应用于矢量量化的竞争学习算法研究

您当前的位置：

首页 >

文章列表页 >

应用于矢量量化的竞争学习算法研究

更新时间：2025-12-08

- 应用于矢量量化的竞争学习算法研究
- The Study on Competitive Learning Algorithms for Vector Quantization
- 电子学报 1997年第2期
- 作者机构：
  
  1. 西南师范大学计算机科学系
  2. 东南大学无线电工程系
  3. 西南师范大学计算机科学系东南大学无线电工程系
- 作者简介：
- 基金信息：
  
  国家攀登计划认知科学（神经网络）重大关键项目
- DOI：
  中图分类号： TP18
- 纸质出版：1997
- 稿件说明：
移动端阅览
[1]朱策,何振亚,厉力华,汪军.应用于矢量量化的竞争学习算法研究[J].电子学报,1997(02):113-115.

Zhu Ce. The Study on Competitive Learning Algorithms for Vector Quantization[J]. Acta Electronica Sinica, 1997, (2).
[1]朱策,何振亚,厉力华,汪军.应用于矢量量化的竞争学习算法研究[J].电子学报,1997(02):113-115. DOI：

Zhu Ce. The Study on Competitive Learning Algorithms for Vector Quantization[J]. Acta Electronica Sinica, 1997, (2). DOI：

本文依据部分失真定理提出了一种应用于矢量量化的竞争学习新算法─—部分失真均衡竟争学习算法．与目前流行的多种竞争学习算法相比，该算法对于不同尺寸码书的设计均取得了最好的结果，特别是对于大尺寸码书的设计，效果更为明显．

A new competitive learning algorithm based on Partial Distortion Theorem is developed for vector quantization

which is called Partial-Distornon-Unform competitive learning a lgorithm. Compared with several popular competitive learning algorithms

the proposed algorithm shows. Compared with several populor competitive learning algorithms

the proposed algorithm the best performance for the codebook design with different sizes

especially for the design of large size codebook.

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

一种基于不等式的矢量量化快速码字搜索算法

基于子空间三角不等式的高维码字搜索算法

宽带ISF参数的非等系数帧间预测分裂矢量量化方法

宽带ISF参数的转换分类乘积码锥形矢量量化

粒子对算法在图像矢量量化中的应用