查詢結果分析
來源資料
相關文獻
- A Modified Competitive Learning Network in Image Compression
- 學習向量量化網路介紹
- A Genetic Fuzzy Hopfield Neural Network for Image Vector Quantization
- 混合型學習式向量量化法
- Image Compression Using Sub-Band DCT Features for Self-organizing Map
- 類神經網路在LED晶圓缺陷之自動化檢測
- 半導體機臺之可診斷性分析與設計
- Effective Pattern Recognition of Control Charts Using A Dynamically Trained Learning Vector Quantization Network
- 學習向量量化網路分類之模擬研究
- Neural Network Procedures for Taguchi's Dynamic Problems
頁籤選單縮合
題 名 | A Modified Competitive Learning Network in Image Compression=改良競爭式學習網路用於影像壓縮 |
---|---|
作 者 | 許明華; 林灶生; 楊士賢; 林基源; 林銘華; | 書刊名 | 科技學刊 |
卷 期 | 10:1 2001.01[民90.01] |
頁 次 | 頁23-28 |
分類號 | 312.1 |
關鍵詞 | 類神經網路; 向量量化; Neural network; Vector quantization; |
語 文 | 英文(English) |
中文摘要 | 本篇論文主要是在闡述經由修正過的競爭式學習網路演算法用於產生一個影像壓 縮的碼簿。此演算法以c-means分類的技術方式,並且使用了最小平方誤差準則及根據 Hebbian學習法則去更新勝利單元的權重值。由模擬的結果,我們可以得知基於最小平方誤 差準則而修正過的競爭式學習網路演算法所產生的影像壓縮碼簿,確實優於一般Lloyd演算 法及傳統的競爭式演算法所得到的結果。 |
英文摘要 | This paper presents a Modified Competitive Learning Network (MCLN) algorithm for the codebook generation in image compression. Based on the c-means clustering technique, the MCLN algorithm uses the least squared error criterion and applies the Hebbian learning rules to modify the weights of the winning unit. The experimental results show that a promising codebook can be obtained using our algorithm based on the least squared criterion in comparison with the generalized Lloyd algorithm (GLA) and the conventional competitive algorithm. |
本系統中英文摘要資訊取自各篇刊載內容。