|
|
VektorquantizationVektorquantization är ett klassiskt quantization teknik från signalera att bearbeta vilket låter modellera av probabilitytäthet, fungerar vid fördelningen av prototypvektorer. Det användes ursprungligen för datakompression. Det fungerar, genom att dela en stor uppsättning av, pekar (vektorer) in i grupper som ungefärligt har samma, numrera av pekar mest nära till dem. Varje grupp föreställs av dess centroid peka, som in K-hjälpmedel och någon annat samla i en klunga algoritmer. Tätheten som matchar egenskapen av vektorquantization, är kraftig, speciellt för att identifiera tätheten av stora och kick-dimensionerade data. Sedan data pekar föreställs av indexet av deras mest nära centroid, har gemensamt uppstående data lågt fel och sällsyntt datakickfel. Detta är varför VQ är passande för lossy-datakompression. Det kan också användas för lossy-datakorrigering och täthetanseende. Vektorquantization baseras på konkurrenskraftigt lära paradigmen så det förbinds nära till self-organizing kartlägga modellera.
UtbildningEn enkel utbildningsalgoritm för vektorquantization är:
En mer sofistikerad algoritm förminskar snedheten i tätheten som matchar anseende och ser till att allt pekar används, by däribland en extra känslighetsparameter:
Det är önskvärt att använda ett kyla schema till jordbruksprodukterkonvergens: se Simulerat härda. Algoritmen kan iteratively uppdateras med ”bor” data, i stället för vid slumpmässig plockning pekar från en datamängd, men ska detta introducerar någon snedhet, om datan korreleras temporally över många tar prov. ApplikationerVektorquantization används för lossy-datakompression, lossy-datakorrigering och täthetanseende. Lossy-datakorrigeringen eller förutsägelsen, är van vid återställer datasaknad från något dimensionerar. Det göras, genom att finna den mest nearest gruppen med datan, dimensionerar tillgängligt, därefter förutsägelse som resultatet som baseras på, värderar för saknaden dimensionerar och att anta att de ska har samma att värdera som grupp centroid. För täthetanseende, är området/volym, som är närmare en särskild centroid än till någon annat, omvänt proportionellt till tätheten (tack vare tätheten som matchar egenskapen av algoritmen). Bruk i datakompressionVektorquantization som kallas också ”kvarterquantization” eller ”, mönstrar att matcha quantization” används ofta in lossy-datakompression. Det fungerar vid encoding värderar från ett multidimensional vektorutrymme in i en finite uppsättning av värderar från ett åtskild subspace av lägre dimensionera. Låg-göra mellanslag vektorn kräver mindre lagringsutrymme, så datan är komprimerade. Tack till tätheten som matchar egenskapen av vektorquantization, de komprimerade datan, har fel som är omvänt proportionella till deras täthet. Omformningen göras vanligt by projektion eller genom att använda a codebook. I vissa fall kan en codebook vara också van vid entropi kodifierar de åtskilda värderar i samma kliver, genom att frambringa a prefixet kodifierade kodade variable-length värderar som tillverkat dess. Uppsättningen av åtskild amplitud jämnar är quantized gemensamt, i stället för varje tar prov att vara quantized separat. Betrakta a K- dimensionell vektor [x1,x2,...,xK] av amplitud jämnar. Det är komprimerat, genom att välja den mest nearest matcha vektorn från en uppsättning av N- dimensionella vektorer [y1,y2,...,yn]. Alla möjlighetkombinationer av N- dimensionell vektor [y1,y2,...,yn] bilda codebooken. Kvarterdiagram: En enkel vektorquantizer visas nedanfört
Tvilling- vektorquantization (VQF) är delen av MPEG-4 standart handla med tidområde vägde automatisk vektorquantization. Videopp codecs som baseras på vektorquantizationDetta listar är ofullständigt; du kan hjälpa by utvidgning det.
och gammala versioner av dess andliga efterträdarear:
Vilka ersätts av MPEG-familjen. Ljudsignalcodecs som baseras på vektorquantizationDetta listar är ofullständigt; du kan hjälpa by utvidgning det.
Se också
Delen av denna artikel baserades ursprungligen på materiellt från Fri on-line ordbok av beräkning och används med tillåtelse under GFDLEN. Hänvisar tillUtsidan anknyter
|
Creative Commons Licence