| 摘要 | 第1-4页 |
| Abstract | 第4-5页 |
| 目录 | 第5-7页 |
| 第一章 概述 | 第7-15页 |
| ·研究的目的和意义 | 第7-8页 |
| ·国内外基于Context模型熵编码的研究现状 | 第8-10页 |
| ·国内外聚类分析研究现状 | 第10-14页 |
| ·典型的聚类算法 | 第11-12页 |
| ·以全局最优为目标的划分聚类算法研究 | 第12-13页 |
| ·以寻找最佳聚类数为目标的划分聚类算法研究 | 第13-14页 |
| ·论文的主要工作 | 第14页 |
| ·论文的结构及创新点 | 第14-15页 |
| 第二章 基于Context模型量化的压缩编码理论基础 | 第15-23页 |
| ·信号压缩编码的基本知识 | 第15-17页 |
| ·基于Context模型量化的自适应算术码编码 | 第17-23页 |
| ·建立Context模型 | 第18页 |
| ·基于K均值的Context模型量化算法 | 第18-22页 |
| ·基于Context模型的自适应算术编码 | 第22-23页 |
| 第三章 基于近邻信息传播的聚类算法 | 第23-31页 |
| ·近邻信息传播与聚类算法 | 第23-24页 |
| ·基于近邻传播聚类的算法流程 | 第24-29页 |
| ·r(i,k),及r(k,k)的更新方法 | 第26-27页 |
| ·a(i,k),及a(k,k)的更新方法 | 第27-29页 |
| ·算法的目标函数 | 第29页 |
| ·基于近邻传播聚类算法的聚类数寻找 | 第29-31页 |
| 第四章 基于近邻传播聚类的Context模型量化算法实现和实验考虑 | 第31-34页 |
| ·使用基于近邻传播聚类算法进行Context模型量化 | 第31-32页 |
| ·比较APC-CQ与Chen-CQ的Context模型量化效果的实验考虑 | 第32-33页 |
| ·Context模型量化效果评价 | 第33-34页 |
| 第五章 实验设计及实验结果讨论 | 第34-47页 |
| ·实验设计 | 第34-36页 |
| ·实验数据 | 第34页 |
| ·算法实现步骤 | 第34-36页 |
| ·实验结果及讨论 | 第36-47页 |
| ·实验一 结果讨论 | 第36-40页 |
| ·实验二 结果讨论 | 第40-43页 |
| ·实验三 结果讨论 | 第43-47页 |
| 第六章 全文总结及进一步的工作 | 第47-49页 |
| ·全文总结 | 第47页 |
| ·进一步的工作 | 第47-49页 |
| 附录 | 第49-71页 |
| 实验一 其他结果 | 第49-53页 |
| 实验二 其他结果 | 第53-65页 |
| 实验三 其他结果 | 第65-70页 |
| 实验模拟信源用图 | 第70-71页 |
| 参考文献 | 第71-76页 |
| 致谢 | 第76页 |
