現在已經2023年五月份了，今年的兩個多月幾乎沒什麼成果，想到水樣年華這個詞，額！總結過往，翹首未來，心中不免些許迷茫,程式設計師之路在何方？靡靡之音，不絕於耳，然何時我也能奏一首陽春白雪，不為流傳於世，只求一心靈安靜之所！！
lvq原理不再贅述，其本質可以看成是最近鄰分類，所謂競爭性神經網路，即把歐氏距離最小的神經元當做勝出神經元，針對正確分類和不正確分類情況進行調整權值。後來又發展了lvq2，lvq2.1,lvq3等演算法，在本質上沒有改變，只不過又考慮了次獲勝神經元。
其中lvq1，lvq2.1在matlab神經網路工具箱中已經實現，但是lvq3目前為止還沒有找到較好的資源，我根據網上現存的程式進行了修改。
機器學習之學習向量量化 LVQ
學習向量量化是一種聚類演算法，我自己感覺這應該是一種監督學習演算法吧，這種演算法屬於原型聚類，找到初始原型來刻畫聚類結構，與一般聚類演算法不同的是，lvq 這種演算法資料樣本帶有監督資訊標記 通過資料集不斷學習不斷移動原型向量的位置，把高維空間劃分成 n 個簇，每個原型向量代表乙個聚類簇。初始化一組...
手寫LVQ（學習向量量化）聚類演算法
lvq聚類與k means不同之處在於，它是有標記的聚類。基本思想 初始化q個原型向量 q代表需要聚類的類別數 每個原型向量也初始化其標籤 標籤與樣本標籤取值範圍相同 如果原型向量的標籤與某樣本標籤相同 不同，則使用兩者間距離更新原型向量 相同時靠近更新，不同時遠離更新 因此，原型向量將反映乙個標籤...
學習向量量化
與 k 均值演算法類似，學習向量量化 learning vector quantization，簡 稱 lvq 也是試圖找到一組原型向量來刻畫聚類結構，但與一般聚類演算法不同 的是，lvq 假設資料樣本帶有類別標記，學習過程利用樣本的這些監督資訊來 輔助聚類.可看作通過聚類來形成 類別 子類 結構，...