利用离散Hopfield网络的码本设计方法

doi:10.3778/j.issn.1002-8331.2009.21.016

计算机工程与应用 ›› 2009, Vol. 45 ›› Issue (21): 61-63.DOI: 10.3778/j.issn.1002-8331.2009.21.016

利用离散Hopfield网络的码本设计方法

雷超阳¹，钟一青²

1.长沙通信职业技术学院计算机工程系，长沙 410015
2.湖南环境生物职业技术学院计算机工程系，湖南衡阳 421005

收稿日期:2008-06-13 修回日期:2008-09-16 出版日期:2009-07-21 发布日期:2009-07-21
通讯作者: 雷超阳

Codebook design method of using discrete Hopfield neural networks

LEI Chao-yang¹，ZHONG Yi-qing²

1.Department of Computer Engineering，Changsha Tel. & Tec. Vocational College，Changsha 410015，China
2.Department of Computer Engineering，Hunan Env. & Bio. Vocational College，Hengyang，Hunan 421005，China

Received:2008-06-13 Revised:2008-09-16 Online:2009-07-21 Published:2009-07-21
Contact: LEI Chao-yang

摘要/Abstract

摘要： 论文提出了一种利用Hopfield网络的码本设计方法，分析了LBG算法和离散Hopfield网络的特点，针对该特点构造聚类表格，并按离散Hopfield神经网络串行方式运行，从而得到最终码字集。通过实验表明，在码本大小相同的情况下，峰值信噪比提高了2.742～3.825 dB，生成的码本质量较传统的LBG算法更加有效。

关键词: 码本, LBG算法, Hopfield网络, 峰值信噪比

Abstract: This paper proposes codebook design method of using discrete hopfield neural networks.Based on analysis of the LBG algorithm and features of discrete hopfield neural networks，this method builts a clustering form；the clustering form works with the asynchronous mode of discrete hopfield neural network，and abtains the final codebook.Experimental results indicate that PSNR can be increased 2.742 to 3.825 dB.This method is more effective than the traditional LBG algorithm.

Key words: codebook, LBG algorithm, Hopfield neural nework, Peak Signal to Noise Ratio（PSNR）

雷超阳¹，钟一青². 利用离散Hopfield网络的码本设计方法[J]. 计算机工程与应用, 2009, 45(21): 61-63.

LEI Chao-yang¹，ZHONG Yi-qing². Codebook design method of using discrete Hopfield neural networks[J]. Computer Engineering and Applications, 2009, 45(21): 61-63.

[1]	江巨浪1，章瀚2，朱柱1，詹文法1. 高密度椒盐噪声的多方向加权均值滤波[J]. 计算机工程与应用, 2016, 52(6): 204-208.
[2]	薛俊韬，金志刚，杨正瓴，张军. 基于向量相似度的水印模型分析[J]. 计算机工程与应用, 2016, 52(24): 116-120.
[3]	蔡伟华，何选森. 基于UWT和独立分量分析的含噪盲源分离[J]. 计算机工程与应用, 2016, 52(16): 180-185.
[4]	陈昌龙，孙克辉. 基于图像特征分块的分数阶微分图像增强算法[J]. 计算机工程与应用, 2016, 52(14): 186-191.
[5]	何易德1，秦小林1，罗国涛2，陈帅1. 基于R-滤子的多帧图像重建算法[J]. 计算机工程与应用, 2015, 51(17): 194-198.
[6]	苏鹏，程健. DHMM在机械设备音频识别中的应用[J]. 计算机工程与应用, 2015, 51(1): 266-270.
[7]	孙燕. 自适应模糊聚类LBG矢量量化算法[J]. 计算机工程与应用, 2014, 50(23): 203-205.
[8]	孙燕1，姜占才2，王蕴杰2. 浊音隶属度参数及F-LBG算法[J]. 计算机工程与应用, 2014, 50(2): 204-207.
[9]	槐向兵，厉征鑫，刘建立，高卫东. 基于轮廓波变换的织物疵点图像消噪新方法[J]. 计算机工程与应用, 2014, 50(19): 143-146.
[10]	乔闹生1，2，张奋3. 广义全变分与巴特沃斯高通滤波融合图像去噪[J]. 计算机工程与应用, 2014, 50(19): 20-22.
[11]	刘晓辉，金志刚，卫津津，赵西满. P2P网络多视点立体视频传输的数据块调度策略[J]. 计算机工程与应用, 2013, 49(11): 6-10.
[12]	唐骏1，2，袁江南1，2. AMR-WB固定码本快速搜索新方法[J]. 计算机工程与应用, 2012, 48(36): 14-18.
[13]	陈寅银，黄有度. 基于空域相关滤波和总变分模型的图像去噪[J]. 计算机工程与应用, 2012, 48(31): 175-178.
[14]	莫林，周赞，雷禹，曾繁璞. 基于YUV空间码本模型的运动检测[J]. 计算机工程与应用, 2012, 48(25): 180-183.
[15]	王先荣，苟先太，罗刚. 多阶编码本背景模型[J]. 计算机工程与应用, 2012, 48(2): 168-172.

利用离散Hopfield网络的码本设计方法

Codebook design method of using discrete Hopfield neural networks

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics