A funcionalidade de pesquisa está em construção.
A funcionalidade de pesquisa está em construção.

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. ex. Some numerals are expressed as "XNUMX".
Copyrights notice

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. Copyrights notice

A Novel Competitive Learning Technique for the Design of Variable-Rate Vector Quantizers with Reproduction Vector Training in the Wavelet Domain Uma nova técnica de aprendizagem competitiva para o projeto de quantizadores vetoriais de taxa variável com treinamento de vetores de reprodução no domínio wavelet

Wen-Jyi HWANG, Maw-Rong LEOU, Shih-Chiang LIAO, Chienmin OU

  • Exibições de texto completo

    0

  • Cite isto

Resumo:

Este artigo apresenta um novo algoritmo de aprendizagem competitiva para o projeto de quantizadores vetoriais de taxa variável (VQs). O algoritmo, denominado algoritmo de aprendizagem competitiva de taxa variável (VRCL), projeta um VQ com distorção média mínima sujeita a uma restrição de taxa. O VRCL realiza o treinamento do vetor de pesos no domínio wavelet para que o tempo de treinamento necessário seja curto. Além disso, o algoritmo apresenta um melhor desempenho de distorção de taxa do que outros algoritmos de design VQ existentes e algoritmos de aprendizagem competitivos. O algoritmo de aprendizagem também é mais insensível à seleção de palavras-código iniciais em comparação com algoritmos de design existentes. Portanto, o algoritmo VRCL pode ser uma alternativa eficaz aos algoritmos de projeto VQ de taxa variável existentes para aplicações de compressão de sinal.

Publicação
IEICE TRANSACTIONS on Information Vol.E83-D No.9 pp.1781-1789
Data de publicação
2000/09/25
Publicitada
ISSN online
DOI
Tipo de Manuscrito
PAPER
Categoria
Processamento de imagens, reconhecimento de padrões de imagens

autores

Palavra-chave