人工神經(jīng)網(wǎng)絡理論基礎精選(九篇)

前言：一篇好文章的誕生，需要你不斷地搜集資料、整理思路，本站小編為你收集了豐富的人工神經(jīng)網(wǎng)絡理論基礎主題范文，僅供參考，歡迎閱讀并收藏。

第1篇：人工神經(jīng)網(wǎng)絡理論基礎范文

關鍵詞：神經(jīng)網(wǎng)絡；智能；計算；應用研究

中圖分類號：TP393文獻標識碼：A文章編號：1009-3044(2008)20-30326-02

Application of Neural Network Forefront

LI Bing-fu1,2

(1.Zhanjiang Normal College, Zhanjiang 524048, China; 2.Chongqing University, Master of the Computer College, Chongqing 400030, China)

Abstract: The rise of neural networks, has been on the cognitive and intellectual nature of the computer industry and basic research has produced an unprecedented excitement and great role. Therefore, in all fields has greatly applied research.

Key words: Neural Networks; Intelligent; Computing; Applied Research

1 引言

神經(jīng)網(wǎng)絡是一門模仿人類神經(jīng)中樞――大腦構(gòu)造與功能的智能科學，利用物理器件來模擬生物神經(jīng)網(wǎng)絡的某些結(jié)構(gòu)和功能，即由許多功能簡單的神經(jīng)元互聯(lián)起來，形成一種能夠模擬人的學習、決策和識別等功能的網(wǎng)絡系統(tǒng)。他具有快速反映能力，便于對事物進行適時控制與處理；善于在復雜的環(huán)境下，充分逼近任意非線形系統(tǒng)，快速獲得滿足多種約束條件問題的最優(yōu)化答案；具有高度的魯棒性和容錯能力等優(yōu)越性能。

神經(jīng)網(wǎng)絡的崛起，已對認知和智力的本質(zhì)的基礎研究乃至計算機產(chǎn)業(yè)都產(chǎn)生了空前的刺激和極大的推動作用。因此在各個領域都有很大的應用研究。

2 神經(jīng)網(wǎng)絡（ANN）的研究內(nèi)容

1) 理論研究：ANN模型及其學習算法，試圖從數(shù)學上描述ANN的動力學過程，建立相應的ANN模型，在該模型的基礎上，對于給定的學習樣本，找出一種能以較快的速度和較高的精度調(diào)整神經(jīng)元間互連權(quán)值，使系統(tǒng)達到穩(wěn)定狀態(tài)，滿足學習要求的算法；2) 實現(xiàn)技術的研究：探討利用電子、光學、生物等技術實現(xiàn)神經(jīng)計算機的途徑；3) 應用的研究：探討如何應用ANN解決實際問題，如模式識別、故障檢測、智能機器人等。

3 神經(jīng)網(wǎng)絡在各領域的應用研究

3.1 智能機器領域的應用研究

智能機器領域的應用研究主要是進一步研究調(diào)節(jié)多層感知器的算法，使建立的模型和學習算法成為適應性神經(jīng)網(wǎng)絡的有力工具，構(gòu)建多層感知器與自組織特征圖級聯(lián)想的復合網(wǎng)絡，是增強網(wǎng)絡解決實際問題能力的一個有效途徑。重視聯(lián)結(jié)的可編程性問題和通用性問題的研究，從而促進智能科學的發(fā)展。通過不斷探索人類智能的本質(zhì)以及聯(lián)結(jié)機制，并用人工系統(tǒng)復現(xiàn)或部分復現(xiàn)，制造各種智能機器，可使人類有更多的時間和機會從事更為復雜、更富創(chuàng)造性的工作。

智能的產(chǎn)生和變化經(jīng)過了漫長的進化過程，我們對智能處理的新方法的靈感主要來自神經(jīng)科學，例如學習、記憶實質(zhì)上是突觸的功能，人類大腦的前額葉高度發(fā)育，它幾乎占了30%大腦的表面積，在其附近形成了人類才出現(xiàn)的語言運動區(qū)，它與智能發(fā)育密切相關，使神經(jīng)系統(tǒng)的發(fā)育同環(huán)境的關系更加密切，腦的可塑性很大，能主動適應環(huán)境還能主動改造環(huán)境，人類向制造智能工具方向邁進正是這種主動性的反映。腦的可塑期越長，經(jīng)驗對腦的影響就越大，而人類的認知過程很大程度上不僅受經(jīng)驗主義的影響，而且還接受理性主義的模型和解釋。因此，對于智能和機器的關系，應該從進化的角度，把智能活動看成動態(tài)發(fā)展的過程，并合理的發(fā)揮經(jīng)驗的作用。同時還應該從環(huán)境與社會約束以及歷史文化約束的角度加深對它的理解與分析。

神經(jīng)網(wǎng)絡是由大量處理單元組成的非線性、自適應、自組織系統(tǒng)，它是在現(xiàn)代神經(jīng)科學研究成果的基礎上提出的，試圖模擬神經(jīng)網(wǎng)絡加工、記憶信息的方式，設計一種新的機器，使之具有人腦風格的信息處理能力。智能理論所面對的課題來自“環(huán)境－問題－目的”，有極大的誘惑力與壓力，它的發(fā)展方向就將是，把基于聯(lián)結(jié)主義的神經(jīng)網(wǎng)絡理論、基于符號主義的人工智能專家系統(tǒng)理論和基于進化論的人工生命這三大研究領域，在共同追求的總目標下，自發(fā)而有機的結(jié)合起來。在21世紀初，智能的機器實現(xiàn)問題的研究將有新的進展和突破。

3.2 神經(jīng)計算和進化計算的應用研究

計算和算法是人類自古以來十分重視的研究領域，本世紀30年代，符號邏輯方面的研究非?；钴S。例如Church、Kleene、Godel、Post、Turing等數(shù)學家都給出了可計算性算法的精確數(shù)學定義，對后來的計算和算法的發(fā)展影響很大。50年代數(shù)學家Markov發(fā)展了Post系統(tǒng)。80年代以后，神經(jīng)網(wǎng)絡理論在計算理論方面取得了引人注目的成果，形成了神經(jīng)計算和進化計算新概念，激起了許多理論家的強烈興趣，大規(guī)模平行計算是對基于Turing機的離散符號理論的根本性的沖擊，但90年代人們更多的是批評的接受它，并將兩者結(jié)合起來，近年來，神經(jīng)計算和進化計算領域很活躍，有新的發(fā)展動向，在從系統(tǒng)層次向細胞層次轉(zhuǎn)化里，正在建立數(shù)學理論基礎。隨著人們不斷探索新的計算和算法，將推動計算理論向計算智能化方向發(fā)展，在21世紀人類將全面進入信息社會，對信息的獲取、處理和傳輸問題；對網(wǎng)絡路由優(yōu)化問題；對數(shù)據(jù)安全和保密問題等等將有新的要求，這些將成為社會運行的首要任務，因此，神經(jīng)計算和進化計算與高速信息網(wǎng)絡理論聯(lián)系將更加密切，并在計算機網(wǎng)絡領域中發(fā)揮巨大的作用，建立具有計算復雜性、網(wǎng)絡容錯性和堅韌性的計算理論。

基于人類的思維方式的轉(zhuǎn)變：線性思維轉(zhuǎn)到非線性思維。神經(jīng)元、神經(jīng)網(wǎng)絡都具有非線性、非局域性、非定常性、非凸性和混沌等特性，故此在計算智能的層次上進行非線性動力系統(tǒng)、 混沌神經(jīng)網(wǎng)絡以及對神經(jīng)網(wǎng)絡的數(shù)理研究。從而進一步研究自適應性子波、非線性神經(jīng)場的興奮模式、神經(jīng)集團的宏觀力學等。因為，非線性問題的研究是神經(jīng)網(wǎng)絡理論發(fā)展的一個最大動力，也是它面臨的最大挑戰(zhàn)。此外，神經(jīng)網(wǎng)絡與各種控制方法有機結(jié)合具有很大發(fā)展前景，建模算法和控制系統(tǒng)的穩(wěn)定性等研究仍為熱點問題，而容忍控制、可塑性研究可能成為新的熱點問題。開展進化并行算法的穩(wěn)定性分析及誤差估計方面的研究將會促進進化計算的發(fā)展。把學習性并行算法與計算復雜性聯(lián)系起來，分析這些網(wǎng)絡模型的計算復雜性以及正確性，從而確定計算是否經(jīng)濟合理。因而關注神經(jīng)信息處理和腦能量兩個方面以及它們的綜合分析研究的最新動態(tài)，吸收當代腦構(gòu)象等各種新技術和新方法是十分重要的。

離散符號計算、神經(jīng)計算和進化計算相互促進或者最終導致這3種計算統(tǒng)一起來，這算得上是我們回避不了的一個重大難題。預計在21世紀初，關于這個領域的研究會產(chǎn)生新的概念和方法。尤其是視覺計算方面會得到充分地發(fā)展。我們應當抓住這個機會，力求取得重大意義的理論和應用成果。

3.3 神經(jīng)網(wǎng)絡結(jié)構(gòu)和神經(jīng)元芯片的應用研究

神經(jīng)網(wǎng)絡結(jié)構(gòu)的研究是神經(jīng)網(wǎng)絡的實現(xiàn)以及成功地實現(xiàn)應用的前提，又是優(yōu)越的物理前提。它體現(xiàn)了算法和結(jié)構(gòu)的統(tǒng)一，是硬件和軟件的混合體，這種硬軟混合結(jié)構(gòu)模型可以為意識的作用和基本機制提供解釋。未來的研究主要是針對信息處理功能體，將系統(tǒng)、結(jié)構(gòu)、電路、 器件和材料等方面的知識有機結(jié)合起來，建構(gòu)有關的新概念和新技術，如結(jié)晶功能體、最子效應功能體、高分子功能體等。在硬件實現(xiàn)上，研究材料的結(jié)構(gòu)和組織，使它具有自然地進行信息處理的能力，如神經(jīng)元系統(tǒng)、自組織系統(tǒng)等。神經(jīng)計算機的主要特征是具有并行分布式處理、學習功能，這是一種提高計算性能的有效途徑，使計算機的功能向智能化發(fā)展，與人的大腦的功能相似，并具有專家的特點，比普通人的反應更敏捷，思考更周密。光學神經(jīng)計算機具有神經(jīng)元之間的連接不僅數(shù)量巨大而且結(jié)合強度可以動態(tài)控制，因為光波的傳播無交叉失真，傳播容量大，并可能實現(xiàn)超高速運算，這是一個重要的發(fā)展領域，其基礎科學涉及到激光物理學、非線性光學、光紊亂現(xiàn)象分析等，這些與神經(jīng)網(wǎng)絡之間在數(shù)學構(gòu)造上存在著類似性。近年來，人們采用交叉光互連技術，保證了它們之間沒有串擾，它有著廣闊的發(fā)展前景。在技術上主要有超高速、大規(guī)模的光連接問題和學習的收斂以及穩(wěn)定性問題，可望使之得到突破性進展；另一種是采用LSI技術制作硅神經(jīng)芯片，以及二維VLSI技術用于處理具有局部和規(guī)則連接問題。在未來一、二十年里半導體神經(jīng)網(wǎng)絡 芯片仍將是智能計算機硬件的主要載體，而大量的神經(jīng)元器件，如何實現(xiàn)互不干擾的高密度、高交叉互連，這個問題可望盡早得到解決。此外，生物器件的研究正處于探索之中，研究這種模型的理論根據(jù)是當硅集成塊和元件間的距離如果接近0.01微米時，電子從鄰近元件逸入的概率將很有限，便產(chǎn)生“隧道效應”的現(xiàn)象，它是高集成電路塊工作不可靠的原因之一。而生物芯片由于元件是分子大小的，其包裝密度可成數(shù)量級增加，它的信號傳播方式是孤電子，將不會有損耗，并且?guī)缀醪划a(chǎn)生熱。因此，它有更誘人的前景。隨著大量神經(jīng)計算機和神經(jīng)元芯片應用于高科技領域，給神經(jīng)網(wǎng)絡理論和方法賦予新的內(nèi)容，同時也會提出一些新的理論課題，這是神經(jīng)網(wǎng)絡迅速發(fā)展的一個動力。

4 結(jié)束語

近年來，我國“863”計劃、攻關計劃、“攀登”計劃和國家自然科學基金等，都對神經(jīng)網(wǎng)絡的研究給予了資助，吸引了大量的優(yōu)秀青年人才從事神經(jīng)網(wǎng)絡領域的研究工作，并促進我國能在這個領域取得世界上的領先地位。在21世紀科學技術發(fā)展征程中，神經(jīng)網(wǎng)絡理論的發(fā)展將與日俱增。

參考文獻：

[1] 閻平凡.人工神經(jīng)網(wǎng)絡的容量、學習與計算復雜性[J]. 電子學報,1995,23.

第2篇：人工神經(jīng)網(wǎng)絡理論基礎范文

【關鍵詞】 技術分析 神經(jīng)網(wǎng)絡 BP算法

一、技術分析的理論基礎

本文的理論基礎是股市技術分析中道氏理論中的三大假設:其一,市場行為涵蓋一切信息;其二,價格沿趨勢移動;其三,歷史會重演。根據(jù)道氏三大假設,股市是可以預測的,至少是短期可預測的。所謂股票的技術分析法是相對于基本面分析法而言的。技術分析法是通過圖表或者技術指標的記錄,研究市場過去以及現(xiàn)在的行為反映,以推測未來的價格變動趨勢。其依據(jù)的技術指標的主要內(nèi)容是由股票價格、成交量和指數(shù)的漲跌等數(shù)據(jù)計算所得。在此就本文中所使用的指標進行簡單的介紹。

均線指標:實際上是移動平均線指標的簡稱。由于該指標是反映價格運行趨勢的重要指標,其運行趨勢一旦形成,將在一段時間內(nèi)繼續(xù)保持,趨勢運行所形成的高點或低點又分別具有阻擋或支撐作用,因此均線指標所在的點位往往是十分重要的支撐或阻力位,這就為我們提供了買進或賣出的有利時機,均線系統(tǒng)的價值也正在于此。

KDJ指標:隨機指標KDJ一般是根據(jù)統(tǒng)計學的原理,以最高價、最低價及收盤價為基本數(shù)據(jù)進行計算,得出的K值、D值和J值分別在指標的坐標上形成的一個點,連接無數(shù)個這樣的點位,就形成一個完整的、能反映價格波動趨勢的KDJ指標。它主要是利用價格波動的真實波幅來反映價格走勢的強弱和超買超賣現(xiàn)象,在價格尚未上升或下降之前發(fā)出買賣信號的一種技術工具。它在設計過程中主要是研究最高價、最低價和收盤價之間的關系,同時也融合了動量觀念、強弱指標和移動平均線的一些優(yōu)點,因此,能夠比較迅速、快捷、直觀地研判行情。隨機指標KDJ最早是以KD指標的形式出現(xiàn),而KD指標是在威廉指標的基礎上發(fā)展起來的。不過威廉指標只判斷股票的超買超賣現(xiàn)象,在KDJ指標中則融合了移動平均線速度上的觀念,形成比較準確的買賣信號依據(jù)。在實踐中,K線與D線配合J線組成KDJ指標來使用。由于KDJ線本質(zhì)上是一個隨機波動的觀念,故其對于掌握中短期行情走勢比較準確。。

MACD指標:MACD稱為指數(shù)平滑異同移動平均線(Moving Average Convergence and Divergence)。是從雙移動平均線發(fā)展而來的,由快的移動平均線減去慢的移動平均線,MACD的意義和雙移動平均線基本相同,但閱讀起來更方便。當MACD從負數(shù)轉(zhuǎn)向正數(shù),是買的信號。當MACD從正數(shù)轉(zhuǎn)向負數(shù),是賣的信號。當MACD以大角度變化,表示快的移動平均線和慢的移動平均線的差距非常迅速的拉開,代表了一個市場大趨勢的轉(zhuǎn)變。MACD是一項利用短期移動平均線與長期移動平均線之間的聚合與分離狀況,對買進、賣出時機作出研判的技術指標。

二、神經(jīng)元

神經(jīng)元是神經(jīng)網(wǎng)絡中的基本處理單位,圖1是一種典型的神經(jīng)元模型,它是模擬生物神經(jīng)元的細胞體、樹突、軸突、突觸等主要部分而構(gòu)成。

三、BP算法

1、BP算法的基本思想。學習過程由信號的正向傳播與誤差的反向傳播兩個過程組成。正向傳播:輸入樣本->輸入層->各隱層(處理)->輸出層(若輸出層實際輸出與期望輸出不符,則誤差反向傳播過程)。誤差反向傳播:輸出誤差(某種形式)->隱層(逐層)->輸入層。其主要目的是通過將輸出誤差反傳,將誤差分攤給各層所有單元,從而獲得各層單元的誤差信號,進而修正各單元的權(quán)值(其本質(zhì),是一個權(quán)值調(diào)整的過程)。權(quán)值調(diào)整的過程,也就是網(wǎng)絡的學習訓練過程(學習也就是這么的由來,即是權(quán)值調(diào)整)。

2、BP算法實現(xiàn)步驟。初始化;輸入訓練樣本對,計算各層輸出;計算網(wǎng)絡輸出誤差;計算各層誤差信號;調(diào)整各層權(quán)值;檢查網(wǎng)絡總誤差是否達到精度要求。滿足,則訓練結(jié)束;不滿足,則返回步驟2。

3、多層感知器(基于BP算法)的主要能力。第一,非線性映射:足夠多樣本學習訓練能學習和存儲大量輸入-輸出模式映射關系。只要能提供足夠多的樣本模式對供BP網(wǎng)絡進行學習訓練,它便能完成由n維輸入空間到m維輸出空間的非線性映射。第二,泛化:輸入新樣本->完成正確的輸入、輸出映射。第三,容錯:個別樣本誤差不能左右對權(quán)矩陣的調(diào)整

4、標準BP算法的缺陷。第一,易形成局部極小(局部最優(yōu))而得不到全局最優(yōu)。第二,訓練次數(shù)多使得學習效率低下,收斂速度慢(需做大量運算)。第三,隱節(jié)點的選取缺乏理論支持。第四,訓練時學習新樣本有遺忘舊樣本趨勢。

四、神經(jīng)網(wǎng)絡特點及在證券市場的適用性

人工神經(jīng)網(wǎng)絡是由大量神經(jīng)元的信息處理單元構(gòu)成,其主要原理是模擬生物神經(jīng)元之間的激勵過程,通過這一復雜的過程來完成一系列的相關任務,神經(jīng)網(wǎng)絡具有以下較為突出特點:第一,具有自適應性,有強大的自主學習能力,可以通過訓練樣本根據(jù)樣本信息及周圍環(huán)境變化改變自身的網(wǎng)絡結(jié)構(gòu),從而使自身能夠以最有效的形式來模擬訓練樣本所隱含的環(huán)境。第二,能從訓練樣本中獲取知識,并具有很好的記憶特征,可以用于處理一些環(huán)境復雜,推理并不明確的問題。第三,在非線性時間序列預測中,人工神經(jīng)網(wǎng)絡實現(xiàn)了非線性關系的隱式表達,不需要建立復雜系統(tǒng)的顯示關系式。第四,神經(jīng)網(wǎng)絡的容錯性強,可以處理信息不完全的預測問題。第五,由于神經(jīng)網(wǎng)絡具有一致逼近的能力,訓練后的神經(jīng)網(wǎng)絡在樣本點上輸出期望值(誤差在允許范圍內(nèi)),在非樣本點上表現(xiàn)出神經(jīng)網(wǎng)絡的聯(lián)想記憶功能。

股票市場是一個混沌的市場,具有很強的非線性特征:第一,對影響股市波動相同的因素來說,根據(jù)其對股市造成影響的時間不同,每次該項因素對股市影響的程度也不同,這與線性系統(tǒng)的特征是不相符的,這也就說明了股票市場的非線性性。第二,股票市場波動的突發(fā)性和劇烈程度,足以說明股票市場的非線性性。

通過以上可以看出由于股票市場存在非線性的特征,利用一般的線性分析工具來研究股票市場對研究結(jié)果將會造成很大的偏差,但神經(jīng)網(wǎng)絡理論,以其自身的特點,可以很好地將其運用于解決此類問題。

五、模型建立及實驗過程

首先,模型設計的實驗原理是基于具有3層結(jié)構(gòu)的BP神經(jīng)網(wǎng)絡可以任意地去逼近任何函數(shù),就其本身來說就相當于是一個“黑箱子”,只要你給定其相關的輸入和輸出,通過訓練它就能一定模擬出一個復雜的函數(shù)來擬合你的這組輸入和輸出,從而得到滿意的訓練結(jié)果。

本文的數(shù)據(jù)選取的是中國銀行的一些技術分析指標,它來源于大智慧軟件的數(shù)據(jù)庫,根據(jù)技術分析指標的分類結(jié)合聚類的思想,在每一類指標中選取具有代表性的一種來代表這一類指標,所以在這個模型中我選取了BIAS,KDJ,MACD,威廉指標和成交量,這幾個指標中有的雖有些相同的性質(zhì),但由于它們都是一些常用指標,有一定的實用價值,也不失可作為輸入數(shù)據(jù)。

本文的數(shù)據(jù)輸出是每日收盤價的五日以用平均值。之所以選取均值作為輸出主要是因為均值作為輸出值相對來說較為平滑,這樣無論是對訓練還是預測都會得到比較理想的結(jié)果。接下來,就是模型的設計。根據(jù)問題,在輸入層有5個輸入所以需要有5個神經(jīng)元,而輸出層只需要一個神經(jīng)元,根據(jù)經(jīng)驗公式隱含層神經(jīng)元的個數(shù)為2n+1,其中n為輸入層神經(jīng)元的個數(shù),所以隱含層的神經(jīng)元個數(shù)為11個,這樣一來,模型的基本框架就已經(jīng)構(gòu)成,其大致結(jié)構(gòu)如圖2。

以下是根據(jù)該模型用Matlab編的程序的主要部分:

net=newff(minmax(P),[11 1],{'tansig','purelin'});

net.trainParam.epochs=1000;

net.trainParam.goal=0.0001;

[net,tr]=train(net,P_train,T_train);

下面對整個程序做一個簡單的介紹:首先,本文選取100組數(shù)據(jù)作為訓練樣本,對它們進行歸一化處理,接著對它們進行訓練,反歸一化處理得出訓練結(jié)果,分析結(jié)果再選取三組數(shù)據(jù)進行泛化性分析。其訓練結(jié)果如下圖3所示。然后分別用三組數(shù)據(jù)來測試訓練結(jié)果,看其泛化性能是否好,期預測誤差的結(jié)果如表1所示。

由訓練結(jié)果我們可以看出該訓練效果較好,由預測的誤差結(jié)果可知它的泛化性能也相對較好,所以我們可以得出以下結(jié)論。

六、結(jié)論

從整個實證分析的過程可以看出技術分析在我國股票市場還具有一定的有效性,說明技術分析的一些指標還可以指導投資者進行證券投資。但從中我們也應該看到其中的一些不足:第一,由于該實驗選取的是對單一股票的技術指標的檢測,雖然中國銀行屬于大盤股,不易被莊家所控制,但它作為個股仍不能代表整個市場,所以至于技術分析是否對整個中國股市有效仍具有不確定性。第二,由于BP算法自身的一些缺陷也可能給實驗帶來一些誤差影響。所以,投資者在投資前首先要認清大勢,因為我國股市是一個政策市,它受政府相關政策影響的程度極大,所以投資者在投資前首先要進行基本面的分析,基本面的分析與技術分析的結(jié)合使用才是進行證券投資的首選方案。

(注:本文為武漢理工大學自主創(chuàng)新研究基金《基于神經(jīng)網(wǎng)絡系統(tǒng)分析我國股票市場的有效性》課題的系列研究成果之一,項目編號2010-VA-007JJ。)

【參考文獻】

[1] Zvi Bodie:投資學[M].機械工業(yè)出版社,2006.

[2] 曹鳳歧、劉力、姚長輝:證券投資學[M].北京大學出版社,2000.

[3] 高雋:人工神經(jīng)網(wǎng)絡原理及仿真實例[M].機械工業(yè)出版社,2007.

第3篇：人工神經(jīng)網(wǎng)絡理論基礎范文

【關鍵詞】 中小企業(yè) 融資 風險評估 預警

一、研究背景

在激烈的市場競爭中，由于國家對中小企業(yè)上市融資的諸多限制，河南省許多中小企業(yè)以負債融資為主要方式來籌集發(fā)展資金。這為河南省中小企業(yè)緩解了資金短缺的困難，拓寬了融資渠道，也贏得了更多發(fā)展資金和獲利機會。河南省中小企業(yè)在負債經(jīng)營的同時，必然會伴隨一定的金融風險。如果脫離實際，缺乏負債融資規(guī)模論證，過度負債經(jīng)營，將導致該風險增大。

對于河南省中小企業(yè)管理者來說，動態(tài)監(jiān)測河南省中小企業(yè)負債情況，及時把握河南省中小企業(yè)償還能力，有利于河南省中小企業(yè)做出正確的融資和投資決策；同時也有利于相關債權(quán)人來根據(jù)河南省中小企業(yè)償還能力的強弱來判斷做出是否貸款決策。

本研究依據(jù)系統(tǒng)論、管理決策理論和方法對風險評估指標體系的構(gòu)建方案進行總體設計；采用文獻評閱法和Delphi法、現(xiàn)場訪談法確定關鍵指標及權(quán)重；運用中小企業(yè)經(jīng)濟管理、財務管理理論和多元統(tǒng)計學方法分析相關數(shù)據(jù)，探索出能夠體現(xiàn)我國河南省中小企業(yè)自身特點的負債融資風險預警指標體系；建立河南省中小企業(yè)債務信息集成數(shù)據(jù)庫，使用Stata7.0統(tǒng)計軟件分析處理有關數(shù)據(jù)，運用Matlab8.0工具包進行實證分析。

二、中小企業(yè)負債融資的風險

1、負債比例結(jié)構(gòu)。借入資金和自有資金的比例是否適當，與企業(yè)財務上的利益和風險有著密切的關系。在財務杠桿作用下，當投資利潤率高于利息率時，企業(yè)擴大負債規(guī)模，適當提高借入資金與自有資金之間的比率，就會增加企業(yè)的權(quán)益資本收益率。在投資利潤率低于利息率時，企業(yè)負債越多，借入資金與自有資金比例越高，企業(yè)權(quán)益資本收益率也就越低，甚至發(fā)生虧損或破產(chǎn)。負債規(guī)模一定時，債務期限的安排是否合理也會影響企業(yè)籌資風險。若長、短期債務比例不合理，還款期限過于集中，就會使企業(yè)在債務到期日還債壓力過大，資金周轉(zhuǎn)不靈，影響正常生產(chǎn)經(jīng)營活動。

2、利率非預期變動。企業(yè)在籌集資金時可能面臨利率變動帶來的風險，利率水平的高低直接決定企業(yè)資金成本的大小。在不同發(fā)展階段，國家為經(jīng)濟的穩(wěn)定發(fā)展實施了不同的貨幣和財政政策。當貸款的利息率降低時，企業(yè)的籌資成本較低，融資風險就降低了；相反，當貸款的利息率提高時，企業(yè)籌資成本增加，經(jīng)營成本提高，就要承擔較大的融資風險。

3、經(jīng)營決策失誤。企業(yè)投資新的項目需要大量資金，如果該項目失敗或不能很快建成并形成生產(chǎn)能力，無法盡快地收回資金來償還本息，企業(yè)會承受巨大的財務危機。

三、構(gòu)建風險評估體系

對于中小企業(yè)融資風險預警系統(tǒng)的設計要針對其融資風險的表現(xiàn)形式和影響因素，特別關注與企業(yè)償債相關的能力測試和預警；針對中小企業(yè)管理薄弱，在系統(tǒng)設計時，應加強定量的分析。從河南省中小企業(yè)的發(fā)展規(guī)模來看，其抗風險能力較差，因此在預警系統(tǒng)的設計時，要注重定量監(jiān)測河南省中小企業(yè)負債經(jīng)營的財務風險程度，建立能夠反映河南省中小企業(yè)自身特點的風險監(jiān)測預警指標體系。

1、構(gòu)建指標體系的原則。（1）依據(jù)現(xiàn)行有關河南省中小企業(yè)管理規(guī)定和財務制度；（2）參照其他行業(yè)財務風險評估常用的指標；（3）根據(jù)河南省中小企業(yè)自身特點，選取的指標能夠體現(xiàn)河南省中小企業(yè)的獲利及償還能力；（4）能體現(xiàn)河南省中小企業(yè)運營現(xiàn)狀及未來發(fā)展?jié)摿Α?/p>

2、預警指標的選取。本研究對可能發(fā)生的財務風險進行詳盡分類，初步將指標體系分為要素層和指標層兩個層次。其中，風險預警要素層為一級指標，包括四個方面：獲利能力、償債能力、運營狀況和發(fā)展?jié)摿?；風險預警指標層為二級指標，包括河南省中小企業(yè)資產(chǎn)負債率等14項指標。

3、指標體系的建立。根據(jù)研究目標和影響負債經(jīng)營財務風險的相關因素，本文設計出 “河南省中小企業(yè)負債經(jīng)營現(xiàn)狀調(diào)查問卷”，遴選16位相關領域的專家進行兩輪特爾菲法（Delphi法）函詢調(diào)查，并對結(jié)果進行統(tǒng)計分析，最終確定由4項一級指標、11項二級指標構(gòu)成河南省中小企業(yè)負債經(jīng)營財務風險評估指標體系（見圖1）。

4、綜合預警指數(shù)的設置。由于指標體系中每一個或每一組指標只能反映河南省中小企業(yè)經(jīng)營活動某一方面所面臨的風險，要全面反映和監(jiān)測河南省中小企業(yè)負債經(jīng)營的財務風險程度，則須對其進行綜合度量。本研究設置“河南省中小企業(yè)負債經(jīng)營財務風險綜合預警指數(shù)”，以下簡稱“綜合預警指數(shù)”（SWI），并定義：綜合預警指數(shù)＝資金獲利能力指標×權(quán)重＋資金清償能力指標×權(quán)重＋資金利用能力指標×權(quán)重＋資本保值增值能力指標×權(quán)重（運用特爾菲法方法確定權(quán)重），其數(shù)學判別公式為：SWI=(A1～A2)×0.3＋(B1～B3)×0.3＋(C1～C3)×0.2＋(D1～D3)×0.2。

5、財務風險警戒區(qū)間的劃分。為了直觀地描述河南省中小企業(yè)面臨的財務風險，根據(jù)風險的嚴重程度和指標相對分數(shù)，本研究采用“四色信號景氣分析法”，將河南省中小企業(yè)負債經(jīng)營財務風險劃分為：安全預報（0＜SWI≤0.25)、輕度風險警報（0.25＜SWI≤0.50)、中度風險警報（0.50＜SWI≤0.75)、重度風險警報（0.75＜SWI≤1)四個區(qū)間，分別對應為綠色、黃色、橙色和紅色四個區(qū)域。

四、實證研究結(jié)果

1、預警模型的選擇。以往研究中，應用最為廣泛的分析方法是直線回歸、指數(shù)平滑等傳統(tǒng)的線性模型，但是這些方法都需要資料滿足正態(tài)性等適用條件，并且要假定各指標因素間是線性關聯(lián)的。但實際上，河南省中小企業(yè)財務狀況的變化與財務比率的關系是非線性的，并且許多指標也非正態(tài)分布。已廣泛應用的人工神經(jīng)網(wǎng)絡模型是解決這一問題的較好辦法。因而，本研究嘗試應用基于BP算法的多層前饋型人工神經(jīng)網(wǎng)絡對河南省中小企業(yè)負債經(jīng)營財務風險進行預警研究，借助神經(jīng)網(wǎng)絡的自學習特性，通過模型的“輸入”、“輸出”，“辨識”出指標體系的結(jié)構(gòu)，然后利用該結(jié)構(gòu)進行風險評估和預警。

2、網(wǎng)絡的預測結(jié)果。研究選取河南省某企業(yè)2005年7月～2006年12月期間共18個月份的數(shù)據(jù)，先將2005年7月～2006年11月的12項指標對應數(shù)據(jù)作為網(wǎng)絡的輸入，將2005年8月～2006年12月的12項指標數(shù)據(jù)作為網(wǎng)絡的輸出，組成訓練集對網(wǎng)絡進行訓練，使誤差達到滿意的程度，用這樣的網(wǎng)絡進行預測。此后，用2005年8月～2006年12月的12項指標數(shù)據(jù)作為網(wǎng)絡的輸入，預測2005年9月～2007年1月各指標的輸出。依此類推，得到2007年1月、2月、3月對應指標的預測值。以樣本企業(yè)的“資產(chǎn)負債率”單項指標為例，應用BP人工神經(jīng)網(wǎng)絡模型對樣本企業(yè)2007年1月～3月（第一季度）的財務指標變化情況進行預測。結(jié)果顯示，指標實際值與預測值十分接近，預警曲線的前面部分幾乎重合，用人工神經(jīng)網(wǎng)絡進行風險預測結(jié)果具有非常高的精度和準確率。

3、綜合風險預警指數(shù)的計算。以樣本某企業(yè)為例，我們對其11項財務風險指標的變化情況也進行了測算。根據(jù)該企業(yè)2005年7月的月報數(shù)據(jù)的指標分數(shù)及所占權(quán)重，可綜合度量出該企業(yè)負債經(jīng)營面臨的財務風險程度：綜合預警指數(shù)SWI=A資金獲利能力風險指數(shù)×所占權(quán)重+B資金清償能力風險指數(shù)×所占權(quán)重+C資金利用能力風險指數(shù)×所占權(quán)重+D資本保值增值能力風險指數(shù)×所占權(quán)重＝0.3808。同法，可算出樣本企業(yè)2005年8月～2006年12月各月份的負債經(jīng)營綜合財務風險綜合預警指數(shù)SWI（見表1）。

4、預警曲線繪制及結(jié)果分析。為了直觀表示風險程度，運用計算出的各月份風險綜合預警指標SWI的數(shù)值，繪制出該樣本企業(yè)負債經(jīng)營財務風險綜合預警指數(shù)變化曲線（見圖2）

由圖2可見，2005年7月～9月，該企業(yè)的財務風險綜合預警指數(shù)處于“黃燈”區(qū)域，提示該企業(yè)的財務狀況有輕度風險，可能有部分財務預警指標超過了安全界限。2005年10月～2006年9月，該企業(yè)的財務風險綜合預警指數(shù)一度攀升，直接越過橙色燈警戒區(qū)域到達紅色警戒區(qū)域，其原因可能是該企業(yè)存在決策方面的問題，導致財務風險持續(xù)增加，形成了過度負債經(jīng)營的狀況。自2005年10起，該企業(yè)決策層可能對資金使用方案進行了一系列的調(diào)整，使該企業(yè)的財務風險綜合預警指數(shù)出現(xiàn)緩慢回落，但是下降速度較慢，表明仍然面臨較大的風險。此時，該企業(yè)面臨的獲利能力和償還能力不足，運營能力和發(fā)展?jié)摿θ蕴幱诓涣紶顟B(tài)。預計在2007年第一季度（1～3月）該企業(yè)財務風險將會繼續(xù)下降，但是下降幅度不會太大，可能仍會處于中度風險區(qū)間。

五、對策與建議

負債融資可能導致的財務風險是現(xiàn)代河南省中小企業(yè)面對激烈市場競爭、實施負債經(jīng)營策略的必然產(chǎn)物，河南省中小企業(yè)在負債經(jīng)營過程中外部環(huán)境因素與內(nèi)部條件的變化，相互聯(lián)系、相互作用，可能共同導致財務風險。本研究從政府管理和河南省中小企業(yè)兩個層面提出了風險防范對策和政策建議，為政府部門和河南省中小企業(yè)管理者制定經(jīng)營策略提供科學參考和決策依據(jù)。

1、政府部門層面。（1）發(fā)揮政府的宏觀管理與監(jiān)管職能。河南省中小企業(yè)負債經(jīng)營必然會帶來一定的風險，河南省中小企業(yè)經(jīng)營效益的好壞，不僅關系到河南省中小企業(yè)自身的生存與發(fā)展，也直接關系到河南省經(jīng)濟健康發(fā)展和社會穩(wěn)定。因此，應加強河南省中小企業(yè)負債融資活動的宏觀管理，進一步規(guī)范金融市場秩序，發(fā)揮政府的宏觀調(diào)控指導與金融監(jiān)管職能。

（2）加強河南省中小企業(yè)項目貸款的論證與審批。在投資決策方面，政府主管部門應認真掌握河南省中小企業(yè)重大項目貸款的額度和標準，嚴格控制河南省中小企業(yè)盲目舉債建設行為。同時，加強對申請貸款河南省中小企業(yè)的風險評估，成立由多個部門參與的河南省中小企業(yè)負債經(jīng)營風險專家咨詢機構(gòu)，對數(shù)額重大的河南省中小企業(yè)貸款項目進行論證和審批，真正做到政策引路，項目把關，有效防范河南省中小企業(yè)負債經(jīng)營帶來的風險。

（3）建立河南省中小企業(yè)財務業(yè)績信息制度。為加強風險控制，建立河南省中小企業(yè)財務業(yè)績信息制度，進一步提高河南省中小企業(yè)資金使用、負債融資運作的透明度，增強河南省中小企業(yè)自我管理、自我約束的能力。同時，政府主管部門應加強及時了解金融市場以其它投資機構(gòu)的反應和要求，努力改善河南省中小企業(yè)的運營環(huán)境，爭取得到更多外部資金支持。

（4）督促河南省中小企業(yè)建立自身的風險防范預警機制。政府部門不僅需要實施有效的外部監(jiān)管，更為重要的是應督促河南省中小企業(yè)自身建立健全科學有效的內(nèi)部運行控制機制，形成自下而上的風險防范預警管理體系，提高河南省中小企業(yè)防范負債經(jīng)營風險的積極性、主動性和創(chuàng)造性。通過財務風險預警管理體系，評價其財務運行機制是否健全，管理制度是否完善，管理方法是否科學，管理措施是否落實。

2、中小企業(yè)管理層面。（1）樹立財務風險管理意識。河南省中小企業(yè)在負債經(jīng)營活動過程中，由于內(nèi)外部環(huán)境的變化，導致實際結(jié)果與預期效果相偏離的情況是難以避免的。河南省中小企業(yè)管理者樹立強烈的風險意識，正確承認風險，科學估測風險，預防發(fā)生風險，并且有效應對風險，尤其是領導層應對潛在的危機有較清醒的認識和警惕，具備一定的風險管理知識和防范控制能力。

（2）提高科學決策水平。企業(yè)投資的重大決策關系到企業(yè)的生死存亡。河南省中小企業(yè)管理者應立足現(xiàn)實、著眼長遠，兼顧企業(yè)的眼前利益與長遠發(fā)展，講究科學決策。在融資決策過程中，應通過對資金成本的計算分析及各種籌資方式的風險分析，選擇合理的資金結(jié)構(gòu)，并充分考慮償還能力，制定出借款、還款計劃和重大建設項目的費用安排。

（3）實行穩(wěn)健融資策略。河南省中小企業(yè)在負債經(jīng)營過程中，關鍵的是要把握一個“度”字，敢于負債、善于負債、科學管理、規(guī)避風險是中小企業(yè)負債經(jīng)營成功的關鍵。在進行負債決策時，中小企業(yè)應當采取穩(wěn)健融資策略，充分估計未來各種不確定因素對河南省中小企業(yè)發(fā)展可能產(chǎn)生的不利影響，努力在控制融資風險與謀求最大收益之間尋求一種均衡。

【參考文獻】

[1] 河南省中小企業(yè)“十一五”發(fā)展規(guī)劃.

第4篇：人工神經(jīng)網(wǎng)絡理論基礎范文

關鍵詞：數(shù)字圖像；圖像壓縮；壓縮技術；任意形狀可視對象編碼

Abstract:Digitalimagecompressiontechnologyisofspecialintrestforthefasttransmissionandreal-timeprocesssingofdigitalimageinformationontheinternet.Thepaperintroducesseveralkindsofthemostimportantimagecompressionalgorithmsatpresent:JPEG,JPEG2000,fractalimagecompressionandwavelettransformationimagecompression,andsummarizestheiradvantageanddisadvantageanddevelopmentprospect.Thenitintroducessimplythepresentdevelopmentofcodingalgorithmsaboutarbitraryshapevideoobject,andindicatesthealgorithmshaveahighcompressionrate.

Keyword:Digitalimage;Imagecompression;Compresstechnique;Arbitraryshapevisibleobjectcode

一、引言

隨著多媒體技術和通訊技術的不斷發(fā)展，多媒體娛樂、信息高速公路等不斷對信息數(shù)據(jù)的存儲和傳輸提出了更高的要求，也給現(xiàn)有的有限帶寬以嚴峻的考驗，特別是具有龐大數(shù)據(jù)量的數(shù)字圖像通信，更難以傳輸和存儲，極大地制約了圖像通信的發(fā)展，因此圖像壓縮技術受到了越來越多的關注。圖像壓縮的目的就是把原來較大的圖像用盡量少的字節(jié)表示和傳輸，并且要求復原圖像有較好的質(zhì)量。利用圖像壓縮，可以減輕圖像存儲和傳輸?shù)呢摀箞D像在網(wǎng)絡上實現(xiàn)快速傳輸和實時處理。

圖像壓縮編碼技術可以追溯到1948年提出的電視信號數(shù)字化，到今天已經(jīng)有50多年的歷史了[1]。在此期間出現(xiàn)了很多種圖像壓縮編碼方法，特別是到了80年代后期以后，由于小波變換理論，分形理論，人工神經(jīng)網(wǎng)絡理論，視覺仿真理論的建立，圖像壓縮技術得到了前所未有的發(fā)展，其中分形圖像壓縮和小波圖像壓縮是當前研究的熱點。本文對當前最為廣泛使用的圖像壓縮算法進行綜述，討論了它們的優(yōu)缺點以及發(fā)展前景。

二、JPEG壓縮

負責開發(fā)靜止圖像壓縮標準的“聯(lián)合圖片專家組”（JointPhotographicExpertGroup,簡稱JPEG），于1989年1月形成了基于自適應DCT的JPEG技術規(guī)范的第一個草案，其后多次修改，至1991年形成ISO10918國際標準草案，并在一年后成為國際標準，簡稱JPEG標準。

1．JPEG壓縮原理及特點

JPEG算法中首先對圖像進行分塊處理，一般分成互不重疊的大小的塊，再對每一塊進行二維離散余弦變換（DCT）。變換后的系數(shù)基本不相關，且系數(shù)矩陣的能量集中在低頻區(qū)，根據(jù)量化表進行量化，量化的結(jié)果保留了低頻部分的系數(shù)，去掉了高頻部分的系數(shù)。量化后的系數(shù)按zigzag掃描重新組織，然后進行哈夫曼編碼。JPEG的特點如下：

優(yōu)點：（1）形成了國際標準；（2）具有中端和高端比特率上的良好圖像質(zhì)量。

缺點：（1）由于對圖像進行分塊，在高壓縮比時產(chǎn)生嚴重的方塊效應；（2）系數(shù)進行量化，是有損壓縮；（3）壓縮比不高，小于50[2]。

JPEG壓縮圖像出現(xiàn)方塊效應的原因是：一般情況下圖像信號是高度非平穩(wěn)的，很難用Gauss過程來刻畫，并且圖像中的一些突變結(jié)構(gòu)例如邊緣信息遠比圖像平穩(wěn)性重要，用余弦基作圖像信號的非線性逼近其結(jié)果不是最優(yōu)的[3]。

2．JPEG壓縮的研究狀況及其前景[2]

針對JPEG在高壓縮比情況下，產(chǎn)生方塊效應，解壓圖像較差，近年來提出了不少改進方法，最有效的是下面的兩種方法：

（1）DCT零樹編碼

DCT零樹編碼把DCT塊中的系數(shù)組成log2N個子帶，然后用零樹編碼方案進行編碼。在相同壓縮比的情況下，其PSNR的值比EZW高。但在高壓縮比的情況下，方塊效應仍是DCT零樹編碼的致命弱點。

（2）層式DCT零樹編碼

此算法對圖像作的DCT變換，將低頻塊集中起來，做反DCT變換；對新得到的圖像做相同變換，如此下去，直到滿足要求為止。然后對層式DCT變換及零樹排列過的系數(shù)進行零樹編碼。

JPEG壓縮的一個最大問題就是在高壓縮比時產(chǎn)生嚴重的方塊效應，因此在今后的研究中，應重點解決DCT變換產(chǎn)生的方塊效應，同時考慮與人眼視覺特性相結(jié)合進行壓縮。

三、JEPG2000壓縮

JPEG2000是由ISO/IECJTCISC29標準化小組負責制定的全新靜止圖像壓縮標準。一個最大改進是它采用小波變換代替了余弦變換。2000年3月的東京會議，確定了彩色靜態(tài)圖像的新一代編碼方式—JPEG2000圖像壓縮標準的編碼算法。

1．JPEG2000壓縮原理及特點

JPEG2000編解碼系統(tǒng)的編碼器和解碼器的框圖如圖1所示[4]。

編碼過程主要分為以下幾個過程：預處理、核心處理和位流組織。預處理部分包括對圖像分片、直流電平（DC）位移和分量變換。核心處理部分由離散小波變換、量化和熵編碼組成。位流組織部分則包括區(qū)域劃分、碼塊、層和包的組織。

JPEG2000格式的圖像壓縮比，可在現(xiàn)在的JPEG基礎上再提高10%~30%，而且壓縮后的圖像顯得更加細膩平滑。對于目前的JPEG標準，在同一個壓縮碼流中不能同時提供有損和無損壓縮，而在JPEG2000系統(tǒng)中，通過選擇參數(shù)，能夠?qū)D像進行有損和無損壓縮。現(xiàn)在網(wǎng)絡上的JPEG圖像下載時是按“塊”傳輸?shù)?，而JPEG2000格式的圖像支持漸進傳輸，這使用戶不必接收整個圖像的壓縮碼流。由于JPEG2000采用小波技術，可隨機獲取某些感興趣的圖像區(qū)域（ROI）的壓縮碼流，對壓縮的圖像數(shù)據(jù)進行傳輸、濾波等操作[4]。

圖1JPEG2000壓縮編碼與解壓縮的總體流程

2．JPEG2000壓縮的前景

JPEG2000標準適用于各種圖像的壓縮編碼。其應用領域?qū)↖nternet、傳真、打印、遙感、移動通信、醫(yī)療、數(shù)字圖書館和電子商務等[5]。JPEG2000圖像壓縮標準將成為21世紀的主流靜態(tài)圖像壓縮標準。

四、小波變換圖像壓縮

1．小波變換圖像壓縮原理

小波變換用于圖像編碼的基本思想就是把圖像根據(jù)Mallat塔式快速小波變換算法進行多分辨率分解。其具體過程為：首先對圖像進行多級小波分解，然后對每層的小波系數(shù)進行量化，再對量化后的系數(shù)進行編碼。小波圖像壓縮是當前圖像壓縮的熱點之一，已經(jīng)形成了基于小波變換的國際壓縮標準，如MPEG-4標準，及如上所述的JPEG2000標準[2]。

2．小波變換圖像壓縮的發(fā)展現(xiàn)狀及前景

目前3個最高等級的小波圖像編碼分別是嵌入式小波零樹圖像編碼（EZW），分層樹中分配樣本圖像編碼（SPIHT）和可擴展圖像壓縮編碼（EBCOT）。

（1）EZW編碼器[6]

1993年，Shapiro引入了小波“零樹”的概念，通過定義POS、NEG、IZ和ZTR四種符號進行空間小波樹遞歸編碼，有效地剔除了對高頻系數(shù)的編碼，極大地提高了小波系數(shù)的編碼效率。此算法采用漸進式量化和嵌入式編碼模式，算法復雜度低。EZW算法打破了信息處理領域長期篤信的準則：高效的壓縮編碼器必須通過高復雜度的算法才能獲得，因此EZW編碼器在數(shù)據(jù)壓縮史上具有里程碑意義。

（2）EBCOT編碼器[8]

優(yōu)化截斷點的嵌入塊編碼方法（EBCOT）首先將小波分解的每個子帶分成一個個相對獨立的碼塊，然后使用優(yōu)化的分層截斷算法對這些碼塊進行編碼，產(chǎn)生壓縮碼流，結(jié)果圖像的壓縮碼流不僅具有SNR可擴展而且具有分辨率可擴展，還可以支持圖像的隨機存儲。比較而言，EBCOT算法的復雜度較EZW和SPIHT有所提高，其壓縮性能比SPIHT略有提高。

小波圖像壓縮被認為是當前最有發(fā)展前途的圖像壓縮算法之一。小波圖像壓縮的研究集中在對小波系數(shù)的編碼問題上。在以后的工作中，應充分考慮人眼視覺特性，進一步提高壓縮比，改善圖像質(zhì)量。并且考慮將小波變換與其他壓縮方法相結(jié)合。例如與分形圖像壓縮相結(jié)合是當前的一個研究熱點[2]。

（3）SPIHT編碼器[7]

由Said和Pearlman提出的分層小波樹集合分割算法（SPIHT）則利用空間樹分層分割方法，有效地減小了比特面上編碼符號集的規(guī)模。同EZW相比，SPIHT算法構(gòu)造了兩種不同類型的空間零樹，更好地利用了小波系數(shù)的幅值衰減規(guī)律。同EZW編碼器一樣，SPIHT編碼器的算法復雜度低，產(chǎn)生的也是嵌入式比特流，但編碼器的性能較EZW有很大的提高。

五、分形圖像壓縮

1988年，Barnsley通過實驗證明分形圖像壓縮可以得到比經(jīng)典圖像編碼技術高幾個數(shù)量級的壓縮比。1990年，Barnsley的學生A.E.Jacquin提出局部迭代函數(shù)系統(tǒng)理論后，使分形用于圖像壓縮在計算機上自動實現(xiàn)成為可能。

1．分形圖像壓縮的原理

分形壓縮主要利用自相似的特點，通過迭代函數(shù)系統(tǒng)（IteratedFunctionSystem,IFS）實現(xiàn)。其理論基礎是迭代函數(shù)系統(tǒng)定理和拼貼定理。

分形圖像壓縮把原始圖像分割成若干個子圖像，然后每一個子圖像對應一個迭代函數(shù)，子圖像以迭代函數(shù)存儲，迭代函數(shù)越簡單，壓縮比也就越大。同樣解碼時只要調(diào)出每一個子圖像對應的迭代函數(shù)反復迭代，就可以恢復出原來的子圖像，從而得到原始圖像[9]。

2．幾種主要分形圖像編碼技術[9]

隨著分形圖像壓縮技術的發(fā)展，越來越多的算法被提出，基于分形的不同特征，可以分成以下幾種主要的分形圖像編碼方法。

（1）尺碼編碼方法

尺碼編碼方法是基于分形幾何中利用小尺度度量不規(guī)則曲線長度的方法，類似于傳統(tǒng)的亞取樣和內(nèi)插方法，其主要不同之處在于尺度編碼方法中引入了分形的思想，尺度隨著圖像各個組成部分復雜性的不同而改變。

（2）迭代函數(shù)系統(tǒng)方法

迭代函數(shù)系統(tǒng)方法是目前研究最多、應用最廣泛的一種分形壓縮技術，它是一種人機交互的拼貼技術，它基于自然界圖像中普遍存在的整體和局部自相關的特點，尋找這種自相關映射關系的表達式，即仿射變換，并通過存儲比原圖像數(shù)據(jù)量小的仿射系數(shù)，來達到壓縮的目的。如果尋得的仿射變換簡單而有效，那么迭代函數(shù)系統(tǒng)就可以達到極高的壓縮比。

（3）A-E-Jacquin的分形方案

A-E-Jacquin的分形方案是一種全自動的基于塊的分形圖像壓縮方案，它也是一個尋找映射關系的過程，但尋找的對象域是將圖像分割成塊之后的局部與局部的關系。在此方案中還有一部分冗余度可以去除，而且其解碼圖像中存在著明顯的方塊效應。

3．分形圖像壓縮的前景[2]

雖然分形圖像壓縮在圖像壓縮領域還不占主導地位，但是分形圖像壓縮既考慮局部與局部，又考慮局部與整體的相關性，適合于自相似或自仿射的圖像壓縮，而自然界中存在大量的自相似或自仿射的幾何形狀，因此它的適用范圍很廣。

六、其它壓縮算法

除了以上幾種常用的圖像壓縮方法以外，還有：NNT（數(shù)論變換）壓縮、基于神經(jīng)網(wǎng)絡的壓縮方法、Hibert掃描圖像壓縮方法、自適應多相子帶壓縮方法等，在此不作贅述。下面簡單介紹近年來任意形狀紋理編碼的幾種算法[10]~[13]。

（1）形狀自適應DCT（SA-DCT）算法

SA-DCT把一個任意形狀可視對象分成的圖像塊，對每塊進行DCT變換，它實現(xiàn)了一個類似于形狀自適應GilgeDCT[10][11]變換的有效變換，但它比GilgeDCT變換的復雜度要低?？墒?，SA-DCT也有缺點，它把像素推到與矩形邊框的一個側(cè)邊相平齊，因此一些空域相關性可能丟失，這樣再進行列DCT變換，就有較大的失真了[11][14][15]。

（2）形狀自適應離散小波變換（SA-DWT）

Li等人提出了一種新穎的任意形狀對象編碼，SA-DWT編碼[18]~[22]。這項技術包括SA-DWT和零樹熵編碼的擴展（ZTE），以及嵌入式小波編碼（EZW）。SA-DWT的特點是：經(jīng)過SA-DWT之后的系數(shù)個數(shù)，同原任意形狀可視對象的像素個數(shù)相同；小波變換的空域相關性、區(qū)域?qū)傩砸约白訋еg的自相似性，在SA-DWT中都能很好表現(xiàn)出來；對于矩形區(qū)域，SA-DWT與傳統(tǒng)的小波變換一樣。SA-DWT編碼技術的實現(xiàn)已經(jīng)被新的多媒體編碼標準MPEG-4的對于任意形狀靜態(tài)紋理的編碼所采用。

在今后的工作中，可以充分地利用人類視覺系統(tǒng)對圖像邊緣部分較敏感的特性，嘗試將圖像中感興趣的對象分割出來，對其邊緣部分、內(nèi)部紋理部分和對象之外的背景部分按不同的壓縮比進行壓縮，這樣可以使壓縮圖像達到更大的壓縮比，更加便于傳輸。

（3）Egger方法

Egger等人[16][17]提出了一個應用于任意形狀對象的小波變換方案。在此方案中，首先將可視對象的行像素推到與邊界框的右邊界相平齊的位置，然后對每行的有用像素進行小波變換，接下來再進行另一方向的小波變換。此方案，充分利用了小波變換的局域特性。然而這一方案也有它的問題，例如可能引起重要的高頻部分同邊界部分合并，不能保證分布系數(shù)彼此之間有正確的相同相位，以及可能引起第二個方向小波分解的不連續(xù)等。

七、總結(jié)

圖像壓縮技術研究了幾十年，取得了很大的成績，但還有許多不足，值得我們進一步研究。小波圖像壓縮和分形圖像壓縮是當前研究的熱點，但二者也有各自的缺點，在今后工作中，應與人眼視覺特性相結(jié)合?？傊?，圖像壓縮是一個非常有發(fā)展前途的研究領域，這一領域的突破對于我們的信息生活和通信事業(yè)的發(fā)展具有深遠的影響。

參考文獻：

[1]田青.圖像壓縮技術[J].警察技術,2002,(1)：30-31.

[2]張海燕,王東木等.圖像壓縮技術[J].系統(tǒng)仿真學報,2002,14(7)：831-835.

[3]張宗平,劉貴忠.基于小波的視頻圖像壓縮研究進展[J].電子學報,2002,30(6)：883-889.

[4]周寧,湯曉軍,徐維樸.JPEG2000圖像壓縮標準及其關鍵算法[J].現(xiàn)代電子技術,2002,(12)：1-5.

[5]吳永輝,俞建新.JPEG2000圖像壓縮算法概述及網(wǎng)絡應用前景[J].計算機工程,2003,29(3)：7-10.

[6]JMShaprio.Embeddedimagecodingusingzerotreeofwaveletcoefficients[J].IEEETrans.onSignalProcessing,1993,41(12):3445-3462.

[7]ASaid,WAPearlman.Anewfastandefficientimagecodecbasedonsetpartitioninginhierarchicaltrees[J].IEEETrans.onCircuitsandSystemsforVideoTech.1996,6(3):243-250.

[8]DTaubman.HighperformancescalableimagecompressionwithEBCOT[J].IEEETransactionsonImageProcessing,2000,9(7):1158–1170.

[9]徐林靜,孟利民,朱建軍.小波與分行在圖像壓縮中的比較及應用.中國有線電視,2003,03/04：26-29.

[10]MGilge,TEngelhardt,RMehlan.Codingofarbitrarilyshapedimagesegmentsbasedonageneralizedorthogonaltransform[J].SignalProcessing:ImageCommun.,1989,1(10):153–180.

[11]TSikora,BMakai.Shape-adaptiveDCTforgenericcodingofvideo[J].IEEETrans.CircuitsSyst.VideoTechnol.,1995,5(1):59–62.

[12]TSikora,SBauer,BMakai.Efficiencyofshape-adaptive2-Dtransformsforcodingofarbitrarilyshapedimagesegments[J].IEEETrans.CircuitsSyst.VideoTechnol.,1995,5(3):254–258.

[13]EJensen,KRijk,etal.Codingofarbitrarilyshapedimagesegments[C].Proc.WorkshopImageAnalysisandSynthesisinImageCoding,Berlin,Germany,1994:E2.1–E2.4.

[14]MBi,SHOng,menton“Shape-adaptiveDCTforgenericcodingofvideo”[J].IEEETrans.CircuitsSyst.VideoTechnol.,1996,6(6):686–688.

[15]PKauff,KSchuur.Shape-adaptiveDCTwithblock-basedDCseparationandDeltaDCcorrection[J].IEEETrans.CircuitsSyst.VideoTechnol.,1998,8(3):237–242.

[16]OEgger,PFleury,TEbrahimi.Shape-adaptivewavelettransformforzerotreecoding[C].Proc.Eur.WorkshopImageAnalysisandCodingforTV,HDTVandMultimediaApplication,Rennes,France,1996:201–208.

[17]OEgger.Regionrepresentationusingnonlineartechniqueswithapplicationstoimageandvideocoding[D].Ph.D.dissertation,SwissFederalInstituteofTechnology(EPFL),Lausanne,Switzerland,1997.

[18]SLi,WLi,etal.Shapeadaptivevectorwaveletcodingofarbitrarilyshapedtexture[S].ISO/IECJTC/SC29/WG11,MPEG-96-m1027,1996.

[19]WLi,FLing,HSun.ReportoncoreexperimentO3(Shapeadaptivewaveletcodingofarbitrarilyshapedtexture)[S].ISO/IECJTC/SC29/WG11,MPEG-97-m2385,1997.

[20]SLi,WLi.Shapeadaptivediscretewavelettransformforcodingarbitrarilyshapedtexture[C].Proc.SPIEVCIP’97,1997,3024:1046–1056.