外文翻譯（中文）---神經(jīng)網(wǎng)絡(luò)用于圖像壓縮-全文預(yù)覽
【正文】 域更容易。 隨著訓(xùn)練 的進(jìn)行， 相鄰類(lèi) 將 不斷減小直到最終只包含一類(lèi)。類(lèi)的特征 矢量 iw 收斂于類(lèi)均值。 1 學(xué)生畢業(yè)設(shè)計(jì)（論文）外文譯文 學(xué)生姓名： 學(xué)號(hào)： 專(zhuān)業(yè)名稱(chēng)： 信息與計(jì)算科學(xué) 譯文標(biāo)題（中英文）：中文： 神經(jīng)網(wǎng)絡(luò)用于圖像壓縮 英文： Neural Network Approaches to Image Compression 譯文出處： IEEE,1995,83(2):288～ 303 指導(dǎo)教師審閱 簽名 ： 外文譯文正文： 神經(jīng)網(wǎng)絡(luò)用于圖像壓縮 Ⅴ ． 使用神經(jīng)網(wǎng)絡(luò)進(jìn)行矢量量化 A． 自組織特征映射 （ SOFM） 算法 Kohonen 提出的自組織特征映射 神經(jīng)網(wǎng)絡(luò)（ SOFM） [57] 已經(jīng)成為 矢量量化中 ，應(yīng)用網(wǎng)絡(luò)模型 解決碼書(shū)設(shè)計(jì)問(wèn)題的大量研究的基礎(chǔ)。 在 SOFM 算法中，矢量 x 不僅用于 修正 獲勝類(lèi)，而且將根據(jù)以下規(guī)則 修正 獲勝類(lèi)的相鄰類(lèi)： 對(duì)于訓(xùn)練樣本集中的每一個(gè)矢量 x ： 1） 根據(jù) 下式對(duì) x 進(jìn)行分類(lèi)： 若jji wxwx ??? min， 則 iCx? (35) 2） 根據(jù)下式修正 jw ： ????? ?????? ),(),( ),()],()[()()1( tCNCtw tCNCtwxttwtwjijijjjj ? (36) 其中 w 是特征 矢量 ， ? 是取值范圍為 10 ??? 的學(xué)習(xí)參數(shù)， ),( tCN i 是 在 t 時(shí)刻 與獲勝類(lèi) iC 相鄰的類(lèi)組成的集合 。 在訓(xùn)練中，最初的相鄰類(lèi) 2 可能會(huì)相當(dāng)大，如 為 類(lèi)總數(shù)的一半或更多。 2） 特征 矢量 在特征 映射 上按拓?fù)渑判?，因此特?矢量 之間的相關(guān)性隨它們之間距離的減小而增加。通過(guò)將矢量 iw 定為類(lèi)均值，LBG 算法 使均方誤差（ MSE） 的失真在類(lèi)內(nèi)最?。? iiiM S E CxwxEwxD
畢業(yè)設(shè)計(jì)相關(guān)推薦
鄂ICP備17016276號(hào)-1