Top 10 artigos

Goole
Hotmail
Lista dos países onde o inglês é uma língua oficial
Lista de doenças mentais
Gmail
Família real britânica
Googol
Tuenti
Tsunami
KGB

News:

Quantização do vetor

Quantização do vetor é um classical quantização técnica de processar de sinal qual permite modelar de funções da densidade da probabilidade pela distribuição de vetores do protótipo. Foi usado originalmente para compressão de dados. Trabalha dividindo um jogo grande dos pontos (vetores) nos grupos que têm aproximadamente o mesmo número dos pontos os mais próximos a eles. Cada grupo é representado pelo seu centroid ponto, como dentro k-significa e algum outro aglomerar-se algoritmos.

A propriedade combinando da densidade da quantização do vetor é poderosa, especialmente para identificar a densidade de grande e elevado-calculou as dimensões de dados. Desde que os pontos de dados são representados pelo índice do seu centroid mais próximo, os dados geralmente ocorrendo têm o erro baixo, e o erro elevado dos dados raros. Isto é porque VQ é apropriado para compressão de dados do lossy. Pode também ser usado para a correção dos dados do lossy e estimation da densidade.

A quantização do vetor é baseada no aprendizagem do competidor o paradigm, assim que relaciona-se pròxima ao mapa self-organizing modelo.

Índices

Treinamento

Um algoritmo simples do treinamento para a quantização do vetor é:

  1. Escolha um ponto da amostra em aleatório
  2. Mova o centróide o mais próximo do vetor da quantização para este ponto da amostra, por uma fração pequena da distância
  3. Repeat

Um algoritmo mais sofisticado reduz a polarização no estimation combinando da densidade, e assegura-se de que todos os pontos estejam usados, incluindo um parâmetro extra da sensibilidade:

  1. Aumente a sensibilidade de cada centróide por uma quantidade pequena
  2. Escolha um ponto da amostra em aleatório
  3. Encontre o vetor da quantização centroid com a distância-sensibilidade <a menor>
    1. Mova o centróide escolhido para o ponto da amostra por uma fração pequena da distância
    2. Ajuste a sensibilidade do centróide escolhido a zero
  4. Repeat

É desejável usar uma programação refrigerando produzir a convergência: veja Recozimento simulado.

O algoritmo pode iterativa ser atualizado com dados “vivos”, melhor que escolhendo pontos aleatórios de uma série de dados, mas este introduzirá alguma polarização se os dados forem correlacionados temporally sobre muitas amostras.

Aplicações

A quantização do vetor é usada para a compressão de dados do lossy, a correção dos dados do lossy e o estimation da densidade.

A correção dos dados do lossy, ou a predição, são usadas recuperar os dados que faltam de algumas dimensões. É feito encontrando o grupo o mais próximo com as dimensões dos dados disponível, então predizendo o resultado baseado nos valores para as dimensões faltantes, supondo que terão o mesmo valor que o centróide do grupo.

Para estimation da densidade, a área/volume que é mais perto de um centróide particular do que a qualquer outra é inversa proporcional à densidade (devido à propriedade combinando da densidade do algoritmo).

Uso na compressão de dados

Vector a quantização, chamada também do “quantização bloco” ou de “a quantização combinar teste padrão” é usada frequentemente dentro compressão de dados do lossy. Trabalha codificando valores de um multidimensional espaço do vetor em um jogo finito dos valores de um discreto subspace da dimensão mais baixa. Um vetor do baixo-espaço requer menos espaço de armazenamento, assim que os dados são comprimidos. Os agradecimentos à propriedade combinando da densidade da quantização do vetor, os dados comprimidos têm os erros que são inversa proporcionais a sua densidade.

A transformação é feita geralmente perto projeção ou usando a codebook. Em alguns casos, um codebook pode também ser usado a código da entropia o valor discreto na mesma etapa, gerando a o prefixo codificou valor codificado variable-length como sua saída.

O jogo de níveis de amplitude discretos é quantized conjuntamente melhor que cada amostra que é quantized separada. Considere a K- vetor dimensional [x1,x2,...,xk] de níveis de amplitude. É comprimido escolhendo o vetor combinando o mais próximo de um jogo de N- vetores dimensionais [y1,y2,...,yn].

Todas as combinações possíveis do N- vetor dimensional [y1,y2,...,yn] dê forma ao codebook.

Diagrama de bloco: Um quantizador simples do vetor é mostrado abaixo


Somente o índice do codeword no codebook é emitido em vez dos valores quantized. Isto conserva o espaço e consegue mais compressão.

Quantização gêmea do vetor (VQF) é a parte do MPEG-4 tratar padrão do domínio de tempo tornou mais pesada a quantização intercalada do vetor.

Codecs video baseados na quantização do vetor

Esta lista é incompleto; você pode ajudar perto expandindo o.

e versões velhas de seus sucessores espirituais:

Quais são substituídos pela família do MPEG.

Codecs audio baseados na quantização do vetor

Esta lista é incompleto; você pode ajudar perto expandindo o.

Veja também

A parte deste artigo foi baseada originalmente no material do Dicionário em linha livre de computar e é usado com permissão sob o GFDL.

Referências

  1. ^ Especificação de Vorbis I. Xiph.org (2007-03-09). Recuperado sobre 2007-03-09.

Ligações externas

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

 
Custom Search