基于描述长度的Context量化算法

发布时间：2021-02-28 10:07

　　在利用Context模型实现系统的压缩编码时,Context模型是用来估计信源概率模型的有效方法。而Context建模的研究重点则是通过Context量化使压缩效率得到进一步提高。Context量化的实质是使模型中条件概率分布的数量减少。本文提出了基于动态规划的多维Context量化算法、基于K均值的混合聚类算法以及无监督极限学习机与K均值聚类相结合的算法来进行Context模型量化。然后分析对比这三种算法的量化性能,从而确定了相对最优的Context量化算法。此外,由于编码系统的编码效率是由量化性能与标签代价共同决定的,所以本文针对基于K均值的混合聚类算法和无监督极限学习机与K均值聚类相结合的算法进行量化产生的标签代价也进行了分析。由于运算量较大,本文利用基于动态规划的多维Context量化算法实现了单条件和二条件Context模型的量化;利用基于K均值的混合聚类算法和无监督极限学习机与K均值聚类相结合的算法实现了单条件到六条件Context模型的量化。其中,主要是使用描述长度作为量化性能的评判标准。从而确定模型的最佳条件数,提供了更优的Context模型。通过对实验结果进行分析,以... 

【文章来源】：云南大学云南省 211工程院校

【文章页数】：56 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第一章 概述
    1.1 研究背景和意义
    1.2 国内外研究现状
    1.3 论文主要研究工作
    1.4 论文组织结构及创新点
第二章 Context建模及相关算法的理论基础
    2.1 Context建模的理论基础
        2.1.1 熵与条件熵
        2.1.2 Context建模的理论依据
    2.2 相关概念的定义
        2.2.1 描述长度
        2.2.2 标签代价
    2.3 相关算法的理论基础
        2.3.1 动态规划算法
        2.3.2 K均值聚类算法
        2.3.3 无监督极限学习机算法
    2.4 本章小结
第三章 Context建模及Context量化
    3.1 Context模型的建立
    3.2 统计条件概率分布
    3.3 建立Hash表
    3.4 三种算法对Context模型的量化
        3.4.1 基于DP的多维Context量化算法对Context模型量化
        3.4.2 基于K-means的混合聚类算法对Context模型的量化
        3.4.3 USELM+K-means算法对Context模型的量化
    3.5 本章小结
第四章 实验结果与分析
    4.1 基于DP的多维Context量化算法实现Context量化的结果与分析
    4.2 基于K-means的混合聚类算法实现Context量化的结果与分析
    4.3 USELM+K-means算法实现Context量化的结果与分析
    4.4 三种算法实验结果对比与分析
    4.5 本章小结
第五章 总结与展望
    5.1 研究内容总结
    5.2 进一步的研究工作
参考文献
致谢


【参考文献】：
期刊论文
[1]基于贝叶斯估计的Context量化器设计方法[J]. 杨亚彪,陈旻,王付艳,蔡杰.  昆明学院学报. 2013(03)
[2]基于MCA和Context模型结合的磁共振图像去噪[J]. 孙凌云,樊永生,张挺飞.  电视技术. 2012(23)
[3]基于Context模型的ECG信号二维压缩[J]. 黄博强,陈建华,汪源源.  电子学报. 2008(09)
[4]JPEG2000图像压缩过程及原理概述[J]. 刘方敏,吴永辉,俞建新.  计算机辅助设计与图形学学报. 2002(10)

博士论文
[1]基于Context模型和矢量—标量量化器的ECG信号压缩[D]. 黄博强.复旦大学 2010

硕士论文
[1]基于CS-ACELP语音编码算法的研究及DSP实现[D]. 王浔.哈尔滨理工大学 2007



本文编号：3055696