数据采集与处理
數據採集與處理
수거채집여처리
JOURNAL OF DATA ACQUISITION & PROCESSING
2012年
6期
639-645
,共7页
矢量量化%最大熵%QP量化%0-1量化%目标函数
矢量量化%最大熵%QP量化%0-1量化%目標函數
시량양화%최대적%QP양화%0-1양화%목표함수
为了克服传统的矢量量化方法存在的信息损失量大及二次规划(Quadratic pragramming,QP)量化方法计算复杂度大等缺点,提出了一种新的量化方法——最大熵量化.这种量化方法一方面能将量化权值的熵最大化,从而确保在没有先验知识的情况下不会造成大多量化误差;另一方面则考虑了矢量集合在时间空间上的分布关系.本文在TMS320DM642处理器上实现了这种算法,并进行了一系列的算法和程序层的优化.在基于图像的目标识别应用中的实验证明,最大熵矢量量化算法及其在TMS320DM642上的实现,不仅能提高识别的性能,而且能满足实时性的要求.
為瞭剋服傳統的矢量量化方法存在的信息損失量大及二次規劃(Quadratic pragramming,QP)量化方法計算複雜度大等缺點,提齣瞭一種新的量化方法——最大熵量化.這種量化方法一方麵能將量化權值的熵最大化,從而確保在沒有先驗知識的情況下不會造成大多量化誤差;另一方麵則攷慮瞭矢量集閤在時間空間上的分佈關繫.本文在TMS320DM642處理器上實現瞭這種算法,併進行瞭一繫列的算法和程序層的優化.在基于圖像的目標識彆應用中的實驗證明,最大熵矢量量化算法及其在TMS320DM642上的實現,不僅能提高識彆的性能,而且能滿足實時性的要求.
위료극복전통적시량양화방법존재적신식손실량대급이차규화(Quadratic pragramming,QP)양화방법계산복잡도대등결점,제출료일충신적양화방법——최대적양화.저충양화방법일방면능장양화권치적적최대화,종이학보재몰유선험지식적정황하불회조성대다양화오차;령일방면칙고필료시량집합재시간공간상적분포관계.본문재TMS320DM642처리기상실현료저충산법,병진행료일계렬적산법화정서층적우화.재기우도상적목표식별응용중적실험증명,최대적시량양화산법급기재TMS320DM642상적실현,불부능제고식별적성능,이차능만족실시성적요구.