提高学习向量量化算法的新方法

摘要：

本文分析讨论了学习量化类算法,包括广义学习量化算法(GLVQ)、模糊学习量化算法(FGLVQ)和修正广义学习量化(RGLVQ)算法等.提出了可以提高广义学习量化类算法性能的措施:基于模拟退火算法思想,通过引入激励因子在不改变网络结构、不明显增加计算量的情况下提高学习量化算法的收敛性能.实验结果表明该方法用来训练码书,其峰值信噪比(PSNR)可提高但训练时间几乎不变.

关键词：学习量化算法、竞争网络、图象压缩、激励因子

所属期刊栏目：8

分类号：TP183(自动化基础理论)

资助基金：国家部委科技预研项目413160501

在线出版日期：2004-07-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：59-63