基于改进的SOFM神经网络的矢量量化方法

• 作者: 阮洋 马勇
• 来源期刊: 计算机工程与科学
• 学科: 工学
• 关键词: Kohonen SOFM 神经网络 矢量量化 图像压缩
• 年，卷（期）: 2011,（12）
• 所属期刊栏目: 数据挖掘
• 页码范围: 126-129
• 分类号: TP18
• 字数: 3412字
• 语种: 中文
• DOI: 10.3969/j.issn.1007-130X.2011.12.023

摘要

基于Kohonen自组织特征映射(SOFM)神经网络的矢量量化图像压缩编码是一种非常高效的方法,但其码字利用不均匀,某些神经元永远无法获胜而产生“死神经元”的问题仍然十分明显.在追求为使各个神经元能以较为均衡的几率获胜,尽量避免“死神经元”过程中,Kohonen SOFM-C很具代表性,它既能保持拓扑不变性映射又能最有效地避免“死神经元”,是一种带“良心”的竞争学习方法.本文利用Kohonen SOFM-C码字利用更为均衡的优点,并针对SOFM在胜出神经元的邻域内神经元修改权值方法的不足,提出基于SOFM-C的辅助神经元自组织映射算法,此方法具有开放性,可随时添加入新的有效算法模块以达到更好的效果.并把该矢量量化算法应用于小波变换域,以获得更好的码书.仿真结果表明,该方法优于已有的SOFM方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	马勇	辽宁工程技术大学理学院	18	59	4.0	6.0
2	阮洋	辽宁工程技术大学理学院	2	10	2.0	2.0