基于改进的SOFM神经网络的矢量量化方法

摘要：

基于Kohonen自组织特征映射(SOFM)神经网络的矢量量化图像压缩编码是一种非常高效的方法,但其码字利用不均匀,某些神经元永远无法获胜而产生“死神经元”的问题仍然十分明显.在追求为使各个神经元能以较为均衡的几率获胜,尽量避免“死神经元”过程中,Kohonen SOFM-C很具代表性,它既能保持拓扑不变性映射又能最有效地避免“死神经元”,是一种带“良心”的竞争学习方法.本文利用Kohonen SOFM-C码字利用更为均衡的优点,并针对SOFM在胜出神经元的邻域内神经元修改权值方法的不足,提出基于SOFM-C的辅助神经元自组织映射算法,此方法具有开放性,可随时添加入新的有效算法模块以达到更好的效果.并把该矢量量化算法应用于小波变换域,以获得更好的码书.仿真结果表明,该方法优于已有的SOFM方法.

关键词：Kohonen、SOFM、神经网络、矢量量化、图像压缩

所属期刊栏目：33

分类号：TP18(自动化基础理论)

资助基金：中国煤炭工业协会2010年计划项目MTKJ2010-295

在线出版日期：2012-04-20（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：126-129