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。
初始化一組原型向量，初始化的方法一般為，從第q個簇裡面隨機找乙個標記為tq的樣本進行初始化
repeat :
從樣本中隨機選擇樣本
計算樣本到每乙個原型向量的距離
找到乙個最短的距離
if yj = ti (同一類)
p' := pj + a (xj - pj) (減小兩者之間的距離可以用數學公式算，也具有幾何直觀性，讓p接近這個樣本點 a 為學習率)
else
p' := pj - a (xj - pj) （增大距離，讓p遠離樣本點）
更新 pj := p'
迭代直到滿足要結束的條件。
感覺這像是乙個分類演算法 嘻嘻嘻
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...
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，...