基于描述长度和层次聚类的Context模型量化

• 作者: 陈建华 陈慧
• 来源期刊: 软件
• 学科: 工学
• 关键词: Context量化 层次聚类 描述长度
• 年，卷（期）: 2015,（12）
• 所属期刊栏目: 基金项目论文
• 页码范围: 38-41
• 页数: 4页
• 分类号: TN919.81
• 字数: 3111字
• 语种: 中文
• DOI: 10.3969/j.issn.1003-6970.2015.12.009

摘要

熵编码被广泛应用于数据压缩中,Context 建模可以有效的利用信源序列中符号间的相关性使信源编码码长缩短,但是过大的Context 模型会加大对信源符号的统计难度从而使编码效率降低.为了使Context模型中的条件概率分布更加方便统计并且收敛于信源的实际概率分布,本文使用层次聚类算法对已经建立的Context模型中的条件概率分布按照描述长度最短的原则进行聚类合并.实验证明此方法可以解决基于K-mean聚类的Context量化器设计算法中类数和初始聚类中心需要提前设定而造成设计困难的问题,还能使熵编码的效率提高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈建华		72	280	9.0	13.0
2	陈慧		4	14	2.0	3.0