基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
对自组织特征映射神经网络的特性进行分析,并将其与矢量量化问题的实质进行比较,提出了一个实现矢量量化的自组织特征映射算法.分析与实验表明,该算法是稳定收敛的.算法的学习结果与网络的初始状态无关,并且十分接近于全局最优解的下限.将该算法应用于图像数据的压缩,取得了很好的结果.
推荐文章
基于自组织特征映射的图象矢量量化
自组织特征映射(SOFM)
聚类
码本
矢量量化(VQ)
图像压缩
基于自组织特征映射的网页分类研究
自组织特征映射
特征提取
神经网络
分类
语音自组织特征映射神经网络矢量量化算法
LBG算法
自组织特征映射神经网络
MFCC参数
矢量量化
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于自组织特征映射的矢量量化方法
来源期刊 南京理工大学学报(自然科学版) 学科 工学
关键词 图像处理 神经网络 特征抽取
年,卷(期) 1999,(5) 所属期刊栏目
研究方向 页码范围 393-396
页数 4页 分类号 TN4
字数 2192字 语种 中文
DOI 10.3969/j.issn.1005-9830.1999.05.003
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 林昌 1 11 1.0 1.0
2 康泰兆 南京理工大学信息学院 1 11 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (5)
节点文献
引证文献  (11)
同被引文献  (14)
二级引证文献  (50)
1980(1)
  • 参考文献(1)
  • 二级参考文献(0)
1988(1)
  • 参考文献(1)
  • 二级参考文献(0)
1993(1)
  • 参考文献(1)
  • 二级参考文献(0)
1996(1)
  • 参考文献(1)
  • 二级参考文献(0)
1997(1)
  • 参考文献(1)
  • 二级参考文献(0)
1999(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2001(2)
  • 引证文献(2)
  • 二级引证文献(0)
2002(1)
  • 引证文献(1)
  • 二级引证文献(0)
2003(2)
  • 引证文献(1)
  • 二级引证文献(1)
2004(3)
  • 引证文献(1)
  • 二级引证文献(2)
2005(6)
  • 引证文献(0)
  • 二级引证文献(6)
2006(7)
  • 引证文献(2)
  • 二级引证文献(5)
2007(3)
  • 引证文献(0)
  • 二级引证文献(3)
2008(2)
  • 引证文献(0)
  • 二级引证文献(2)
2009(3)
  • 引证文献(1)
  • 二级引证文献(2)
2010(5)
  • 引证文献(2)
  • 二级引证文献(3)
2011(9)
  • 引证文献(1)
  • 二级引证文献(8)
2012(1)
  • 引证文献(0)
  • 二级引证文献(1)
2013(4)
  • 引证文献(0)
  • 二级引证文献(4)
2014(5)
  • 引证文献(0)
  • 二级引证文献(5)
2015(2)
  • 引证文献(0)
  • 二级引证文献(2)
2017(2)
  • 引证文献(0)
  • 二级引证文献(2)
2019(3)
  • 引证文献(0)
  • 二级引证文献(3)
2020(1)
  • 引证文献(0)
  • 二级引证文献(1)
研究主题发展历程
节点文献
图像处理
神经网络
特征抽取
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
南京理工大学学报(自然科学版)
双月刊
1005-9830
32-1397/N
南京孝陵卫200号
chi
出版文献量(篇)
3510
总下载数(次)
7
总被引数(次)
33414
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导