线性变换SERM分解选取的快速方法

北京大学学报（自然科学版）

线性变换SERM分解选取的快速方法

韦长江,郝鹏威,石青云

北京大学视觉与听觉信息处理实验室，北京，100871

收稿日期:2001-01-11 出版日期:2002-01-20 发布日期:2002-01-20

Fast Selection Method for SERM Factorizations of Linear Transforms

WEI Changjiang，HAO Pengwei，SHI Qingyun

National Laboratory on Machine Perception, Peking University, Beijing 100871

Received:2001-01-11 Online:2002-01-20 Published:2002-01-20

摘要/Abstract

摘要： 给出了一种线性变换的整数SERM分解的选取方法。通过大量的实验，发现SERM分解的近似最优结果是大量存在的，而且这些近似最优结果的分布是分散的，当分解结果的误差度量比较小时的时候，有当置换矩阵相近时，分解结果的误差也相近的实验事实。基于此观察结果，给出了基于局部搜索的SERM分解的近似最优分解方法，可以得到非常接近最优分解的结果。此方法的收敛速度很快，只需很少的几次搜索即可得到可以实用的结果，同时我们利用所选取的分解结果做了无失真图像压缩的实验，并得到了不错的结果。

关键词: 线性变换, 整数分解, SERM

Abstract: A selection method of SERM factorizations for linear transforms is presented. It is discovered that the near optimal results are almost everywhere and when the factorization error is small, the closer the permutation matrices, the closer the results. According this fact, A local search is proposed that based near optimal factorization method which can obtain the near optimal results. Moreover, this method convergence very fast, can usually obtain useful results by very limited iterations.It is tested lossless image coding with the selection results and good results is obtained.

Key words: linear transform, integer Mapping, SERM

中图分类号:

TP391

韦长江,郝鹏威,石青云. 线性变换SERM分解选取的快速方法[J]. 北京大学学报（自然科学版）.

WEI Changjiang,HAO Pengwei,SHI Qingyun. Fast Selection Method for SERM Factorizations of Linear Transforms[J]. Acta Scientiarum Naturalium Universitatis Pekinensis.

导出引用管理器 EndNote|Ris|BibTeX

链接本文: https://xbna.pku.edu.cn/CN/

https://xbna.pku.edu.cn/CN/Y2002/V38/I1/69

[1]	刘秋慧, 张坤丽, 许鸿飞, 俞士汶, 昝红英. 助词“的”用法自动识别研究[J]. 北京大学学报（自然科学版）, 2018, 54(3): 466-474.
[2]	柯永红, 朱永福, 穗志方, 俞士汶. 基于多特征的语义角色标注一致性计算方法研究[J]. 北京大学学报（自然科学版）, 2018, 54(3): 475-480.
[3]	杨萌, 李培峰, 朱巧明. 一种基于Tree-LSTM的句子相似度计算方法[J]. 北京大学学报（自然科学版）, 2018, 54(3): 481-486.
[4]	张雨, 曾立, 邹磊. 大规模图数据的正则路径查询[J]. 北京大学学报（自然科学版）, 2018, 54(2): 236-242.
[5]	魏星, 王玮, 陈静萍, 解焱陆, 张劲松. 基于发音特征的汉语发音偏误自动标注[J]. 北京大学学报（自然科学版）, 2018, 54(2): 243-248.
[6]	林心宜, 严睿, 赵东岩. 融合词、句层级信息的抽取式摘要优化框架[J]. 北京大学学报（自然科学版）, 2018, 54(2): 229-235.
[7]	周楠, 赵悦, 李要嫱, 徐晓娜, 才旺拉姆, 吴立成. 基于瓶颈特征的藏语拉萨话连续语音识别研究[J]. 北京大学学报（自然科学版）, 2018, 54(2): 249-254.
[8]	谭亦鸣, 王明文, 李茂西. 基于翻译质量估计的神经网络译文自动后编辑[J]. 北京大学学报（自然科学版）, 2018, 54(2): 255-261.
[9]	吴焕钦, 张红阳, 李静梅, 朱俊国, 杨沐昀, 李生. 基于伪数据的机器翻译质量估计模型的训练[J]. 北京大学学报（自然科学版）, 2018, 54(2): 279-285.
[10]	吕书宁, 董志安. 利用URL-Key领域术语识别方法[J]. 北京大学学报（自然科学版）, 2018, 54(2): 262-270.
[11]	王文超, 吕学强, 张凯, 周建设. 足球赛事战报的自动写作研究[J]. 北京大学学报（自然科学版）, 2018, 54(2): 271-278.
[12]	应文豪, 肖欣延, 李素建, 吕雅娟, 穗志方. 一种利用语义相似度改进问答摘要的方法[J]. 北京大学学报自然科学版, 2017, 53(2): 197-203.
[13]	栗青生, 徐强, 肖建国, 刘泉, 张解放. 汉字动态生成的结构与风格模型[J]. 北京大学学报自然科学版, 2017, 53(2): 219-229.
[14]	陈玉敬, 吕学强, 周建设, 李宁. NBA赛事新闻的自动写作研究[J]. 北京大学学报自然科学版, 2017, 53(2): 211-218.
[15]	张丽林, 李茂西, 肖文艳, 万剑怡, 王明文. 机器翻译自动评价中领域知识复述抽取研究[J]. 北京大学学报自然科学版, 2017, 53(2): 230-238.