首先，有人可以解释什么是矢量量化，它的目的，以及它的作用是什么？其次，还将理解如何使用k-means来解释这一点。
为了记录，我不知道这是否会对解释产生影响，但我正在尝试在边界描述符的背景下学习矢量量化。如果我为图像中的特定片段计算了许多边界描述符，并且我想用k均值对它们进行矢量量化，这意味着什么，这会做什么，我为什么要做，以及我该怎么做它？
感谢您的帮助
答案 0 :(得分：1)
矢量量化是在一些向量空间中对随机变量进行离散化的过程。结果是将该随机变量投影到一组有限的节点上。它用于信号传输，正交，方差减少和许多其他应用。
最佳量化包括以这样的方式选择节点以最小化平均L ^ p离散化误差。
K-means也称为Lloyd算法，包括从任意一组结（或码本）开始，并用L ^ p-median（或简单地用二次量化的均值）迭代地替换它们中的每一个如果它落入该结的Voronoi单元中的概率分布。可以使用交互式动画here。 Lloyd算法的历史参考如下
Stuart P. Lloyd， PCM中的最小二乘量化，IEEE Transactions on Information Theory，vol。 28，issue 2，pp.129-137,1982
K-means算法总是减少量化误差，但并不总是收敛到全局最优量化器。尽管在一维对数 - 凹分布的情况下，算法收敛于唯一的全局最小值。
optimal quantization web site包含有关矢量量化和功能量化问题的大量参考书目。