基于SOFM網(wǎng)絡(luò)的農(nóng)村居民點節(jié)約用地驅(qū)動類型研究

沈昊婧，張靄麗，張世全，陳春

(1.北京大學(xué)城市與環(huán)境學(xué)院，北京100871;2.伯明翰大學(xué)社會科學(xué)學(xué)院，英國伯明翰B15 2TT;3.河南省國土資源廳，鄭州450016;4.重慶交通大學(xué)資源與環(huán)境科學(xué)系，重慶400074)

0 引言

隨著經(jīng)濟(jì)快速發(fā)展和城鎮(zhèn)化進(jìn)程的加快，中國耕地資源緊缺的現(xiàn)狀日漸突出，土地節(jié)約集約利用已成為國家現(xiàn)行重要國策之一。在提高城市土地利用效率、防止城市無序擴張的同時，提高農(nóng)村居民點用地的節(jié)約集約利用程度成為有效解決中國土地資源短缺的一個重要途徑。目前，在中國廣大農(nóng)村地區(qū)廣泛存在著空心村、居民點用地粗放等一系列問題，據(jù)調(diào)查顯示，2005年中國農(nóng)村人均居民點用地面積為234 m2［1］，2010年仍超過190 m2［2］，遠(yuǎn)高于國家標(biāo)準(zhǔn)規(guī)定的上限150 m2/人。因此，農(nóng)村居民點用地面積的節(jié)約集約利用對于有效增加耕地面積、保證糧食安全具有重要作用。

當(dāng)前學(xué)者對于農(nóng)村居民點土地利用問題的研究多關(guān)注3個問題［3－13］:1)關(guān)注農(nóng)村居民點土地利用中居民點用地整理的潛力評價、模式和驅(qū)動機制、布局優(yōu)化等問題;2)農(nóng)村居民點用地空間分異、人口與土地時空特征等空間屬性的問題;3)農(nóng)村居民點用地變化的動力機制和驅(qū)動力。國內(nèi)學(xué)術(shù)界對以上3個問題的研究成果日漸豐富，概括說來有4個特點:1)關(guān)注農(nóng)村居民點整理及其潛力、效果評價等的研究居多;2)在進(jìn)行農(nóng)村居民點用地整理潛力評價、農(nóng)村居民點用地空間屬性方面的研究時，多選用以典型地區(qū)為例的案例研究方法;3)在現(xiàn)有研究中多關(guān)注于微觀尺度，即對農(nóng)村居民點問題的研究多考慮當(dāng)?shù)氐母鞣N具體情況，對于宏觀尺度的研究和探討不足;4)在研究方法的選取上，多是選用傳統(tǒng)的基于主成分分析和層次分析法的評價方法。

現(xiàn)有研究已證明農(nóng)村居民點的節(jié)約集約用地受到當(dāng)?shù)亟?jīng)濟(jì)社會要素的影響，宏觀區(qū)域的經(jīng)濟(jì)、社會等因素也會在一定程度上影響當(dāng)?shù)氐母鞣N經(jīng)濟(jì)社會要素，進(jìn)而影響到農(nóng)村居民點土地利用效率［2］。因此，從宏觀區(qū)域?qū)用嫔涎芯哭r(nóng)村居民點土地利用問題有其科學(xué)性和可行性;在對農(nóng)村居民點節(jié)約集約用地驅(qū)動因素方面的研究中，選擇從宏觀區(qū)域?qū)用嫜芯哭r(nóng)村居民點節(jié)約用地驅(qū)動影響的不同類型有其理論意義。

目前，學(xué)術(shù)界對類別劃分的研究方法已日趨成熟和完善。在人文地理學(xué)領(lǐng)域的研究中用到的聚類方法中除了傳統(tǒng)的快速聚類、層次聚類、判別聚類外，近些年又出現(xiàn)了二步聚類和自組織特征映射網(wǎng)絡(luò)(self-organizing feature map，SOFM)等新的聚類方法。人文地理問題用SOFM網(wǎng)絡(luò)進(jìn)行研究有兩種思路［14－20］，一是用其進(jìn)行數(shù)據(jù)預(yù)處理中的分類工作(多為對遙感圖像的解譯過程)，二是直接從國家尺度、區(qū)域尺度和城市尺度上進(jìn)行如區(qū)域可持續(xù)發(fā)展水平、耕地壓力、城市地價、土地集約利用評價等問題的分類研究。中國現(xiàn)在尚無用SOFM網(wǎng)絡(luò)對農(nóng)村居民點用地問題的研究，且現(xiàn)有研究也表明SOFM網(wǎng)絡(luò)的分析方法在解決某些分類問題中具有其科學(xué)性和優(yōu)越性，因此，本研究選用SOFM網(wǎng)絡(luò)的分析方法從宏觀區(qū)域?qū)用鎸r(nóng)村居民點節(jié)約用地影響因素的不同驅(qū)動類型進(jìn)行分析，并從國家層面進(jìn)行對比分析。

1 研究區(qū)域和數(shù)據(jù)來源

本研究立足于宏觀視角，從國家尺度展開分析，以中國31個省份(不包括港、澳、臺)為基本單元，利用2002—2008年農(nóng)村居民點用地數(shù)據(jù)、社會經(jīng)濟(jì)發(fā)展數(shù)據(jù)來分析農(nóng)村居民點節(jié)約用地的影響因素和驅(qū)動類型。由于土地利用數(shù)據(jù)保密性的要求，所用最新數(shù)據(jù)截至2008年。其中土地利用類型數(shù)據(jù)來源于土地利用變更調(diào)查數(shù)據(jù)，其余的人口數(shù)據(jù)、經(jīng)濟(jì)和社會發(fā)展數(shù)據(jù)均來源于《中國統(tǒng)計年鑒》(2003—2009)。

2 研究方法和變量選取

2.1 研究思路

主要選用多元線性回歸模型和自組織特征映射網(wǎng)絡(luò)兩種模型進(jìn)行研究。第一，以中國31個省份為基本單元，以區(qū)域的經(jīng)濟(jì)社會發(fā)展指標(biāo)作為影響農(nóng)村居民點節(jié)約用地的解釋變量，采用逐步回歸的方法，選取首先進(jìn)入回歸方程的各指標(biāo)作為最終進(jìn)入回歸方程的自變量Xi。第二，以中國31個省份2002—2008年的各Xi為自變量，以反映農(nóng)村居民點節(jié)約用地狀況的農(nóng)村居民點人均用地面積為因變量，建立多元線性回歸模型，得到回歸系數(shù)矩陣D。第三，以回歸系數(shù)矩陣D的各列向量作為區(qū)分農(nóng)村居民點節(jié)約用地驅(qū)動類型的各參量，借助Matlab 7.6軟件，選用SOFM網(wǎng)絡(luò)分析方法進(jìn)行類別的劃分。

2.2 自組織特征映射網(wǎng)絡(luò)

自組織特征映射網(wǎng)絡(luò)是人工神經(jīng)網(wǎng)絡(luò)方法中一種主要用于分類研究的非監(jiān)督學(xué)習(xí)類網(wǎng)絡(luò)，最初由芬蘭學(xué)者T.Kohonen于1987年提出［21］。國內(nèi)最初應(yīng)用SOFM網(wǎng)絡(luò)進(jìn)行研究的文獻(xiàn)出現(xiàn)在1992年電子及通信領(lǐng)域;地理學(xué)中首次引入SOFM網(wǎng)絡(luò)方法是在1994年，研究其在彩色地圖自動分層中的應(yīng)用［22－23］。

SOFM網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)僅有輸入層和競爭層兩層，各神經(jīng)元對外部輸入響應(yīng)的權(quán)值，該網(wǎng)絡(luò)進(jìn)行分類的原理就是使網(wǎng)絡(luò)權(quán)值格局與輸入矢量格局達(dá)到最大限度吻合。SOFM網(wǎng)絡(luò)與傳統(tǒng)的分類方法相比，它所形成的分類中心能映射到一個曲面或平面上，并且保持拓?fù)浣Y(jié)構(gòu)不變［14］。SOFM網(wǎng)絡(luò)的算法中，P為輸入矢量，R為輸入層神經(jīng)元數(shù)目，S為輸出層神經(jīng)元數(shù)據(jù)，W為權(quán)值矩陣;在經(jīng)過最初的權(quán)值初始化之后，網(wǎng)絡(luò)隨機選取最佳匹配單元i和輸入樣本，并計算輸入矢量與權(quán)向量間的歐式距離，當(dāng)輸入樣本滿足‖x－wc‖=min‖xi－wi‖時，該樣本(標(biāo)記為c)即為獲勝單元。再以獲勝單元c為中心不斷修正相鄰單元的權(quán)值，直至權(quán)值格局與輸入矢量格局最大程度吻合為止。

2.3 指標(biāo)選取

農(nóng)村居民點整體用地面積與該村莊規(guī)模有關(guān)，為較恰當(dāng)?shù)胤从侈r(nóng)村居民點節(jié)約用地的情況，可選擇“農(nóng)村居民點人均用地面積”指標(biāo)變量。區(qū)域整體城鎮(zhèn)化水平(以區(qū)域非農(nóng)人口比例來表示)越高，說明區(qū)域的土地城鎮(zhèn)化程度越高，從某種程度上會影響到農(nóng)村居民的流動性，進(jìn)而影響農(nóng)村居民點的節(jié)約用地程度。人均GDP可以反映區(qū)域整體的經(jīng)濟(jì)規(guī)模;農(nóng)用地地均產(chǎn)出、二三產(chǎn)占總GDP的比例可反映區(qū)域一二三次產(chǎn)業(yè)各自的發(fā)展水平;城鎮(zhèn)居民可支配收入和農(nóng)村人均收入分別可以反映區(qū)域城鎮(zhèn)和農(nóng)村居民的富裕程度;客貨運量可從側(cè)面反映區(qū)域基礎(chǔ)設(shè)施的情況;萬人床位數(shù)和萬人衛(wèi)生人員數(shù)反映區(qū)域衛(wèi)生基礎(chǔ)設(shè)施的情況;義務(wù)教育普及率和高等教育人口比例反映區(qū)域教育資源的完備程度。

式中:Y表示農(nóng)村居民點人均用地面積;S表示農(nóng)村居民點用地面積;P表示農(nóng)業(yè)人口。農(nóng)村居民點人均用地面積越大，表示農(nóng)村居民點節(jié)約用地程度越低。

選用農(nóng)村居民點人均用地面積作為因變量來反映農(nóng)村居民點節(jié)約用地的情況，并初步選擇非農(nóng)人口比例(X1)為反映區(qū)域城鎮(zhèn)化水平的指標(biāo)，選擇人均GDP(X21)、農(nóng)用地地均產(chǎn)出(X22)、二產(chǎn)產(chǎn)值占總GDP比例(X23)、三產(chǎn)產(chǎn)值占總GDP比例(X24)、城鎮(zhèn)居民可支配收入(X25)、農(nóng)村人均收入(X26)為反映區(qū)域整體經(jīng)濟(jì)發(fā)展情況的指標(biāo)，選擇客運量(X31)、貨運量(X32)、萬人床位數(shù)(X33)、萬人衛(wèi)生人員數(shù)(X34)、義務(wù)教育普及率(X35)、高等教育人口比例(X36)為區(qū)域社會發(fā)展情況的指標(biāo)。

3 研究結(jié)果和分析

3.1 回歸分析結(jié)果

以全國31個省份為樣本，對2002—2008年各樣本的13項解釋變量進(jìn)行數(shù)據(jù)標(biāo)準(zhǔn)化處理。用2004—2008年31個樣本的數(shù)據(jù)進(jìn)行逐步回歸，選用2002年和2003年的相關(guān)系數(shù)矩陣作為參照，進(jìn)行變量篩選。各年份首先進(jìn)入模型的變量集中在X1非農(nóng)人口比例、X25城鎮(zhèn)居民可支配收入、X35義務(wù)教育普及率、X22農(nóng)用地地均產(chǎn)出。與2002，2003年各指標(biāo)變量間的相關(guān)系數(shù)發(fā)現(xiàn)，X22變量與X35變量與其余各變量間的相關(guān)系數(shù)大，均在0.5左右，為能綜合反映城鎮(zhèn)化、區(qū)域經(jīng)濟(jì)發(fā)展和區(qū)域社會發(fā)展三方面的影響，故最終選擇X1非農(nóng)人口比重、X25城鎮(zhèn)居民可支配收入、X35義務(wù)教育普及率3個變量作為進(jìn)入多元回歸模型的自變量(表1)。

3.2 建立SOFM網(wǎng)絡(luò)分類

對每個樣本2002—2008年的3個自變量數(shù)據(jù)建立多元線性回歸模型，由于研究目的是根據(jù)3個自變量的影響程度對農(nóng)村居民點節(jié)約用地區(qū)域類型進(jìn)行劃分，建立該多元線性回歸模型是為了找到3個自變量對各省份樣本的影響程度，不是用來進(jìn)行預(yù)測，因此，在選取其回歸系數(shù)時暫未考慮模型的判決系數(shù)、F檢驗和t檢驗。得到的回歸系數(shù)矩陣如表2所示。

用Matlab 7.6建立SOFM網(wǎng)絡(luò)對表3中31個樣本進(jìn)行分類。建立的SOFM網(wǎng)絡(luò)輸入層有31個樣本、3個輸入指標(biāo);根據(jù)需要分類的數(shù)據(jù)，輸出層分別為3×1，4×1，5×1，6×1和7×1的網(wǎng)絡(luò)結(jié)構(gòu);其余指標(biāo)如學(xué)習(xí)效率、最大鄰域數(shù)、訓(xùn)練批次等均選用SOFM網(wǎng)絡(luò)默認(rèn)的數(shù)值。表3是分別將31個樣本分3類，4類，5類，6類，7類時的結(jié)果對比(表3)。

表2 區(qū)域發(fā)展對農(nóng)村居民點節(jié)約用地影響的回歸系數(shù)矩陣Tab.2 The regression coefficient matrix of regional development affecting rural residential intensive land use

在建立SOFM網(wǎng)絡(luò)分類過程中，當(dāng)命令網(wǎng)絡(luò)生成5類時僅分出了4類，命令網(wǎng)絡(luò)生成6類和7類時僅生成了5類，說明對農(nóng)村居民點節(jié)約用地驅(qū)動類型劃分的問題中，將全國31個樣本化為4類和5類最為穩(wěn)定。對比表3中各分類結(jié)果樣本的特征，發(fā)現(xiàn)分為5類(結(jié)果顯示為4類)的結(jié)果最為合理。

根據(jù)分析，可將全國農(nóng)村居民點節(jié)約用地驅(qū)動類型劃分四類，根據(jù)各種類型表現(xiàn)的特點將其概括為:區(qū)域發(fā)展負(fù)向驅(qū)動、區(qū)域城鎮(zhèn)化負(fù)向驅(qū)動、區(qū)域經(jīng)濟(jì)負(fù)向驅(qū)動和區(qū)域發(fā)展正向驅(qū)動4種類型(圖1)。

以湖北、內(nèi)蒙古等為代表的區(qū)域發(fā)展負(fù)向驅(qū)動類型，區(qū)域整體的發(fā)展水平越高，農(nóng)村居民點節(jié)約用地程度越低;以天津、山西和甘肅等為代表的區(qū)域城鎮(zhèn)化負(fù)向驅(qū)動類型，區(qū)域城鎮(zhèn)化水平越高，農(nóng)村居民點節(jié)約用地程度越低;以吉林和廣西為代表的區(qū)域經(jīng)濟(jì)負(fù)向驅(qū)動類型，區(qū)域經(jīng)濟(jì)發(fā)展水平越高，農(nóng)村居民點節(jié)約用地程度越低;以北京、上海、遼寧為代表的區(qū)域發(fā)展正向驅(qū)動類型，區(qū)域整體各項發(fā)展水平越高，農(nóng)村居民點節(jié)約用地程度越高。

一般認(rèn)為城鎮(zhèn)化是農(nóng)業(yè)人口向非農(nóng)人口的轉(zhuǎn)移，區(qū)域城鎮(zhèn)化水平的提高，意味著公式中的農(nóng)業(yè)人口減少，但多數(shù)地區(qū)總的農(nóng)村居民點用地面積并未隨著農(nóng)業(yè)人口的減少而相應(yīng)縮減。農(nóng)村居民點節(jié)約用地驅(qū)動的4種類型中，區(qū)域發(fā)展負(fù)向驅(qū)動、區(qū)域城鎮(zhèn)化負(fù)向驅(qū)動2種類型中農(nóng)村居民點節(jié)約用地程度均與區(qū)域城鎮(zhèn)化總體水平相關(guān)，占了全國省份的83.87%。經(jīng)濟(jì)發(fā)展與城鎮(zhèn)化程度有較大的相關(guān)性，在區(qū)域經(jīng)濟(jì)負(fù)向驅(qū)動類型中吉林和廣西的區(qū)域經(jīng)濟(jì)發(fā)展對農(nóng)村居民點節(jié)約用地程度表現(xiàn)出了較強的負(fù)作用，說明在這兩個區(qū)域中經(jīng)濟(jì)的發(fā)展是影響農(nóng)村居民點用地面積的關(guān)鍵因素。

與此相反，以北京、上海、遼寧為代表的區(qū)域發(fā)展正向驅(qū)動類型中，北京和遼寧的城鎮(zhèn)化程度越高，農(nóng)村居民點的節(jié)約用地程度越高。北京的城鎮(zhèn)化過程是在城市蔓延背景下土地和人口幾乎同步的城鎮(zhèn)化，同時大量外來人口的遷入也是北京城鎮(zhèn)化的重要動力之一，因此，在如北京這樣的區(qū)域出現(xiàn)了城鎮(zhèn)化程度越高農(nóng)村居民點節(jié)約用地程度也越高的現(xiàn)象。從全國范圍來看，在農(nóng)村居民點節(jié)約用地驅(qū)動的問題上出現(xiàn)了較顯著的“馬太效應(yīng)”。區(qū)域整體發(fā)展水平高且能夠作為全國經(jīng)濟(jì)增長極和吸引極核的區(qū)域，其農(nóng)村居民點節(jié)約用地的程度受到區(qū)域整體的城鎮(zhèn)化、經(jīng)濟(jì)、社會綜合發(fā)展的正向影響越顯著(如區(qū)域發(fā)展正向驅(qū)動類型);反之則相反。

表3 SOFM網(wǎng)絡(luò)分類結(jié)果對比表Tab.3 The comparison among different result form SOFM

圖1 農(nóng)村居民點節(jié)約用地驅(qū)動類型的SOFM網(wǎng)絡(luò)分類結(jié)果Fig.1 SOFM classification of rural residential intensive land use driven type

4 結(jié)論

農(nóng)村居民點節(jié)約用地是實現(xiàn)“節(jié)約用地”基本國策的重要內(nèi)容。影響農(nóng)村居民點節(jié)約用地的因素復(fù)雜多樣，本研究從宏觀區(qū)域的層面對農(nóng)村居民點節(jié)約用地的驅(qū)動類型進(jìn)行分析，并建立多元線性回歸模型，從宏觀區(qū)域?qū)用娣治鲛r(nóng)村居民點用地的影響因素，并以各影響因素的回歸系數(shù)矩陣作為分類依據(jù)，采用SOFM網(wǎng)絡(luò)對其進(jìn)行自主學(xué)習(xí)的無監(jiān)督分類。研究結(jié)果表明:1)從宏觀區(qū)域?qū)用婵矗r(nóng)村居民點節(jié)約用地的驅(qū)動類型可劃分為四個類別，分別為區(qū)域發(fā)展負(fù)向驅(qū)動、區(qū)域城鎮(zhèn)化負(fù)向驅(qū)動、區(qū)域經(jīng)濟(jì)負(fù)向驅(qū)動和區(qū)域發(fā)展正向驅(qū)動。2)從全國來看，在農(nóng)村居民點節(jié)約用地驅(qū)動的問題上出現(xiàn)了較顯著的馬太效應(yīng);區(qū)域發(fā)展水平高的地區(qū)，農(nóng)村居民點節(jié)約用地程度受到區(qū)域發(fā)展的正向影響越顯著，反之則相反。3)SOFM網(wǎng)絡(luò)在本研究中的有效應(yīng)用說明其在社會經(jīng)濟(jì)的地域類型劃分中具有一定應(yīng)用價值。

SOFM網(wǎng)絡(luò)是一種基于自主學(xué)習(xí)后的無監(jiān)督分類方法，其分類的準(zhǔn)確性受到樣本單元、指標(biāo)間相互關(guān)系的影響。本研究以31個省級行政單元為基本研究單元，樣本偏少;基于數(shù)據(jù)所限的研究時段為2002—2008年，時序略短;在后續(xù)研究中需改進(jìn)。

［1］韓丹，馮長春，古維迎.我國農(nóng)村居民點土地節(jié)約集約利用影響因素及區(qū)域差異研究［J］.中國農(nóng)業(yè)資源與區(qū)劃，2010，31(5):29－35.

［2］李裕瑞，劉彥隨，龍花樓.中國農(nóng)村人口與農(nóng)村居民點用地的時空變化［J］.自然資源學(xué)報，2010，25(10):1629－1638.

［3］武紅智，朱運海，肖飛.濟(jì)南市農(nóng)村居民點用地變化及驅(qū)動力分析［J］.山東科學(xué)，2009，22(4):42－46.

［4］王煥，徐逸倫，魏宗財.農(nóng)村居民點空間模式調(diào)整研究——以江蘇省為例［J］.熱帶地理，2008，28(1):68－73.

［5］張娟鋒，劉洪玉，虞曉芬.北京農(nóng)村居民點整理模式與政策驅(qū)動機制設(shè)計［J］.地域研究與開發(fā)，2013，32(3):125－128.

［6］馬佳，韓桐魁.基于集約利用的農(nóng)村居民點用地標(biāo)準(zhǔn)探討——以湖北省孝感市孝南區(qū)為例［J］.資源科學(xué)，2008，30(6):955－960.

［7］劉玉，劉彥隨，王介勇.農(nóng)村居民點用地整理的分區(qū)評價——以河北省為例［J］.地理研究，2010，29(1):145－153.

［8］王筱明，鄭新奇.縣域城鄉(xiāng)居民點用地整治布局優(yōu)化研究——以山東省濟(jì)陽縣為例［J］.地域研究與開發(fā)，2012，31(5):111－116.

［9］金明麗.山區(qū)農(nóng)村居民點還耕可行性研究——以北京市門頭溝區(qū)為例［J］.中國土地科學(xué)，2008，22(5):11－15.

［10］韓武波，殷海善，安祥生.影響山西省農(nóng)村居民點整理的現(xiàn)實因素分析［J］.中國土地科學(xué)，2010，24(4):51－54.

［11］陳曦?zé)?，宋?北京市海淀區(qū)農(nóng)村居民點集約利用評價［J］.資源科學(xué)，2009，31(10):1772－1778.

［12］張建，程久苗，范樹平，等.農(nóng)村居民點用地變化驅(qū)動力研究綜述［J］.地域研究與開發(fā)，2010，29(3):106－109.

［13］曹秀玲，張清軍，尚國琲，等.河北省農(nóng)村居民點整理潛力評價分級［J］.農(nóng)業(yè)工程學(xué)報，2009，25(11):318－313.

［14］李雙成.中國可持續(xù)發(fā)展水平區(qū)域差異的人工神經(jīng)網(wǎng)絡(luò)判定［J］.經(jīng)濟(jì)地理，2001，21(5):523－526.

［15］高陽，趙瑞娜，阿杉，等.基于自組織特征映射網(wǎng)絡(luò)的全國地級市城市地價區(qū)域分類研究［J］.北京大學(xué)學(xué)報:自然科學(xué)版，2010，46(4):655－660.

［16］葉敏婷，王仰麟，彭建，等.基于網(wǎng)絡(luò)的云南省土地利用程度類型劃分研究［J］.地理科學(xué)進(jìn)展，2007，26(2):97－105.

［17］吳聘奇，黃民生.網(wǎng)絡(luò)在福建省城市職能分類中的應(yīng)用［J］.經(jīng)濟(jì)地理，2005，25(1):68－70.

［18］劉耀彬，宋學(xué)鋒.基于人工神經(jīng)網(wǎng)絡(luò)的長江三角洲地區(qū)城市職能分類［J］.云南地理環(huán)境研究，2005，7(6):19－22.

［19］曹蕾，梁啟學(xué)，莫燕，等.基于SOM的小城鎮(zhèn)土地集約利用評價——以重慶市渝北區(qū)為例［J］.河北農(nóng)業(yè)科學(xué)，2008，12(10):120－122.

［20］孫強，王樂，蔡運龍.基于網(wǎng)絡(luò)的中國耕地壓力綜合分區(qū)［J］.北京大學(xué)學(xué)報:自然科學(xué)版，2008，44(4):625－631.

［21］Kohonen T.Self-organization and Associated Memory［M］.Berlin:Springer-Verlag，1987.

［22］王衛(wèi)，蔡德鈞，萬發(fā)貫.改進(jìn)的網(wǎng)絡(luò)及圖像自適應(yīng)矢量量化［J］.通信學(xué)報，1992，13(5):16－21.

［23］黎洪松，全子一.圖象矢量量化的神經(jīng)網(wǎng)絡(luò)實現(xiàn)［J］.北京郵電大學(xué)學(xué)報，1994，17(2):27－33.