论文部分内容阅读
支持向量机SVM(Support Vector Machine)是AT&T Bell实验室的V．Vapnik提出的针对分类和回归问题的统计学习理论方法，是特殊的神经网络方法。实验表明SVM是分类(识别)和数据拟合建模的十分优越的方法。本文以国家自然科学基金课题“人工脑的信息处理新神经网络模型研究”No．60673101为科研任务，应用导师提出的基于虚拟信源建模的数据编码思想，把支持向量机SVM首次引入数据压缩领域，通过用BP神经网络和SVM对信源两次建模，给出了基于神经网络与SVM的图像编码(压缩)方案。同时建立开发了基于SVM的图像压缩实验系统，讨论了该系统的组成模块和功能，给出了一些图像压缩实例。实验表明，在恢复图像保真度要求不高的情况下，该系统对于图像有较高的压缩比。