在競爭網路結構的基礎上，學習向量化（learning vector quantization，lvq）網路被提出來，融合競爭學習思想和有監督學習演算法的特點，通過教師訊號對輸入樣本的分配類別進行規定，從而克服自組織網路採用無監督學習演算法帶來的缺乏分類資訊的弱點。
向量量化的思路是，將高維輸入空間分成若干不同的區域，對每個區域確定乙個中心向量作為聚類的中心，與其處於同一區域的輸入向量可用該中心向量來代表，從而形成了以各中心向量為聚類中心的點集。在影象處理領域常用各區域中心點（向量）的編碼代替區域內的點來儲存或傳輸，從而提出了各種基於向量量化的有失真壓縮技術。
在二維輸入平面上表示的中心向量分布稱為voronoi圖，如下圖所示，前兩篇博文介紹的勝者為王的學習規則以及sofm競爭學習演算法都是一種向量量化演算法，能用少量聚類中心表示原始資料，從起到資料壓縮作用。但sofm的各聚類中心對應的向量具有某種相似的特徵，而一般向量量化的中心不具有這種相似性。
自組織對映可以起到聚類作用，但無法直接分類或識別，因此它只是自適應解決模式分類問題兩步中的第一步。且讓我把第二步：學習向量量化，採用監督機制，在訓練中加入教師信
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，...
LVQ學習向量量化
現在已經2011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...
LBG 向量量化演算法
lbg向量化演算法 向量量化 vqvector quantization 是70年代後期發展起來的一種資料壓縮技術是一種高效的有損資料壓縮技術 它具有壓縮比大 解碼簡單和失真較小等優點。其基本思想是將若干個標量資料組構成乙個向量，然後在向量空間給以整體量化，從而壓縮了資料而不損失多少資訊。向量量化是...