一种基于增量学习型矢量量化的有效文本分类算法

KNN作为一种简单的分类方法在文本分类中有广泛的应用,但存在着计算量大和训练文档分布不均所造成的分类准确率下降等问题.针对这些问题,基于最小化学习误差的增量思想,该文将学习型矢量量化(LVQ)和生长型神经气(GNG)结合起来提出一种新的增量学习型矢量量化方法,并将其应用到文本分类中.文中提出的算法对所有的训练样本有选择性地进行一次训练就可以生成有效的代表样本集,具有较强的学习能力.实验结果表明:这种方法不仅可以降低KNN方法的测试时间,而且可以保持甚至提高分类的准确性.

基于矢量量化的强化学习及其在机器人行为学习中的应用

针对强化学习（RL）中状态空间过大所引起的学习时间过长或算法难于收敛等问题，提出了一种基于矢量量化（VQ）技术的表格型强化学习方法——VQRL方法，该方法用矢量量化器的码书矢量来逼近强化学习的状态空间，从而有效地解决了强化学习的状态空间分割问题，并提高了学习的收敛速度。同时根据等失真理论将一种失真敏感自组织特征映射（SOFM）神经网络用于矢量量化，以达到更好的强化学习状态空间泛化性能。将此方法应用于反应式移动机器人的行为学习的实验验证了此方法的有效性，实验表明，此方法能够较好地解决复杂未知环境的机器人导航问题。

基于最小平均复杂度的矢量量化音频分类方法

首先提出了“平均复杂度”的概念,然后由信息熵公式给出了最小平均复杂度的计算方法,并以此为准则构造音频数据的矢量量化树,从而得到音频数据在特征空间的分布情况.根据不同种类的音频数据有不同分布这一事实,比较未知音频与已知音频种类的数据在特征空间中的分布情况的近似程度,就可完成音频分类.实验表明,该方法具有适应性强、计算效率高的特点.

基于模糊核学习矢量量化的Sammon非线性映射算法

提出了一种基于可靠稳定的模糊核学习矢量量化(FKLVQ)聚类的Sammon非线性映射新算法。该方法通过Mercer核,将数据空间映射到高维特征空间,并在此特征空间上进行FKLVQ学习获取数据空间有效且稳定的聚类权矢量,然后在特征空间和输出空间上仅针对各空间的数据样本和它们各自的聚类权矢量进行Sammon非线性核映射。这样既降低了计算的复杂度,又使数据空间和输出空间上数据点与聚类中心间的距离信息保持相似。仿真结果验证了该方法的可靠性和稳定性。

噪声信道中基于进化算法的矢量量化器的设计

本文提出了一个基于进化算法的信道最优矢量量化器(COVQ)设计算法。该算法在给定信道状态模型和存在信道噪声的情况下,可以有效地提高矢量量化器的性能,实现了信道最优矢量量化器的设计。与目前常用的码书设计算法比较,实验结果表明该算法可获得比传统算法更高的性能增益。

基于独立分量分析和矢量量化的说话人识别

使用独立分量分析(ICA)来提取说话人特征并与矢量量化(VQ)判决方法相结合,实现了一个高性能的基于ICA特征的VQ(ICA-VQ)说话人识别系统。通过ICA变换得到说话人语音特征基函数系数用于生成VQ码书,并导出包含能量失真的ICA-VQ码书失真测度和质心确定条件,生成最终的判决。仿真实验中ICA提取的特征分别用于不同系统实现说话人确认任务,各系统的DET曲线对比验证了VQ方法用于ICA特征分类判决的优势,同时不同码书尺寸下的等差率(EER)对比证明了VQ码书设计的有效性。

基于运动补偿的多级矢量量化联合编码算法

研究了基于运动补偿的多级矢量量化编码方法.针对传统算法编码质量较低的问题,在保持量化器结构不变的情况下,借鉴维特比编码方式,提出多级矢量量化联合编码算法,并采用部分失真快速码字搜索算法提高编码速度.仿真实验表明,与传统MSVQ算法相比,本算法不仅提高了编码图像的质量,而且降低了编码速率.

图像多小波域矢量量化策略

提出一种基于多小波变换结合矢量量化的图像编码算法(MDWT+VQ)。首先对图像进行多小波分解,然后对高频系数用改进后的LBG算法形成的码书进行VQ编码。算法充分利用了多小波域不同分辨率层间各方向子图像的相似性,仅对最高分辨率层进行码书地址索引,低级分辨率层的系数按照一定的组织形式直接套用最高分辨率层的地址索引信息。对比实验的结果验证了该算法在提高图像的重建质量以及在降低位码率方面均比传统的单小波图像编码算法有一定的提高。

基于遗传算法与模糊聚类相结合的小波变换矢量量化方法

提出一种有效的图像压缩方法,利用小波变换对图像进行多分辨率分解,对小波系数进行矢量量化(VQ)编码。使用遗传算法(GA)与模糊c均值聚类(FCM)算法相结合的方法来设计码书,有效地克服了FCM算法容易陷入局部最优且对初始值敏感的缺点。实验结果表明,该算法可较大提高图像重构质量。

基于自组织特征映射的图象矢量量化

本文就基于自组织特征映射的图象矢量量化编码做了初步的探讨,得出一些结论。在矢量量化中,码本性能的好坏对重建的图像有直接的影响。我们利用自组织特征映射(SOFM)网络进行聚类,实现了图像矢量码本的生成,然后再根据矢量量化(VQ)编码原理将图像重建。该方法可以达到较高的压缩比,实现了图像压缩。并且,就不同条件下的图像作了对比。

JPEG编码与矢量量化编码方法比较

文中通过编写程序实现对某种遥感图像的矢量量化编码,针对JPEG法和矢量量化方法在这种图像编码中的应用作大量仿真实验,在对实验结果进行分析比较的基础上得出有用的结论,为研究提供实验参考和依据。

应用动态时间规整与矢量量化的语音识别算法

提出了一种基于动态时间规整(DTW)的改进平均最小距离识别算法,改善了孤立词识别的鲁棒性并提高了识别率。同时对矢量量化(VQ)算法分析了不同码本大小下的识别率,并比较了各种算法的运算时间。通过在MatLab上实现特定人孤立词小词汇量语音识别,实验的结果表明:基于DTW算法的改进平均最小距离法识别率显著提高;码本较大时VQ算法的识别率最高;VQ算法的识别率一般高于DTW算法且运行时间短。

矢量量化的投影算法

将矩阵的投影引入到矢量量化中 ,达到了在搜索最佳匹配码字的过程中首先在降维空间中将一些侯选码字排除 ,其中利用了最佳匹配码字的和待编码的矢量的均值和方差与MSE距离之间的关系不等式 .[1] 实际结果表明约 98%的侯选码字被排除 ,只有 2

基于VQ-MAP和SVM融合的说话人识别系统

针对传统支持向量机(SVM)在说话人识别中运算量过大的问题,提出了VQ-MAP和SVM融合的说话人识别系统。它应用仅自适应均值向量的最大后验概率矢量量化过程(VQ-MAP),来得到自适应的说话人模型,用此模型中的参数向量作为支持向量应用于SVM来进行说话人识别。用Matlab进行仿真实验,结果表明,基于VQ-MAP和SVM融合的说话人识别系统大大降低了运算量,SVM训练时间短,且具有较高的识别率。

一种基于VQ的说话人确认的阈值设计方法

基于矢量量化的说话人确认系统的阈值的选取是影响系统性能的重要因素之一,而传统的采用固定的经验值作为阈值的方法鲁棒性差,且需要进行大量的实验。提出了用训练语音得到的码本以及平均失真作为表征说话人的模型,并基于此模型对说话人确认系统中阈值的确定提出了一种新的解决方法,实验结果表明由该方法得出的阈值比传统的经验值具有更好的鲁棒性,系统的识别率也有了显著的改善。

基于FVQ/HMM的无教师说话人自适应

本文提出了一种新的语音识别方法 ,它综合了VQ、HMM和无教师说话人自适应算法的优点 ,在每个状态通过用矢量量化误差值取代传统HMM的输出概率值来建立FVQ/HMM ,同时采用基于模糊矢量量化的无教师自适应算法 ,来改变FVQ/HMM的各状态的码字 ,从而实现对未知说话人的码本适应 .本文通过非特定人汉语数码 (孤立和连续数码 )语音识别实验 ,把该新的组合方法同基于CHMM的自适应和识别方法进行了比较 ,实验结果表明该方法的自适应和识别效果优于基于CHMM的方法 .

基于VQ的说话人识别算法与实验

介绍一种基于矢量量化(VQ)的说话人识别算法。用不同语音参数进行实验,得到令人满意的结果,说明VQ用于说话人识别是一种有效的方法。

一种距离聚焦后的SAR原始数据压缩算法

由于合成孔径雷达(SAR)原始数据的相关性很低,直接压缩原始数据是比较困难的。该文提出一种新算法,先对SAR原始数据作距离聚焦处理,使其在方位向具有较强的相关性,再沿方位向作矢量线性预测,并对预测残差序列作分块自适应量化。结合一组实测SAR原始数据,用3种算法分别进行了压缩和解压缩,并计算了数据域及图像域信噪比,给出了3种压缩算法所成的图像。实验表明,在相同比特率条件下,该文算法得到的数据域信噪比和图像域信噪比均比BAQ算法高。该文算法的计算量远小于有关文献给出的距离聚焦后的压缩方法。

采用遗传算法的VQ码本设计及说话人识别

矢量量化(VQ)方法是文本无关说话人识别中广泛应用的建模方法之一。在矢量量化过程中,经典的LBG算法收敛速度快,但极易收敛于局部最优点,无法保证根据有限样本数据得到最优码本,并最终影响系统识别性能。考虑到遗传算法(GA)是一种具有全局化寻优搜索能力的算法,本文提出了遗传算法和K均值算法相结合的综合分析方法GA-K进行码本设计,改善了码本的质量。讨论了具体的算法实现,分析了在不同的特征参数LPCC及MFCC、不同测试语音长度下的说话人识别性能。实验结果显示,GA-K方法优于传统的LBG算法,可以很好地协调收敛性和识别率之间的关系。

基于VQ的语音识别技术研究

基于VQ的语音识别技术在孤立词语的语音识别系统中有较高的识别能力。本文采用LBG算法设计每个待识别语音的码本,码本是从该说话人的训练序列中提取MFCC特征矢量聚类而生成。通过计算其所有帧的VQ失真累积值,把具有最小累积失真值的输入语音信号对应的参考类别作为识别判定的结果,从而识别特定人的语音。与典型的HMM和NN识别算法相比,该方法复杂度低,系统资源消耗少而识别率高,适合在手机、PDA等资源有限的系统中使用。