学习矢量量化算法的性能分析

朱策; 厉力华; 王太君; 何振亚

您当前的位置：

首页 >

文章列表页 >

学习矢量量化算法的性能分析

更新时间：2025-12-08

- 学习矢量量化算法的性能分析
- The Performance Analysis of Learning Vector Quantization Algorithm
- 电子学报 1995年第7期
- 作者机构：
  
  1. 汕头大学电子工程系
  2. 东南大学无线电工程系
  3. 汕头大学电子工程系东南大学无线电工程系
- 作者简介：
- 基金信息：
  
  国家攀登计划认知科学（神经网络）重大关键项目,国家863通信技术资助
- DOI：
  中图分类号： O234
- 纸质出版：1995
- 稿件说明：
移动端阅览
[1]朱策,厉力华,王太君,何振亚.学习矢量量化算法的性能分析[J].电子学报,1995(07):59-63.

Zhu ce. The Performance Analysis of Learning Vector Quantization Algorithm[J]. Acta Electronica Sinica, 1995, (7).
[1]朱策,厉力华,王太君,何振亚.学习矢量量化算法的性能分析[J].电子学报,1995(07):59-63. DOI：

Zhu ce. The Performance Analysis of Learning Vector Quantization Algorithm[J]. Acta Electronica Sinica, 1995, (7). DOI：

摘要

本文针对学习矢量量化算法Ⅰ型和Ⅱ型（ＬＶＱ１、ＬＶＱ２）进行了深入的分析研究，取得了以下结果：（１）对应于ＬＶＱ１算法，提出了一种选取学习步长的优化方案；（２）得到了ＬＶＱ１算法关于线性可分模式分类问题的一个重要结论；（３）严格推导出ＬＶＱ２算法实质上是一种使分类错误减小的梯度下降法；（４）得出了ＬＶＱ２算法对于类间混叠的模式分类问题不存在稳定平衡状态这一重要结论；（５）针对ＬＶＱ２算法处理类间混叠模式分类问题的缺陷，提出了一种有效的ＬＶＱ２修正算法．

Abstract

Learning Vector Quantization algorithm of type I and type 2（LVQ1

LVQ2） are analyzed thoroughly

and the achievements obtained can be concluded as the following aspects;（1） an optimized scheme of selecting learning step size for LVQ1 is proposed;（2）a significant conclusion is obtained that is concerned with LVQ1 algorithm for the linearly-separable pattern classification problem;（3）LVQ2 algorithm is derived rigorously as a gradient descent method to minimize the classification error;（4）another significant conclusion is achieved that any stable equilibrium state does not exist for LVQ2 algorithm dealing with the overlapping classification problem;（5） an effective modified LVQ2 algorithm is developed to overcome the defect of LVQ2 algorithm for overlapping classification.

关键词

Keywords

references

浏览量

275

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

二阶环形间隔分类器

粗糙近似算子在模式的可能性和必然性分类中的应用

一种有效的大规模数据的分类方法

一种基于超盒表示的规则提取方法

一种多分辨率组合的模糊神经网络分类器