近的量化误差,自适应确定码本大小码,码本尺寸显著降低,减小码本的存储量。     

一个改进的LBG算法

ＬＧＢ算法是矢量量化码书设计的基本算法，本文提出一个改进的ＬＢＧ算法，它加入了分裂失真较大的胞腔和删除非典型胞腔两条新规则，并采用了新的分裂法，分析与试验结果表明，改进的算法具有新的优点，且减少了运算量。     

基于Hopfield神经网络的图像矢量量化

矢量量化是图像压缩的重要方法。论文提出了基于Hopfield神经网络的图像矢量量化方法,该方法首先构造聚类表格;然后聚类表格按离散Hopfield神经网络串行方式运行;最后根据得到的最终码字集,对图像进行矢量量化。论文最后给出模拟实验和结果比较,结果表明该方法是有效的,生成的码本质量优于传统的LBG算法。     

基于改进进化规划的图像压缩中的矢量量化

提出了基于改进进化规划和LBG算法的一种新的矢量量化算法。由于进化规划中十进制编码方案的收敛速度比二进制编码方案快,因此在进化规划中采用十进制编码方案。同时,根据图像压缩的特点,为了提高算法性能,该文采用一种自适应的多位变异操作。之后将改进的进化规划引入到图像压缩的矢量量化问题中。实验表明,新算法在提高恢复图像质量方面比传统方法优越。     

一种基于覆盖域密度的LBG算法

针对矢量量化中Linde-Buzo-Gray(LBG)算法产生大量无效或重复码向量问题,提出了一种基于覆盖域密度分割码向量方法.在LBG算法的更新迭代步骤,记录各码向量的覆盖域及其平均失真率,计算覆盖域密度;码向量分割时,只对"坏的"码向量进行分割,"好的"码向量直接复制到下一代码书中.实验表明,修改后的算法提高了LBG的鲁棒性,码书质量也得到一定程度提高.     

一种采用码字转移的改进型LBG算法

经典LBG算法的局部极小值问题是制约其性能的重要因素．根据渐进最优矢量量化理论的思想提出了一种改进型LBG算法，它采用码字转移的方法使各个类的畸变趋于平衡，从而近一步减小平均畸变以获得性能更优的量化器．文中介绍了若干实验，对多种分布的样本以及2维图像进行了经典算法和改进型算法的比较．从实验结果看出，后者的算法性能大大优于前者．     

矢量量化的遗传k-均值算法

提出了一种遗传k-均值算法，该算法通过改进标准遗传操作及采用可变变异率，使其在矢量量化应用中表现出很好的性能．实验证明，该算法能够获得质量高于k-均值和模糊k-均值算法的矢量量化码书，为设计全局最优码书提供了新思路。     

模糊聚类与LBG级联的VQ算法

针对LBG算法初始码本随机选取后易出现空胞腔、易陷入局部极小、迭代次数大等缺陷,本文依据模糊聚类理论引入了矢量量化码本设计训练的模糊聚类与LBG级联算法:先用模糊聚类算法训练码本,将训练得到的码本作为传统LBG算法的初始码本,再用传统LBG算法训练.论述了模糊聚类和LBG联合算法的原理与方法;用该算法分剐训练了语音线性...     

改进的LBG算法及浊音隶属度码本的训练

为了改善MELP声码器解码端混合激励信号的性能,提出了五维浊音隶属度矢量的概念及其提取算法,用其提取并建立了浊音隶属度码本的训练样本集;用改进的LBG算法训练了浊音隶属度码本;将此码本运用到混合激励声码器中。仿真实验表明,解码语音的质量较之LPC声码器有显著的提高。     

基于VQ和LBG的移动AdHoc网络中分簇算法

应用信息论与数据压缩中的矢量量化理论和LBG算法,在簇和Voronoi胞腔、簇首和码矢、节点和矢量之间建立起——对应的关系,把分簇的过程转换成二维矢量量化中胞腔的分裂过程。设计一个以簇结构稳定性高和负载均衡度好为目标的移动自组网分簇算法,仿真结果显示,分簇算法能够迅速地进行分簇,并且簇的结构具有较高的稳定性。     

基于遗传算法的聚类分析在CT图像分割中的应用

针对CT医学图像的特点,本文将遗传算法与聚类分析两种工具相结合,应用到医学CT图像分割中。对K均值聚类做了简要分析和评论,在此基础上将遗传算法引入聚类分析中,利用遗传算法搜索的随机性和并行性,从而克服了K均值聚类的局部性和对初始聚类中心的敏感性;并且可以根据分割的要求,合理地调整聚类时的特征向量和权重。试验结果表明上述方法是可行的,达到了较好的分割效果。     

基于快速相关矢量量化的图象编码算法

图象编码已经成为当今计算机世界的重要问题,而矢量量化（ＶＱ）又是近年来有损图象压缩的一种重要技术,它的优点是比特率低以及解码简单,但是其穷尽搜索编码计算量较大,为了降低编码时间,已经有多种快速算法出现在一些文献中,然而这些算法往往不能进一步降低比特率,为了解决这一问题,因此提出了一种新颖快速相关矢量量化（ＣＶＱ）图象编码算法,该算法对图象块的编码采用对角顺序,即在编码过程中根据当前图象块（ＣＶＱ）     

基于矢量量化的图象分形压缩编码

提出一种基于矢量量化技术的图象分形压缩编码方法,其能较好地克服传统的图象分形压缩编码方法中存在的速度慢,压缩率低等缺点,并且同时获得较高的图象恢复质量。     

基于模糊矢量量化图象编码的研究

分析了模糊矢量量化（ＦＶＱ）图象编码的原理，给出了ＦＶＱ设计三要素。提出了用于图象编码的指数型模糊矢量量化算法（ＦＶＱＥ）。实验结果表明，ＦＶＱＥ的图象编码性能与ＦＶＱ相当，但收敛速度要略快于ＦＶＱ算法。     

基于聚类算法和层次支持向量机的人脸识别方法

提出一种基于聚类算法和层次支持向量机的人脸识别方法。该方法在训练阶段把利用小波变换提取的图像特征先进行聚类,再利用聚类的结果来训练层挺支持向量机;识别阶段先利用层次支持向量机初步判断待识别图像最可能所属的人,最后利用免疫算法对待识别的人脸图像进行确认。实验表明,该算法效果较佳。     

基于势函数模糊聚类量化的小波图象压缩

基于小波变换的图象压缩是图象压缩的一项成功技术 ,并且具有越来越重要的作用 ,但基于小波变换的图象压缩算法在比特率较低时出现的边缘模糊现象仍然是一个公认的难题 .为了在一定程度上减少比特率较低时 ,出现的边缘模糊现象 ,提出了一种基于势函数模糊聚类量化的新方法 ,用于对经过小波变换分解后所形成的数字图象高频子带小波系数进行量化 .在量化过程中还考虑了高频子带的小波系数的分布特性和高频子带的小波系数对保存边缘、纹理等信息的重要性程度 ,也利用了模糊集合的特性 .实验证明 ,在低比特率下 ,这种方法能较好地保存图象边缘和纹理等信息 ,从而在一定程度上提高了重构图象的主观质量 .该方法在小波图象压缩的模糊聚类量化领域进行了一定的尝试 .     

基于遗传优化谱聚类的图形分割方法

传统的谱聚类方法使用k-means达到最后的聚类目的。k-means对初始条件敏感,易陷入局部最优,从而导致传统的谱聚类方法应用到图像分割时效果不太理想。将遗传算法用于优化谱方法的聚类阶段,提出一种以遗传算法优化普聚类的图像分割方法(Image Segmentation Algorithm of Spectral Clustering Optimization Based on Genetic,ISCOG)。在合成图像与真实图像上的实验表明ISCOG算法极大地提高了谱聚类算法的稳定性和聚类质量,证明了ISCOG算法的优越性。     

一种改进的模糊聚类图像分割算法研究与仿真

针对相似图像分割过程中,输入像素数据在转换空间上存在的不连贯和幅度变化特征差异很小,像素的隶属关系很难准确界定,导致分割阀值设定过程出现较大衰减,分割误差较大的问题,提出一种改进的模糊聚类图像分割算法.分析了传统的模糊C-均值聚类图像分割算法的弊端,对像素模糊划分矩阵和聚类中心进行推导,将迭代过程中像素数据集对聚类隶属的可能性和不确定性关系融入分割目标函数中,依据可能隶属度和不确定隶属度建立改进分割准则函数,同时对像素聚类进行更新,实现图像分割.仿真结果验证了所提算法的有效性,结果表明,改进后的方法在分割检测过程中,图像误差明显减小.