| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第一章 引言 | 第9-15页 |
| ·研究的目的和意义 | 第9-10页 |
| ·国内外研究基于Context模型熵编码的现状 | 第10-12页 |
| ·国内外研究遗传算法和遗传K均值的现状 | 第12-13页 |
| ·论文的主要工作 | 第13-14页 |
| ·论文的结构及创新 | 第14-15页 |
| 第二章 Context模型量化的编码理论基础 | 第15-20页 |
| ·熵编码的理论基础 | 第15-17页 |
| ·Context模型 | 第17-18页 |
| ·Context模型量化原理 | 第18-20页 |
| 第三章 遗传K均值算法 | 第20-28页 |
| ·K均值算法的概述 | 第20-21页 |
| ·遗传算法的研究 | 第21-26页 |
| ·初始化种群 | 第22页 |
| ·适应度函数 | 第22-23页 |
| ·遗传操作 | 第23-25页 |
| ·遗传算法的一些特点 | 第25-26页 |
| ·遗传K均值算法的研究和实现 | 第26-28页 |
| 第四章 基于遗传K均值的Context量化算法的实现 | 第28-33页 |
| ·基于K均值的Context量化算法的研究 | 第28-29页 |
| ·基于遗传K均值Context量化的熵编码算法的研究 | 第29-31页 |
| ·比较基于K均值Context量化算法和基于遗传K均值Context量化算法 | 第31-32页 |
| ·Context量化器设计合理的评价标准 | 第32-33页 |
| 第五章 实验结果与分析 | 第33-40页 |
| ·实验的设计 | 第33-35页 |
| ·几组实验介绍 | 第33页 |
| ·实验具体的实现步骤 | 第33-35页 |
| ·实验结果及评价 | 第35-40页 |
| 第六章 全文的总结及下一步工作 | 第40-42页 |
| ·全文的工作总结 | 第40-41页 |
| ·下一步的工作 | 第41-42页 |
| 参考文献 | 第42-47页 |
| 致谢 | 第47页 |
