| 摘要 | 第1-4页 |
| ABSTRACT | 第4-9页 |
| 第一章 绪论 | 第9-17页 |
| ·课题背景及意义 | 第9-13页 |
| ·矢量量化的理论基础 | 第10页 |
| ·矢量量化的定义 | 第10-11页 |
| ·矢量量化中的关键技术 | 第11-12页 |
| ·失真测度和性能衡量指标 | 第12-13页 |
| ·编码速率和压缩比 | 第13页 |
| ·矢量量化技术的研究进展和现状 | 第13-15页 |
| ·LBG算法 | 第13-14页 |
| ·矢量量化技术的研究进展 | 第14-15页 |
| ·本文章节安排 | 第15-17页 |
| 第二章 两步学习矢量量化码书设计算法 | 第17-31页 |
| ·竞争学习神经网络的研究现状 | 第17页 |
| ·学习矢量量化算法 | 第17-19页 |
| ·两步学习矢量量化码书设计算法 | 第19-24页 |
| ·判决函数的定义 | 第19-21页 |
| ·纠正学习策略 | 第21-22页 |
| ·TsLVQ算法流程 | 第22-23页 |
| ·时间复杂度分析 | 第23-24页 |
| ·实验结果及分析 | 第24-29页 |
| ·参数分析 | 第24-25页 |
| ·收敛性分析 | 第25页 |
| ·码书熵分析 | 第25-26页 |
| ·对比实验结果 | 第26-29页 |
| ·本章小结 | 第29-31页 |
| 第三章 遗传模拟退火矢量量化码书设计算法 | 第31-49页 |
| ·遗传算法和模拟退火算法简介 | 第31-33页 |
| ·遗传算法 | 第31-32页 |
| ·模拟退火算法 | 第32-33页 |
| ·遗传模拟退火矢量量化算法 | 第33-36页 |
| ·染色体编码方式 | 第33页 |
| ·适应度的计算 | 第33-34页 |
| ·模拟退火方法 | 第34-35页 |
| ·交叉操作 | 第35页 |
| ·变异操作 | 第35-36页 |
| ·选择操作 | 第36页 |
| ·遗传模拟退火核矢量量化算法 | 第36-40页 |
| ·Mercer核函数 | 第37页 |
| ·适应度的计算 | 第37-38页 |
| ·模拟退火方法 | 第38-39页 |
| ·变异操作 | 第39-40页 |
| ·算法框架 | 第40页 |
| ·时间复杂度分析 | 第40-41页 |
| ·GSAVQ算法时间复杂度分析 | 第40页 |
| ·GSAKVQ算法时间复杂度分析 | 第40-41页 |
| ·实验结果及分析 | 第41-48页 |
| ·参数分析 | 第41页 |
| ·数据聚类 | 第41-45页 |
| ·图像压缩 | 第45-47页 |
| ·运行时间比较 | 第47-48页 |
| ·本章小结 | 第48-49页 |
| 第四章 基于免疫优势的克隆选择矢量量化码书设计算法 | 第49-59页 |
| ·克隆选择算法 | 第49-50页 |
| ·人工免疫系统 | 第49页 |
| ·克隆选择学说和克隆选择算法 | 第49-50页 |
| ·免疫优势 | 第50-51页 |
| ·基于免疫优势的克隆选择矢量量化码书设计算法 | 第51-55页 |
| ·抗体编码方式 | 第51页 |
| ·抗体亲合度计算 | 第51页 |
| ·免疫优势算子 | 第51-53页 |
| ·克隆操作 | 第53页 |
| ·克隆变异操作 | 第53-54页 |
| ·克隆选择操作 | 第54页 |
| ·算法框架 | 第54-55页 |
| ·时间复杂度分析 | 第55页 |
| ·实验结果及分析 | 第55-58页 |
| ·数据聚类 | 第55-57页 |
| ·图像压缩 | 第57-58页 |
| ·运行时间比较 | 第58页 |
| ·本章小结 | 第58-59页 |
| 第五章 总结与展望 | 第59-61页 |
| ·工作总结 | 第59-60页 |
| ·展望 | 第60-61页 |
| 致谢 | 第61-63页 |
| 参考文献 | 第63-67页 |
| 硕士期间部分研究成果 | 第67页 |