本文關(guān)鍵詞：基于動(dòng)態(tài)規(guī)劃的多變量Context建模算法，，由筆耕文化傳播整理發(fā)布。

【摘要】：在基于Context建模的熵編碼系統(tǒng)中,Context建模作為一種用來估計(jì)信源概率模型的重要方法,其實(shí)現(xiàn)需要三個(gè)步驟：選取Context模板、估計(jì)條件概率分布及進(jìn)行Context量化。而Context建模的研究重點(diǎn)則是通過Context量化來緩解由高階Context模型所引入的‘'Context稀釋”問題,以達(dá)到預(yù)期的壓縮性能。Context量化的實(shí)質(zhì)是減少概率模型中的條件概率分布的數(shù)目,其研究方向主要有兩種：一種是在概率分布空間中,通過聚類算法來合并相似的條件概率分布以直接減少其數(shù)目；另一種則是在Context條件域,通過減少條件樣本的可能取值以達(dá)到Context量化的目的。目前,由于聚類思想研究的深入及聚類算法的不斷出現(xiàn),Context量化在第一種研究方向上取得了較大的進(jìn)展,而在Context條件域中進(jìn)行的Context建模算法的研究則較少。為此在Context條件域中,針樣本取值具有數(shù)值大小的信源序列,本文提出了一種通過最小化描述長度來實(shí)現(xiàn)Context量化的算法(Minimum Description Length Context Quantizaiton, MDLCQ)。MDLCQ算法首先使用描述長度作為評(píng)價(jià)指標(biāo),并通過動(dòng)態(tài)規(guī)劃算法來實(shí)現(xiàn)單條件Context模型的量化,然后將單條件Context模型量化算法擴(kuò)展至多條件Context模型,通過循環(huán)迭代來實(shí)現(xiàn)多條件Context模型的量化。此算法不僅可以得到多值信源的優(yōu)化的Context量化器,而且可以自適應(yīng)地確定各個(gè)條件的重要性進(jìn)而確定模型的最佳階數(shù),從而提供了很好的Context模型優(yōu)化效果。本文通過實(shí)驗(yàn)分析對(duì)MDLCQ算法的性能進(jìn)行了驗(yàn)證。實(shí)驗(yàn)結(jié)果表明：由此算法得到的Context量化器不僅達(dá)到了預(yù)期的量化效果,而且可以明顯地改善熵編碼系統(tǒng)的壓縮性能。
【關(guān)鍵詞】：條件熵編碼 Context量化 動(dòng)態(tài)規(guī)劃 描述長度 算術(shù)編碼
【學(xué)位授予單位】：云南大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：TP311.13;O221.3
【目錄】：

• 摘要3-4
• Abstract4-8
• 第1章 概述8-15
• 1.1 研究背景和意義8-9
• 1.2 國內(nèi)外研究水平及現(xiàn)狀9-12
• 1.3 論文主要研究工作12-13
• 1.4 論文組織結(jié)構(gòu)及創(chuàng)新點(diǎn)13-15
• 第2章 動(dòng)態(tài)規(guī)劃及Context建模的理論基礎(chǔ)15-24
• 2.1 動(dòng)態(tài)規(guī)劃算法15-19
• 2.1.1 動(dòng)態(tài)規(guī)劃算法的基本思想15-16
• 2.1.2 動(dòng)態(tài)規(guī)劃算法的設(shè)計(jì)思想16-19
• 2.1.3 動(dòng)態(tài)規(guī)劃算法的基本要素19
• 2.2 Context建模的理論基礎(chǔ)19-22
• 2.2.1 熵與條件熵19-21
• 2.2.2 Context建模的理論依據(jù)21-22
• 2.3 描述長度22-23
• 2.4 本章小結(jié)23-24
• 第3章 基于描述長度的Context建模算法24-38
• 3.1 Context模型及Context量化24-26
• 3.1.1 Context模型24-25
• 3.1.2 Context量化25-26
• 3.2 單條件Context模型的量化26-30
• 3.3 多條件Context模型的量化30-37
• 3.3.1 高階Context建模的存儲(chǔ)問題31
• 3.3.2 存儲(chǔ)空間的優(yōu)化利用—Hash表31-33
• 3.3.3 多條件Context模型的量化過程33-36
• 3.3.4 多條件Context量化算法的實(shí)現(xiàn)36-37
• 3.4 本章小結(jié)37-38
• 第4章 基于描述長度的Context建模算法的應(yīng)用38-47
• 4.1 信源序列的選擇及預(yù)處理38-39
• 4.2 單條件Context模型量化算法的應(yīng)用39-41
• 4.3 多條件Context模型量化算法的應(yīng)用41-45
• 4.4 MDLCQ算法思路的驗(yàn)證45-46
• 4.5 本章小結(jié)46-47
• 第5章 總結(jié)與展望47-49
• 5.1 研究內(nèi)容總結(jié)47-48
• 5.2 進(jìn)一步的研究工作48-49
• 參考文獻(xiàn)49-53
• 攻讀碩士學(xué)位期間完成的科研成果53-54
• 致謝54

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 ;Reconstructing Concept Lattices Using nth-Order Context Kernels[J];Wuhan University Journal of Natural Sciences;2006年05期

2 ;Context Is the Key to the Understanding of Language[J];科技信息(學(xué)術(shù)研究);2007年33期

3 ;A General Theorem of the Alternative in the Context of Set-Valued Function[J];運(yùn)籌學(xué)學(xué)報(bào);1997年02期

4 ;Context-Aware Usage-Based Grid Authorization Framework[J];Wuhan University Journal of Natural Sciences;2006年06期

5 肖偉;史滋福;;Context-Aware技術(shù)在智能網(wǎng)絡(luò)課程設(shè)計(jì)中的應(yīng)用[J];吉首大學(xué)學(xué)報(bào)(自然科學(xué)版);2007年01期

6 王敏;;CLT in the Chinese Language Teaching Context[J];科技信息;2009年05期

7 王麗麗;賈茜文;;The Significance of Linguistic Context for Non-English Major Students[J];科技信息;2011年13期

8 邵長忠;;CLT and College English Teaching Context in China:How Could They Collaborate with Each Other[J];科技信息(學(xué)術(shù)研究);2007年22期

9 張向陽;;Context and Word Choosing in Translation[J];科技信息(學(xué)術(shù)研究);2007年23期

10 王濤生,黃夢(mèng)橋;基于形式Context的格聚類與特征逼近判別[J];經(jīng)濟(jì)數(shù)學(xué);2004年04期

中國重要會(huì)議論文全文數(shù)據(jù)庫 前7條

1 Ngoh Lek Heng;;Context-dependent Task Supporting in Smart Home[A];第二屆和諧人機(jī)環(huán)境聯(lián)合學(xué)術(shù)會(huì)議(HHME2006)——第2屆中國普適計(jì)算學(xué)術(shù)會(huì)議(PCC'06)論文集[C];2006年

2 Rahul Peter Das;;Literature in a Gobalised Context[A];北京論壇（2004）文明的和諧與共同繁榮：“多元文學(xué)文化的對(duì)話與共生”外國文學(xué)分論壇論文或摘要集[C];2004年

3 ;Research on the Context-aware Service Selection Architecture[A];Proceedings 2010 IEEE 2nd Symposium on Web Society[C];2010年

4 郁小萍;;Context and Business Discourse[A];第六屆中國跨文化交際研究會(huì)年會(huì)論文摘要匯編[C];2005年

5 James S.Taylor;;Occupational Allergen Review[A];中華醫(yī)學(xué)會(huì)第16次全國皮膚性病學(xué)術(shù)年會(huì)摘要集[C];2010年

6 ;Inferring Protein Function by Domain Context Similarity in Protein-protein Interaction Network[A];2008年全國生物化學(xué)與分子生物學(xué)學(xué)術(shù)大會(huì)論文摘要[C];2008年

7 張靜;;Context and Communication[A];第六屆中國跨文化交際研究會(huì)年會(huì)論文摘要匯編[C];2005年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前2條

1 黃博強(qiáng);基于Context模型和矢量—標(biāo)量量化器的ECG信號(hào)壓縮[D];復(fù)旦大學(xué);2010年

2 王書鋒;環(huán)繞智能系統(tǒng)中個(gè)性化服務(wù)技術(shù)研究[D];北京工業(yè)大學(xué);2010年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 王勇;基于動(dòng)態(tài)規(guī)劃的多變量Context建模算法[D];云南大學(xué);2016年

2 張鴻;基于描述長度的Context量化算法在小波圖像壓縮中的應(yīng)用[D];云南大學(xué);2016年

3 林格;智能移動(dòng)設(shè)備的Context建模[D];汕頭大學(xué);2007年

4 楊軍;基于粒子群聚類算法的Context量化研究[D];云南大學(xué);2011年

5 王偉;基于K均值和蟻群混合聚類算法的Context量化研究[D];云南大學(xué);2012年

6 韓斐斐;基于小波變換和自適應(yīng)Context建模的圖像編碼[D];云南大學(xué);2014年

7 張峰;基于Context建模的熵編碼在無失真圖像壓縮中的應(yīng)用[D];云南大學(xué);2015年

8 侯然;基于多模優(yōu)化聚類算法的Context量化[D];云南大學(xué);2015年

9 羅迪;基于最短碼長的Context加權(quán)編碼[D];云南大學(xué);2015年

10 鄧

本文編號(hào)：440109