Top 10 articles

Liste der Krankenhäuser in England
Libysche Armee
Odnoklassniki.ru
Libysche Luftwaffe
nasza-klasa.pl
Justin Biber
Der Blitz und die Sonne
Liste von Farben
Liste Moto Guzzi der Motorräder
Liste der politischen Parteien in Flandern

News:

Vektorquantelung

Vektorquantelung ist ein klassisches Quantelung Technik von Signalaufbereitung welches das Modellieren der Wahrscheinlichkeit Dichtefunktionen durch die Verteilung der Prototypvektoren erlaubt. Es wurde ursprünglich für verwendet Datenverdichtung. Es funktioniert, indem es einen großen Satz Punkte teilt (Vektoren) in die Gruppen, welche ungefähr die gleiche Zahl den Punkten am nähsten zu ihnen haben. Jede Gruppe wird durch sein dargestellt zentroid Punkt, als innen k-bedeutet und irgendein anderes Sammeln Algorithmen.

Die zusammenpassende Eigenschaft der Dichte der vektorquantelung ist-, besonders für das Kennzeichnen der Dichte der großen und hoch-bemessenen Daten leistungsfähig. Da Datenpunkte durch den Index von ihrem nähsten zentroiden dargestellt werden, haben allgemein auftretende Daten niedrige Störung und hohe Störung der seltenen Daten. Deshalb ist VQ für verwendbar lossy Datenverdichtung. Es kann für lossy Datenkorrektur auch verwendet werden und Dichteschätzung.

Vektorquantelung basiert auf konkurrierendes Lernen Paradigma, also es hängen nah mit zusammen self-organizing Diagramm Modell.

Inhalt

Training

Ein einfacher Training Algorithmus für vektorquantelung ist-:

  1. Wählen Sie einen Beispielpunkt zufällig aus
  2. Verschieben Sie den nächsten Quantelungvektorschwerpunkt in Richtung zu diesem Beispielpunkt, durch einen kleinen Bruch des Abstandes
  3. Wiederholung

Ein hoch entwickelterer Algorithmus verringert die Vorspannung in der zusammenpassenden Schätzung der Dichte und sicherstellt, daß alle Punkte benutzt werden, indem er einen Extraempfindlichkeit Parameter einschließt:

  1. Erhöhen Sie Empfindlichkeit jedes Schwerpunkts durch etwas
  2. Wählen Sie einen Beispielpunkt zufällig aus
  3. Finden Sie den Quantelungvektor zentroid mit der kleinsten <Abstandempfindlichkeit>
    1. Verschieben Sie den gewählten Schwerpunkt in Richtung zum Beispielpunkt durch einen kleinen Bruch des Abstandes
    2. Stellen Sie die gewählten Empfindlichkeit des Schwerpunkts auf Null
  4. Wiederholung

Es ist wünschenswert, einen abkühlenden Zeitplan zu verwenden, um Konvergenz zu produzieren: sehen Sie Simuliertes Ausglühen.

Der Algorithmus kann mit „Phasen“ Daten, anstatt, durch die Ernte der gelegentlichen Punkte von einem Modem wiederholend aktualisiert werden, aber dieser stellt etwas Vorspannung vor, wenn die Daten zeitlich über vielen Proben aufeinander bezogen werden.

Anwendungen

Vektorquantelung wird für lossy Datenverdichtung, lossy Datenkorrektur und Dichteschätzung verwendet.

Lossy Datenkorrektur oder Vorhersage, wird verwendet, um die Daten zu erholen, die von einigen Maßen vermissen. Es wird getan, indem man die nächste Gruppe mit den Datenmaßen vorhanden findet und dann das Resultat voraussagt, das auf den Werten für die fehlenden Maße basiert und annimmt, daß sie den gleichen Wert wie der Schwerpunkt der Gruppe haben.

Für Dichteschätzung, ist der Bereich/Volumen, der näeher an einem bestimmten Schwerpunkt als zu irgendeinem anderem ist, umgekehrt zur Dichte proportional (wegen der zusammenpassenden Eigenschaft der Dichte des Algorithmus).

Gebrauch in der Datenverdichtung

Vector die Quantelung, auch genannt „Blockquantelung“, oder „Musterzusammenbringenquantelung“ ist innen häufig benutzt lossy Datenverdichtung. Es funktioniert, indem es Werte von einem mehrdimensionalem kodiert vektorraum in begrenztes einsetzen Werte von einem getrenntem Teilraum vom niedrigeren Maß. Ein Niedrigraum Vektor erfordert weniger Speicherplatz, also werden die Daten zusammengedrückt. Dank die zusammenpassende Eigenschaft der Dichte der vektorquantelung, die komprimierten Daten haben Störungen, die umgekehrt zu ihrer Dichte proportional sind.

Die Umwandlung ist normalerweise vorbei erfolgt Projektion oder durch das Verwenden von a codebook. In einigen Fällen kann ein codebook zu auch benutzt werden Entropiecode der getrennte Wert im gleichen Schritt, durch das Erzeugen von a Präfix kodiert mit variabler Länge kodierter Wert als sein Ausgang.

Der Satz der getrennten Umfang Niveaus ist gemeinsam anstatt jede Probe quantisiert, die separat quantisiert ist. Betrachten Sie a K- Maßvektor [x1,x2,...,xk] von den Umfang Niveaus. Es wird zusammengedrückt, indem man den nächsten zusammenpassenden Vektor von einem Satz von wählt N- Maßvektoren [y1,y2,...,yn].

Alle möglichen Kombinationen von N- Maßvektor [y1,y2,...,yn] bilden Sie das codebook.

Block-Diagramm: Ein einfacher vektorgrößenwandler wird unten gezeigt


Nur der Index des codeword im codebook wird anstelle von den quantisierten Werten gesendet. Dieses konserviert Raum und erzielt mehr Kompression.

Doppelvektorquantelung (VQF) ist ein Teil von MPEG-4 das Standardc$beschäftigen Zeitgebiet belastete durchgeschobene vektorquantelung.

Videocodecs basiert auf vektorquantelung

Diese Liste ist unvollständig; Sie können vorbei helfen Erweiterung es.

und alte Versionen seiner geistigen Nachfolger:

Welche durch die MPEG Familie ersetzt werden.

Audiocodecs basiert auf vektorquantelung

Diese Liste ist unvollständig; Sie können vorbei helfen Erweiterung es.

Sehen Sie auch

Der Teil dieses Artikels basierte ursprünglich auf Material von Freies on-line-Wörterbuch des Rechnens und wird mit verwendet Erlaubnis unter dem GFDL.

Hinweise

  1. ^ Vorbis I Spezifikation. Xiph.org (2007-03-09). An zurückgeholt 2007-03-09.

Externe Verbindungen

The original article is from Wikipedia. To view the original article please click here.
Creative Commons Licence

 
Custom Search