1) self-learning feature maps
自学习特征映射
1.
To improve performance of codebook and learning efficiency,self-organizing feature maps(SOM) are analyzed,a new self-learning feature maps(SLM) algorithm is proposed.
为了有效地提高矢量量化(VQ)码书的性能,提出了一种新的自学习特征映射(SLM)算法,并应用到图像VQ中,实验表明,与自组织特征映射(SOM)算法相比,SLM算法具有聚类特性好和峰峰信噪比高等优点,是一种非常有前途的码书设计算法。
2) self-learning feature map
自学习特征映射算法
1.
It uses vector quantization(VQ) based upon self-learning feature maps(SLM)to predict input image,then does DCT coding.
为了改善JPEG算法的编码性能,提出了一种新的基于自学习特征映射算法(SLM)的静止图像编码方案,基本思想是:1)先用矢量量化(VQ)对图像进行预测,然后进行DCT编码;2)采用新的SLM算法来改善VQ码书性能。
3) SOM
自组织特征映射
1.
Results showed that air quality has been deteriorated gradually from 1997 to 2005,which was in accordance with the results of SOM.
在此基础上使用自组织特征映射验证了主成分分析的结果正确,最后给出了相关结论。
2.
In the paper, we introduce SOM (Self\|Organizing Map, one of clustering method in neural network) to Chinese Web search engine.
本文将神经网络聚类方法之一SOM(Self OrganizingMap ,自组织特征映射 )的思想和方法引入中文Web搜索引擎 ,首先探讨了其网络模型和算法 ,而后提出一种聚类用户所感兴趣的中文Web文档的层次聚类方法 ,从而提高中文Web文档的检索质
3.
In this article we put forward an improved VQ methode using SOM (self-organized map) for the original image compression.
本文提出了一种改进矢量量化进行SOM(自组织特征映射)原始图像压缩的方法,该方法基于小波变换,并对小波变换所得的参数(子块)使用SOM算法对其进行矢量量化,并根据不同的子块采用不同的量化方式。
4) self-organizing feature map
自组织特征映射
1.
The application of self-organizing feature map neural network to logging lithological identification;
自组织特征映射神经网络在测井岩性识别中的应用
2.
Application and Analysis of Self-Organizing Feature Map;
自组织特征映射网络的分析与应用
3.
Approach of clustering based on self-organizing feature map;
一种基于自组织特征映射网络的聚类方法
5) self-organizing feature maps
自组织特征映射
1.
To improve the performance of block matching algorithm in motion estimation and motion complement(ME+MC),a motion pattern recognition(MPR) algorithm based on self-organizing feature maps(SOM) is proposed and tested in object-based conference video coding.
针对块匹配运动估计补偿(ME+MC)算法的不足,提出了一种基于自组织特征映射(SOM)的运动模式识别(MPR)算法,应用于会议电视的视频对象编码。
2.
To overcome disadvantages of existing initial codebook algorithms,a new separating mean algorithm for learning vector quantization(LVQ)based upon self-organizing feature maps(SOM) was proposed.
针对原有随机数设置法、训练矢量集随机抽取法和LBG分裂法等初始码书算法存在码矢利用率较低、运算量大和与信源匹配程度不高等不足,提出了一种新的分离平均法,并应用到基于自组织特征映射算法(SOM)的学习矢量量化(LVQ)中。
3.
To improve performance of codebook and learning efficiency,self-organizing feature maps(SOM) are analyzed,a new self-learning feature maps(SLM) algorithm is proposed.
为了有效地提高矢量量化(VQ)码书的性能,提出了一种新的自学习特征映射(SLM)算法,并应用到图像VQ中,实验表明,与自组织特征映射(SOM)算法相比,SLM算法具有聚类特性好和峰峰信噪比高等优点,是一种非常有前途的码书设计算法。
6) self-organizing map
自组织特征映射
1.
The Research and Application of the Clustering Algorithm Based on Self-Organizing Map;
基于自组织特征映射聚类算法的研究与应用
2.
The classification effect was validated by the leave-one-out method and compared with the support vector machine(SVM) and self-organizing map(SOM) methods.
将最小二乘支持向量机(leastsquare support vector machine,LS-SVM)算法用于杭州南宋官窑2窑址出土瓷片的分类研究中,根据瓷片胎和釉的主要、次要和痕量元素组成对它们进行了分类,用留一法检验其分类效果,并与支持向量机(support vector machine,SVM)算法和自组织特征映射(self-organizing map,SOM)算法进行了比较。
补充资料：部分学习与整体学习
部分学习与整体学习
part learning and whole learning
部分学习与整体学习(part learningand whole learning)在运动学习和记忆学习中，根据对学习内容的处理方式可以分成部分学习和整体学习。部分学习就是将材料分成几个部分，每次学习一个部分:整体学习就是每次学习整个材料。一般来讲，整体学习的效果优于部分学习。但是，课题复杂彼此没有意义联系的材料，用部分学习的效果好:课题简短或具有意义联系的材料，用整体学习的效果好。在进行学习时，可以将部分学习与整体学习结合起来，先进行整体学习再进行部分学习，或者相反。这种相互结合的学习方式叫做综合学习，效果更好些。 (周国帕撰成立夫审)
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条