메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
저널정보
Korean Institute of Information Scientists and Engineers (구)정보과학회논문지 정보과학회논문지 제22권 제6호
발행연도
1995.6
수록면
860 - 867 (8page)

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

초록· 키워드

오류제보하기
영상 압축 기법중에서 벡터 양자화(Vector Quantization: VQ)는 높은 압축률을 갖으나, 경계(Edge) 부분의 정보를 약화시킨다. 분류 벡터 양자화(Classified Vector Quantization: CVQ)[2]는 입력되는 샘플 벡터들을 특성에 따라서 분류하여 각각의 부코드북을 설계함으로써 VQ의 단점을 개선한다. CVQ에 적용하기 위한 알고리즘인 경쟁 학습 네트워크(Competitive Learning Network)[5][6][7]는 입력되는 샘플 벡터의 각 클러스터에 대한 소속도가 이분법적으로 표현되기 때문에 상대적으로 큰 소속도를 가지는 코드벡터가 학습 과정에서 무시된다. 퍼지 경쟁 학습 네트워크(Fuzzy Competitive Learning Network)[8]는 각 클러스터가 연속적인 소속도를 갖는 개념으로 이와 같은 문제점을 해결했다. 그러나 퍼지 경쟁 학습 네트워크를 CVQ에 적용하면 각 부코드북의 크기를 시행착오로 결정해야 하는 문제점을 여전히 가지고 있다. 본 논문에서는 수정 퍼지 경쟁 학습 네트워크(Modified Fuzzy Competitive Learning Network)를 제안하여 이러한 문제점들을 해결한다. 수정 퍼지 경쟁 학습 네트워크는 퍼지 학습 네트워크와는 달리, 각 부코드북의 사이즈를 학습 과정중에 결정하도록 하였으며, 또한 경쟁 학습 네트워크가 갖는 이분법적 소속도를 연속적인 소속도로 확장되었기 때문에 학습 과정중에 나타날 수 있는 지역 최소점 도달을 억제하였다.

목차

요약

Abstract

1. 서론

2. 이미지 코딩 알고리즘

3. 실험 결과

4. 결론

참고문헌

저자소개

참고문헌 (0)

참고문헌 신청

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-ECN-0101-2009-569-017783976