摘 要: | 自组织特征映射(SOFM)是一种常用的矢量量化算法,它具有设计码书不依赖于初始码书等优点。模糊矢量量化算法(FVQ)将模糊关系引入码书的设计,训练矢量与码矢之间的模糊关系用隶属函数表示。本文提出了一种基于自组织特征映射网络的模糊矢量量化算法(FSOFM),FSOFM算法将SOFM网络的调节节点邻域看作训练矢量的模糊集,网络权值学习步长的选择依赖于隶属函数。由于设计码书的评价一般采用最小均方误差准则,而隶属函数是训练矢量与码矢之间距离的函数,FSOFM算法保证了网络的全局成优化和网络权值的局部调整一致;因此,FSOFM算法能够优化码书的设计,改善设计码书的性能。此外,FSOOFM算法还具良好的适应性,当网络的将LBG、SOFM、FVQ和FOSOFM算法用于一组具有不同边缘特性的图像的矢量量化中,我们发现采用FSOFM算法进行矢量量化的所有图像都具有最高的峰值信噪比PSNR。
|