|
|||||
|
|
| Context 模型奇异测度及其在量化中的应用 | |
| 引用本文： | 陈旻,王开云,贾学明,赵卿.Context 模型奇异测度及其在量化中的应用[J].昆明师范高等专科学校学报,2015(3). |
| 作者姓名： | 陈旻 王开云 贾学明 赵卿 |
| 作者单位： | 1. 云南警官学院 信息网络安全学院,云南 昆明,650223 2. 昆明学院 学报编辑部,云南 昆明,650214 3. 昆明学院 信息技术学院,云南 昆明,650214 |
| 基金项目： | 云南省自然科学基金青年基金资助项目(2013FD042)；国家自然科学基金资助项目(61062005)． |
| 摘 要： | 使用聚类算法实现 Context 量化不仅可以推广量化器的应用范围，而且可以获得编码性能较理想的优化量化器。然而，聚类算法依赖于相似测度。前期研究中采用的描述长度增量不能完全满足相似测度的各项属性，从而导致聚类结果的性能偏差。因此，提出数学描述特性更好的奇异测度增量作为两个计数向量的相似测度，并说明其相应性质。实验结果证明，使用奇异测度增量作为相似测度，不仅能够保证 Context 量化器的稳定性，而且还获得更佳的编码结果。 |
| 关 键 词： | Context 建模 熵编码 描述长度 奇异测度 |
Amazing Measure of Context Model and its Application in Quantization |
|
| CHEN Min,WANG Kai-yun,JIA Xue-ming,ZHAO Qing.Amazing Measure of Context Model and its Application in Quantization[J].Journal of Kunming Teachers College,2015(3). | |
| Authors: | CHEN Min WANG Kai-yun JIA Xue-ming ZHAO Qing |
| Abstract: | |
| Keywords: | |
| 本文献已被 万方数据 等数据库收录！ | |