2012
DOI: 10.1016/j.eswa.2011.07.108
|View full text |Cite
|
Sign up to set email alerts
|

Vector quantization using the firefly algorithm for image compression

Help me understand this report

Search citation statements

Order By: Relevance

Paper Sections

Select...
3
1
1

Citation Types

0
85
0
21

Year Published

2013
2013
2023
2023

Publication Types

Select...
5
3
1

Relationship

0
9

Authors

Journals

citations
Cited by 231 publications
(106 citation statements)
references
References 15 publications
0
85
0
21
Order By: Relevance
“…Bu algoritmaların, çözülmesi güç problemleri birkaç parametre ile daha kolay ve hızlı bir biçimde çözmesi ise klasik optimizasyon algoritmalarına göre en büyük avantajıdır [9]- [17]. Bu çalışmada kullanılan ateş böceği algoritması ise Xin-She Yang tarafından tropikal bölgelerde yaşayan ateş böceklerinin birbirileri ile işaretleşmesini model alan popülasyon tabanlı bir meta sezgisel algoritmadır.…”
Section: Introductionunclassified
See 1 more Smart Citation
“…Bu algoritmaların, çözülmesi güç problemleri birkaç parametre ile daha kolay ve hızlı bir biçimde çözmesi ise klasik optimizasyon algoritmalarına göre en büyük avantajıdır [9]- [17]. Bu çalışmada kullanılan ateş böceği algoritması ise Xin-She Yang tarafından tropikal bölgelerde yaşayan ateş böceklerinin birbirileri ile işaretleşmesini model alan popülasyon tabanlı bir meta sezgisel algoritmadır.…”
Section: Introductionunclassified
“…Bu çalışmada kullanılan ateş böceği algoritması ise Xin-She Yang tarafından tropikal bölgelerde yaşayan ateş böceklerinin birbirileri ile işaretleşmesini model alan popülasyon tabanlı bir meta sezgisel algoritmadır. Bu algoritmanın performansının iyi ve uygulamasının da bir o kadar kolay olmasından dolayı literatürde yer alan birçok çalışmada optimum değerleri bulmak için kullanılmıştır [10]- [17]. …”
Section: Introductionunclassified
“…It is also efficient in continuous optimization (see [52]) or multimodal optimization (see [53]). While in [54] is presented efficient application of FA in vector quantization. FA is also efficient in neural network training and power systems positioning (see [55] and [56], respectively).…”
Section: Simplified Firefly Algorithm -A Novel Approachmentioning
confidence: 99%
“…The aim of code book generation is to find code vectors (code book) for a given set of training vectors by minimizing the average pairwise distance between the training vectors and their corresponding code words (Horng 2012).…”
Section: Vector Quantization (Vq)mentioning
confidence: 99%