Top 10 artikelen

Goole
Koreaanse thee
nasza-klasa.pl
Creditcardfraude
Het zingen
Misbruik
Muziek van Indonesië
Tchiluba
De Provincie van Balkh
Provincie van Balkh Thermische straling

News:

Vector kwantificatie

Vector kwantificatie is klassiek kwantificatie techniek van signaal verwerking welke de modellering van de functies van de waarschijnlijkheidsdichtheid door de distributie van prototypevectoren toestaat. Het werd oorspronkelijk gebruikt voor gegevens compressie. Het werkt door een grote reeks punten te verdelen (vectoren) in groepen die ongeveer het zelfde aantal punten hebben het dichtst aan hen. Elke groep wordt vertegenwoordigd door zijn centroid punt, zoals binnen k-middelen en één of andere andere het groeperen zich algoritmen.

Het dichtheids passende bezit van vectorkwantificatie is krachtig, vooral voor het identificeren van de dichtheid van grote en hoog-afgemeten gegevens. Aangezien de gegevenspunten door de index van hun dichtste centroid worden vertegenwoordigd, hebben de algemeen voorkomende gegevens lage fout, en zeldzame gegevens hoge fout. Vandaar dat is VQ geschikt voor verlieslijdende gegevenscompressie. Het kan ook voor verlieslijdende gegevenscorrectie worden gebruikt en dichtheids schatting.

De vector kwantificatie is gebaseerd op het concurrerende leren het paradigma, zodat het is nauw verwant aan self-organizing kaart model.

Inhoud

Opleiding

Een eenvoudig opleidingsalgoritme voor vectorkwantificatie is:

  1. Pluk in het wilde weg een steekproefpunt
  2. Beweeg meest dichtbijgelegen kwantificatie vectorcentroid naar dit steekproefpunt, door een kleine fractie van de afstand
  3. Herhaal

Een verfijnder algoritme vermindert bias in de dichtheids passende schatting, en zorgt ervoor dat alle punten, door een extra gevoeligheidsparameter te omvatten worden gebruikt:

  1. Verhoog elke centroid gevoeligheid met een klein bedrag
  2. Pluk in het wilde weg een steekproefpunt
  3. Vind kwantificatie vectorcentroid met de kleinste <afstand-gevoeligheid>
    1. Ben gekozen centroid naar het steekproefpunt door op weg een kleine fractie van de afstand
    2. Plaats de gekozen centroid gevoeligheid aan nul
  4. Herhaal

Het is wenselijk om een het koelen programma te gebruiken om convergentie te veroorzaken: zie Het gesimuleerde ontharden.

Het algoritme kan vaak worden bijgewerkt met „levende“ gegevens, eerder dan door willekeurige punten van een gegevensreeks te plukken, maar dit zal wat bias introduceren als de gegevens tijdelijk gecorreleerd over vele steekproeven zijn.

Toepassingen

De vector kwantificatie wordt gebruikt voor verlieslijdende gegevenscompressie, verlieslijdende gegevenscorrectie en dichtheidsschatting.

De verlieslijdende gegevenscorrectie, of de voorspelling, worden gebruikt om gegevens terug te krijgen die van sommige afmetingen missen. Het wordt gedaan door de meest dichtbijgelegen groep met de gegevensdimensies, dan voorspellend het resultaat dat op de waarden wordt gebaseerd voor de ontbrekende afmetingen beschikbaar te vinden, veronderstellend dat zij de zelfde waarde zoals centroid van de groep zullen hebben.

Voor dichtheids schatting, zijn het gebied/het volume dat dichter is aan bepaalde centroid dan aan een ander omgekeerd evenredig aan de dichtheid (wegens het dichtheids passende bezit van het algoritme).

Gebruik in gegevenscompressie

De vector kwantificatie, ook genoemd wordt „blokkwantificatie“ of „patroon aanpassingskwantificatie“ vaak binnen gebruikt verlieslijdende gegevenscompressie. Het werkt door waarden van multidimensioneel te coderen vector ruimte in een eindige reeks waarden van afzonderlijk subspace van lagere afmeting. Een laag-ruimtevector vereist minder opslagruimte, zodat wordt het gegeven samengeperst. Dank aan het dichtheids passende bezit van vectorkwantificatie, de samengeperste gegevens heeft fouten die omgekeerd evenredig aan hun dichtheid zijn.

De transformatie wordt gewoonlijk langs gedaan projectie of door a te gebruiken codebook. In sommige gevallen, kan een codebook ook worden gebruikt aan entropie code de afzonderlijke waarde in de zelfde stap, door a te produceren gecodeerde prefix veranderlijk-lengte gecodeerde waarde als zijn output.

De reeks afzonderlijke omvangniveaus wordt gekwantiseerd gezamenlijk eerder dan elke steekproef die afzonderlijk wordt gekwantiseerd. Overweeg a K- dimensionale vector [x1,x2,...,xk] van omvangniveaus. Het wordt samengeperst door de meest dichtbijgelegen passende vector van een reeks van te kiezen N- dimensionale vectoren [y1,y2,...,yn].

Alle mogelijke combinaties van N- dimensionale vector [y1,y2,...,yn] vorm codebook.

Het Diagram van het blok: Een eenvoudige vector wordt quantizer hieronder getoond


Slechts wordt de index van codeword in codebook verzonden in plaats van de gekwantiseerde waarden. Dit behoudt ruimte en bereikt meer compressie.

Tweeling vectorkwantificatie (VQF) maakt deel uit van Mpeg-4 het standaard behandelende gewogen tijddomein doorschoot vectorkwantificatie.

Video codecs die bij de vectorkwantificatie wordt gebaseerd

Deze lijst is onvolledig; u kunt langs helpen het uitbreiden van het.

en oude versies van zijn geestelijke opvolgers:

Welke door de familie MPEG worden vervangen.

Audio codecs die bij de vectorkwantificatie wordt gebaseerd

Deze lijst is onvolledig; u kunt langs helpen het uitbreiden van het.

Zie ook

Een deel van dit artikel werd oorspronkelijk gebaseerd op materiaal van Vrij Online Woordenboek van Gegevensverwerking en wordt gebruikt met toestemming onder GFDL.

Verwijzingen

  1. ^ Vorbis I Specificatie. Xiph.org (2007-03-09). teruggewonnen 2007-03-09.

Externe verbindingen

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

 
Custom Search