44、灰度图像压缩与基因组信息学中的无监督学习

灰度图像压缩与基因组信息学中的无监督学习

1. 灰度图像压缩算法

1.1 不同算法的PSNR比较

在灰度图像压缩领域，不同的算法在不同码本大小下的表现各有差异。以下是不同算法在Lena图像上以峰值信噪比（PSNR）为指标的比较结果：
| 方法 | c = 32 | c = 128 | c = 256 | c = 512 |
| — | — | — | — | — |
| Chen’s model | – | 28.530 | 29.320 | 30.040 |
| Hu et al. | – | 30.802 | 31.983 | 32.956 |
| IFLVQ | 28.752 | – | 31.915 | 32.890 |
| 提出的算法 | 29.208 | 31.342 | 32.493 | 33.418 |

从表格中可以看出，提出的算法在所有码本大小的情况下都取得了最佳结果。

1.2 提出的模糊 - 软竞争学习向量量化算法

该算法结合了基于清晰和基于模糊的方法的优点，通过两个连续步骤实现：
1. 定义模糊邻域函数 ：能够测量侧向神经元相互作用现象和神经元兴奋程度。
2. 码词迁移策略 ：基于聚类效用度量，检测效用较小的聚类，并将相应的码词重新定位到可能包含大量训练向量的区域，从而增加最终分区中码词的个体贡献。

该算法在计算需求和重建图像质量方面进行了评估，通过多次模拟实验证明，它速度快且与其他相关方法相比具有竞争力。

1.3