基于改进K均值的Context量化模型

• 作者: 刘思聪 彭淑燕
• 来源期刊: 中国新通信
• 关键词: Context模型 Context量化 聚类有效性 最佳聚类数目Kopt K均值
• 年，卷（期）: 2016,（6）
• 所属期刊栏目: 互联网+科技 Internet Technology
• 页码范围: 14-16
• 页数: 3页
• 字数: 2602字
• 语种: 中文

摘要

为了提高图形编码系统压缩性能，可以通过使用Context模型来得到当前所要编码符号的概率。但是事实证明由于高阶Context模型很难在统计中有效收敛于信号的真实分布，结果使得编码效果降低，这就是所谓的“模型代价”问题。为了解决这一问题，一种有效的方法就是对高阶Context模型进行量化。由于Context量化问题与一般矢量量化问题相似，可以在设定合适的失真度量准则的条件下，使用聚类算法来实现Context量化。目前，K均值是使用比较广泛的一种聚类算法，但K均值算法必须具有确定的类数和选定的初始聚类中心。但在实际中，K均值往往难以准确界定，从而导致了聚类效果不佳。基于此，为了找到最佳的聚类数，本文提出采用聚类有效性函数来改进K均值聚类算法。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	彭淑燕		3	1	1.0	1.0
2	刘思聪		1	0	0.0	0.0