抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
本研究は成長型自己組織化マップにおける色量子化のパフォーマンスを評価することを目的とする。筆者らはDengらによって提案されたEvolving Self-Organizing Map:ESOMの学習アルゴリズムを改良し新たに確率的に成長させる成長型自己組織化マップを提案した。成長型自己組織化マップはグラフネットワークの構造を持ち,グラフのノードに相当する参照ベクトルユニットと参照ベクトル間の距離関係を表すグラフパスが,学習とともに確率的に成長する学習メカニズムを有する。本提案手法を色量子化の課題に応用した結果,他の量子化手法くらべて量子化誤差が最も小さく,かつ少ない学習サンプルで十分なパフォーマンスを得ることができた。また成長型自己組織化マップの色量子化では,画像中において頻度の少ない色に対してもパレットを生成することができるため,量子化画像で頻度の少ない色が消失することがなかった。(著者抄録)