导读:本文包含了码书设计算法论文开题报告文献综述及选题提纲参考文献，主要关键词:矢量量化,遗传算法,模拟退火算法,高斯核函数
码书设计算法论文文献综述
赵梦玲,刘红卫,刘若辰[1]（2015）在《基于遗传模拟退火算法的矢量量化码书设计》一文中研究指出首先介绍了遗传算法和模拟退火算法等全局优化算法,并针对遗传算法的早熟现象和容易陷入局部最优的缺点,将模拟退火算法引入到遗传算法中,提出了遗传模拟退火矢量量化码书设计(GSAKVQ)算法.此外,针对基于划分的染色体编码方式的特点,算法提出了新的有效的交叉算子和变异算子.同时,将算法从输入空间映射到特征空间,提出了相应的遗传模拟退火核矢量量化算法,改善了算法在某些数据集上的不足.最后,通过实验表明,GSAKVQ算法,在大部分的数据集上都能取得较好的结果,从而验证了算法在数据聚类问题上的有效性.(本文来源于《数学的实践与认识》期刊2015年01期）
杨淑莹,刘旭鹏,陶冲,刘婷婷[2]（2014）在《基于免疫猫群优化算法的矢量量化的码书设计及语音识别》一文中研究指出在矢量量化的码书设计过程中,针对传统的LBG算法对初始码书选取的依赖性及易陷入局部最优的缺陷,提出基于免疫猫群优化算法的矢量量化码书设计.将整个种群分为搜索组和跟踪组,运用克隆扩增算子在搜寻组中进行局部搜索,根据适应度值大小调节变异个体数目,保持解的多样性.运用动态疫苗提取与接种算子使跟踪组个体基因与疫苗进行交叉变异,向最优解靠拢,防止无监督交叉变异可能引起的退化现象.通过浓度平衡算子和选择算子更新子代种群,防止种群"早熟".将训练出全局最优码书输入到HMM模型进行训练和识别,实验结果表明,基于免疫猫群优化算法的矢量量化码书设计不依赖于初始码书选取,鲁棒性强且降低语音识别误差率.(本文来源于《模式识别与人工智能》期刊2014年07期）
顾俊凯[3]（2014）在《矢量量化码书设计及优化算法研究》一文中研究指出矢量量化作为一种有效的压缩手段，具有编解码简单、压缩比大等特点，使其广泛的应用于卫星遥感影像的压缩，数字电视、DVD等视频的压缩、存储及传输等方面。在矢量量化技术发展的20多年间，逐步形成了叁个重点研究方向：码书设计、码字搜索和索引分配，其中码书设计最为关键。虽然矢量量化技术具有许多优点，但在码书设计中由于通常使用的各种局部最优、类全局最优以及全局最优的码书设计算法，使得生成码书的速度不够快、质量不够好。本文针这一制约矢量量化码书设计的关键问题，为加快码书的生成速度及提高码书的质量，分别提出了小生境猴群繁衍模拟算法、自进化萤火虫优化算法，使得码书的生成的速度和质量得到提高。小生境猴群繁衍模拟算法是以“小生境”思想为基础的遗传码书设计方法。遗传算法作为一种仿生学算法，能够有效的进行全局搜索。本文在传统的基于训练矢量划分的遗传码书设计算法基础上，提出了一种对交叉空间进行一定约束的，基于“小生境”思想的遗传码书设计算法。由于对交叉空间进行了一定的约束，使当前训练矢量总是按照更加优秀的参照码书，以带有一定随机性的并按空间距离最小的方式进行归类，使码书的生成速度得到提高，并在文中给出了此算法的收敛性证明。实验结果表明，此算法在不降低码书质量的基础上，提高了码书的生成速度。自进化萤火虫算法解决的是提高码书质量的问题。在矢量量化码书设计中，只要当前码书不是全局最优码书，都可以对其进行优化以提高码书质量。矢量量化是一种在高维空间中求解多峰值极值的问题，萤火虫算法在高维空间中求解单峰值极值问题，具有良好的效果，但在高维空间中求解多峰值极问题，该算法不能使用。本文对萤火虫算法在矢量量化码书优化过程中的缺陷进行了细致分析，提出了一种改进算法。通过对震荡系数的动态调整，增大了萤火虫之间的距离、减小引力参数、扩大搜索范围，抑制了算法过快收敛的现象。实验表明，此算法能够提高码书性能0.2---0.45dB，使码书更加优化。本文将以上两种改进算法应用于图像处理中，并以本文所提出的码书生成算法（或优化算法）为代表，将最终生成的码书分别嵌入到纹理分类及数字水印中。纹理分类以K-View算法作为分类基础框架，将小生境算法生成的码书作为纹理基元参加分类，取得良好效果；在数字水印中，将水印信息直接加载在生成码书中并接受各种攻击。实验结果表明由本文提出的算法生成的码书质量更好，速度更快。本文对矢量量化码书设计的贡献是针对制约矢量量化技术发展的速度和质量两个瓶颈问题分别给出了解决方案。其中，小生境猴群繁衍模拟算法在遗传算法及小生境技术上提出了一种不依赖于模式定理以及积木块假设的遗传码书快速生成算法，使码书的生成速度大大加快；自进化萤火虫算法在通过对引力参数的控制，实现了对已生成码书的继续优化，使码书质量大大提高(本文来源于《长安大学》期刊2014-06-01）
郭艳菊,陈雷,陈国鹰[4]（2013）在《基于改进人工蜂群的图像矢量量化码书设计算法》一文中研究指出为了进一步提高图像矢量量化的码书质量,提出了一种新的图像压缩矢量量化码书设计算法。该算法采用均方误差(MSE)作为码书设计的适应度函数,利用改进的人工蜂群算法进行适应度函数的优化求解,增强了算法的自组织性和收敛性,大大减少了陷入局部收敛的可能性。将一种基于和值特性的快速码字搜索思想引入到码书设计算法中,使算法计算量明显降低。仿真结果表明,该算法具有计算时间短、收敛速度快的优点,并且生成的码书质量好、稳定性强。(本文来源于《计算机应用》期刊2013年09期）
陈善学,尹雪娇,张艳[5]（2013）在《基于改进粒子群算法的码书设计方法》一文中研究指出基本的矢量量化码书设计方法的性能易受到初始码书的影响,采用群体优化的粒子群算法是克服这一缺陷的有效手段。在粒子群算法中,惯性权重因子的大小决定了粒子的搜索能力。为了权衡粒子群算法中全局搜索能力与局部搜索能力,提出了一种非线性递减的惯性权重粒子群优化算法。该算法能够自适应地调整惯性权重因子的大小,从而有效地改善粒子的全局搜索能力。(本文来源于《重庆邮电大学学报(自然科学版)》期刊2013年02期）
李殷,李飞[6]（2012）在《基于量子粒子群优化算法的矢量量化码书设计》一文中研究指出鉴于经典的LBG码书设计算法易陷入局部最优解,将量子粒子群优化算法应用到图像矢量量化码书设计中,提出一种基于量子粒子群的矢量量化码书设计算法(QPSO-VQ)。在该算法中,用粒子表示码书,用峰值信噪比(PSNR)作为算法的适应度函数,通过量子粒子群算法的更新公式来更新码书。实验结果表明,与经典的LBG码书设计算法和粒子群矢量量化码书设计算法相比,QPSO-VQ在解码图像的PSNR值和算法的稳定度等方面有比较明显的优势,可以获得性能较好的码书。(本文来源于《电视技术》期刊2012年17期）
李殷[7]（2012）在《量子粒子群算法研究及其在图像矢量量化码书设计中的应用》一文中研究指出量子智能优化算法与其对应的经典优化算法相比具有更好的种群多样性;种群分散性好,小种群染色体可以对应多个搜索状态;更具并行性;收敛速度更快;具有极强的全局搜索能力等优点。量子粒子群算法是将量子计算与模仿自然界生物行为的粒子群优化算法相融合的量子群智能优化算法。本文主要研究量子粒子群算法的特性及其改进,并将其应用于图像矢量量化码书设计中。主要的研究工作有:首先,研究了粒子群优化算法及带权重和带收缩因子的粒子群算法的特性,并在此基础上研究量子粒子群算法的基本原理和算法流程,通过仿真实验表明,在复杂函数优化问题中,量子粒子群算法比粒子群算法有更好的优化性能。其次,研究了量子进化算法、实数编码的量子进化算法的原理和性能,并将实数编码的量子进化算法的思想引入到粒子群算法中,提出一种新型的量子粒子群算法。几组基准函数的实验仿真和0-1背包问题的应用研究结果证明了所提出的新型的量子粒子群算法的可行性和高效性。最后,研究了矢量量化技术、LBG码书设计算法及其改进算法的性能。给出了基于粒子群、量子粒子群以及新型量子粒子群的矢量量化码书设计方法的设计过程和算法流程,通过测试图像的仿真实验表明,新型的量子粒子群算法能够设计出比量子粒子群算法、传统的LBG及其改进算法具有更高性能的码书。(本文来源于《南京邮电大学》期刊2012-03-01）
陈善学,张艳,吴立彬[8]（2012）在《用于LBG初始码书设计的改进PNN算法》一文中研究指出矢量量化初始码书对于码书的形成非常重要,为了改善初始码书的性能和提高最终的码书质量,在分析成对最邻近(pair-wise nearest neighbor,PNN)算法与基础上,提出2种改进算法用于LBG算法初始码书的设计。改进的算法将训练矢量的分量和值排序与一次迭代多次融合用于PNN算法中,有效地降低了PNN算法的复杂度,减小了PNN算法的收敛时间。实验证明,该算法具有合理性和有效性,与LBG算法结合可进一步提高码书质量。(本文来源于《重庆邮电大学学报(自然科学版)》期刊2012年01期）
王佳果,陈善学,张艳,尹雪娇[9]（2012）在《一种改进的基于Hadamard域的码书设计算法》一文中研究指出基于Hadamard变换和K-means理论,针对Chen的初始码书设计算法的随机性较强和峰值信噪比(PSNR)不高这两个缺点,提出了一种改进的码书设计算法。本算法利用统计特征量的分类平均法生成初始码书,然后提高求质心的频率,每当一个训练矢量被分类到胞腔时,就求出相应胞腔的质心来代替原有的码字。该算法结合LBG算法的优点,调整后的码字代表了整个胞腔的特性,加速了码书的收敛速度,提升了码书的性能。仿真实验结果表明,较Chen的算法图像效果,即峰值信噪比(PSNR),平均提高了0.5 dB,在迭代次数较小时甚至达0.9 dB。(本文来源于《电信科学》期刊2012年02期）
张伟[10]（2011）在《基于自然计算的矢量量化码书设计算法的研究》一文中研究指出矢量量化作为一种有效的有损压缩技术,是Shannon信息论在信源编码理论方面的新发展。其突出优点是压缩比大、编解码简单。矢量量化算法有着极为广泛的应用领域,如图像压缩、模式识别、语音编码、视频编码等。因此,研究矢量量化技术,具有重要的意义和价值。矢量量化的理论基础是Shannon的率失真定理,其基本原理是用码书中与输入矢量之间失真误差最小的码字的索引来代替输入矢量进行存储和传输,而在解码端只需进行简单的查表操作。矢量量化主要包括叁大关键技术,即码书设计算法、码字搜索算法以及码字索引分配算法,其中最重要的是码书设计算法,这是关乎整个矢量量化器设计成功与否的关键所在。本文重点分析和研究了码书设计算法,提出了基于自然计算理论的矢量量化码书设计算法。本文的主要工作概况如下：首先,基于有监督的学习矢量量化算法的思想,提出了无监督的两步学习矢量量化码书设计算法。对于没有类标的数据(图像数据),算法无法像有监督的竞争学习算法那样使用训练数据类标来合理地调整竞争神经网络的权值矢量。在本文提出的算法中,增加了纠正学习的过程,即通过一个判决函数判断是否有被错误划分的数据,然后根据一定的纠正学习策略对竞争神经网络进行调整,以期待得到更好的结果。其次,为了改善遗传算法的局部搜索能力和早熟现象,将模拟退火算法引入到遗传算法中,提出了基于划分编码的遗传模拟退火矢量量化码书设计算法。针对基于划分的染色体编码方式,算法提出了新的有效的交叉算子、变异算子和模拟退火方法。最后,基于人工免疫系统和免疫优势理论,提出了基于免疫优势的克隆选择矢量量化码书设计算法。该算法提出了新的有效的免疫优势算子,使得算法能够自适应地、动态地从抗体种群中获取先验知识,并将先验知识引入到抗体种群中,从而有效地改善克隆选择算法容易陷入局部最优的缺点。本课题得到国家自然科学基金(No.60803098)、国家教育部博士点基金(No.20070701022)、省自然科学基金(2010JM8030)、中央高校基本科研基金(No.K50511020014)的资助。(本文来源于《西安电子科技大学》期刊2011-12-01）
码书设计算法论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
在矢量量化的码书设计过程中,针对传统的LBG算法对初始码书选取的依赖性及易陷入局部最优的缺陷,提出基于免疫猫群优化算法的矢量量化码书设计.将整个种群分为搜索组和跟踪组,运用克隆扩增算子在搜寻组中进行局部搜索,根据适应度值大小调节变异个体数目,保持解的多样性.运用动态疫苗提取与接种算子使跟踪组个体基因与疫苗进行交叉变异,向最优解靠拢,防止无监督交叉变异可能引起的退化现象.通过浓度平衡算子和选择算子更新子代种群,防止种群"早熟".将训练出全局最优码书输入到HMM模型进行训练和识别,实验结果表明,基于免疫猫群优化算法的矢量量化码书设计不依赖于初始码书选取,鲁棒性强且降低语音识别误差率.
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
码书设计算法论文参考文献
[1].赵梦玲,刘红卫,刘若辰.基于遗传模拟退火算法的矢量量化码书设计[J].数学的实践与认识.2015
[2].杨淑莹,刘旭鹏,陶冲,刘婷婷.基于免疫猫群优化算法的矢量量化的码书设计及语音识别[J].模式识别与人工智能.2014
[3].顾俊凯.矢量量化码书设计及优化算法研究[D].长安大学.2014
[4].郭艳菊,陈雷,陈国鹰.基于改进人工蜂群的图像矢量量化码书设计算法[J].计算机应用.2013
[5].陈善学,尹雪娇,张艳.基于改进粒子群算法的码书设计方法[J].重庆邮电大学学报(自然科学版).2013
[6].李殷,李飞.基于量子粒子群优化算法的矢量量化码书设计[J].电视技术.2012
[7].李殷.量子粒子群算法研究及其在图像矢量量化码书设计中的应用[D].南京邮电大学.2012
[8].陈善学,张艳,吴立彬.用于LBG初始码书设计的改进PNN算法[J].重庆邮电大学学报(自然科学版).2012
[9].王佳果,陈善学,张艳,尹雪娇.一种改进的基于Hadamard域的码书设计算法[J].电信科学.2012
[10].张伟.基于自然计算的矢量量化码书设计算法的研究[D].西安电子科技大学.2011