본 논문에서는 개선된 벡터 양자화(Vector Quantization) 설계 방법을 제안한다. 기존의 LBG 알고리즘은 분할에 의해 생성된 초기 코드북에 대해 반복된 실험을 통하여 최종의 코드북을 구한다. 그...
http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
https://www.riss.kr/link?id=A82299193
1993
Korean
004
학술저널
855-858(4쪽)
0
상세조회0
다운로드국문 초록 (Abstract)
본 논문에서는 개선된 벡터 양자화(Vector Quantization) 설계 방법을 제안한다. 기존의 LBG 알고리즘은 분할에 의해 생성된 초기 코드북에 대해 반복된 실험을 통하여 최종의 코드북을 구한다. 그...
본 논문에서는 개선된 벡터 양자화(Vector Quantization) 설계 방법을 제안한다. 기존의 LBG 알고리즘은 분할에 의해 생성된 초기 코드북에 대해 반복된 실험을 통하여 최종의 코드북을 구한다. 그러나 제안한 방법은 입력 화상의 일부를 샘플링 한 후 이를 2-Phase Self-Organizing Neural Network으로 학습시켜서 코드북의 크기를 미리 결정한다. 결정된 초기 코드북을 LBG알고리즘으로 훈련시키므로서 효율적인 코드북을 설계한다. 제안한 방법을 Linde등이 제안한 반복분할법과 임의의 코드워드 사용법, 그리고 Kohonen의 SOFM 알고리즘과 비교하였다. 실험 결과 제안한 방법은 최적으로 알려진 반복분할법과 비슷한 성능을 보이면서 미리 코드북의 크기를 결정하므로 반복된 실험을 피할 수 있어서 실시간 응용이 가능하다.
목차 (Table of Contents)
객체의동적,정적모델으로부터 객체구현을 중심으로한 객체지향소프트웨어 개발에 관한 연구