作者:
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:
为改善矢量量化的码书性能,提高神经网络的学习效率,在分析Kohonen自组织特征映射算法的基础上,提出一种改进的自组织特征映射算法,并应用到图像的矢量量化中.新算法引入失真敏感参数,并对网络学习参数进行了优化.实验表明,在压缩比为51.2时,新算法恢复图像的峰峰信噪比达到34.66 dB,较Kononen自组织特征映射算法提高3.57 dB.
推荐文章
一种基于三维自组织映射的立体图像编码方法
立体图像
自组织映射
矢量量化
视差估计
自组织特征映射网络在压缩编码设计中的应用
SOFM神经网络
学习算法
矢量量化
IP电话
语音压缩编码
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
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 一种改进的自组织特征映射图像压缩算法
来源期刊 无线电工程 学科 工学
关键词 自组织特征映射 自组织神经网络 图像编码 矢量量化
年,卷(期) 2006,(12) 所属期刊栏目 信号与信息处理
研究方向 页码范围 18-20
页数 3页 分类号 TN911.21
字数 2618字 语种 中文
DOI 10.3969/j.issn.1003-3106.2006.12.007
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 王瑶 北京师范大学信息科学与技术学院 10 14 3.0 3.0
2 梁科 4 10 2.0 3.0
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  (3)
节点文献
引证文献  (5)
同被引文献  (1)
二级引证文献  (0)
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)
2004(1)
  • 参考文献(1)
  • 二级参考文献(0)
2006(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)
2009(2)
  • 引证文献(2)
  • 二级引证文献(0)
2010(1)
  • 引证文献(1)
  • 二级引证文献(0)
2011(1)
  • 引证文献(1)
  • 二级引证文献(0)
2013(1)
  • 引证文献(1)
  • 二级引证文献(0)
研究主题发展历程
节点文献
自组织特征映射
自组织神经网络
图像编码
矢量量化
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
无线电工程
月刊
1003-3106
13-1097/TN
大16开
河北省石家庄市174信箱215分箱
18-150
1971
chi
出版文献量(篇)
5453
总下载数(次)
12
总被引数(次)
20875
论文1v1指导