基于码字匹配和引力筛选的半监督协同训练算法

针对传统的Co-training和Tri-training协同训练算法中基分类器独立性低、迭代过程中误差累积和整体泛化性能低的问题,将多视图理论、编码理论和万有引力公式引入协同训练分类算法中,提出了改进算法,算法有效地防止了迭代过程中的误差累积,同时提高了分类系统的泛化性能。在高光谱图像分类实验中,随机地从数据集中抽取5%、10%和20%样本作为已标记训练集时,码字匹配的协同训练分类算法对比Co-training和Tri-training算法,在分类精度上平均分别提高了12.38%和6.13%,在Kappa系数上平均分别提高了0.2和0.07。进一步加入引力筛选机制,对比Co-training和Tri-training算法,在分类精度上平均分别提高了21.30%和10.99%,在Kappa系数上平均分别提高了0.26和0.13,结果表明了本文算法的有效性。

一种改进的AEI算法中初始匹配码字的快速查找方法

矢量量化(VQ)是一种高效的有损压缩技术。快速码字搜索算法是矢量量化的核心问题之一,其性能决定了编码时间。快速码字搜索算法中,绝对误差不等式删除算法(AEI)是一种典型的3步算法,其第1步查找输入矢量的初始匹配码字的方法采用了Minimax法,是整个AEI算法中计算量最大的步骤,严重影响了算法的效率。针对这个问题,提出了一种新的查找初始匹配码字的方法——PartialMinimax法。该方法在保证所找到的初始匹配码字与原始AEI算法相同并且重建图像的PSNR(峰值信噪比)值不变的前提下,可显著减小这一步骤的计算量和查找时间,从而有效地提高了算法的总体编码速度。

一种矢量量化码书设计及编码的快速算法

提出了一种矢量量化码书设计及编码的快速算法 .该算法对匹配码字的判决过程是 :先根据Minkowski误差最小准则 ,在全部码字中找出一定数量Minkowski误差最小的码字 ;再根据均方误差最小准则 ,在上述码字中找出其中最匹配的 .模拟实验和理论分析表明 ,将该算法用于矢量量化的码书设计和编码过程 ,能在保证较好性能指标和视觉效果前提下 ,明显减少运算量 .

CCSK信号盲检测中的码同步问题

CCSK码字的同步不同于 DSSS系统的 PN码同步 ,他的实现不适合采用 DSSS系统的序贯检测法 ;“多码字相关平滑匹配”法相对于序贯检测法具有明显的优势是 CCSK信号盲检测中实现码字同步的一种快速有效方法。

图像矢量量化编码算法的回顾和比较

近年来 ,矢量量化技术由于其低复杂性 ,已经在图像低比特率编码方面显示了巨大的潜力。码书生成和码字索引是矢量量化技术的两个关键问题 ,许多学者不断改进矢量量化算法 ,使其效率和效用得到提高 ,因此从两个方面总结这些算法 ,并分别分析其优缺点。

一种改进的均值金字塔快速搜索算法

针对传统均值金字塔搜索算法存在起始点不定,搜索范围缺乏约束的问题,提出一种改进的快速搜索算法,可以在搜索的起始阶段就从接近最佳匹配码字开始,同时对搜索范围加以限定.该方法利用了金子塔结构内部的不等式关系,并将码字排列成二叉树的结构,在付出一定额外存储空间的代价下,避免了大量的无用搜索.实验结果表明,在同等精度的条件下,该方法的搜索效率要高于传统的均值金字塔搜索算法.

一种改进的绝对误差不等式删除算法在DM642上的实现

选择TI TMS320DM642 DSP作为实现平台,对其视频驱动的编程开发接口进行了分析.然后,对于AEI算法进行了两方面的修正与改进:采用"逐帧编码"技术,将适合于静态图片的算法应用到了动态视频上;采用"逐通道编码"技术,将适合于灰度图像的算法应用到了彩色图像上.以此为基础,完成了AEI算法的DSP移植.

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