Context模型奇异测度及其在量化中的应用

使用聚类算法实现Context量化不仅可以推广量化器的应用范围，而且可以获得编码性能较理想的优化量化器．然而，聚类算法依赖于相似测度．前期研究中采用的描述长度增量不能完全满足相似测度的各项属性，从而导致聚类结果的性能偏差．因此，提出数学描述特性更好的奇异测度增量作为两个计数向量的相似测度，并说明其相应性质．实验结果证明，使用奇异测度增量作为相似测度，不仅能够保证Context量化器的稳定性，而且还获得更佳的编码结果．