学习向量量化

在计算机科学中，学习向量量化（Learning Vector Quantization，LVQ）是一种基于原型的监督学习统计分类算法。 LVQ是向量量化的监督版本。

简介

LVQ是一种特殊的人工神经网络，更精确地说，它应用了贏者全取（英语：winner-take-all），基于赫布理论。

LVQ 在分类文本文档的时候非常有帮助。^[1]

参考

1. Fahad and Sikander. Classification of textual documents using learning vector quantization. Information Technology Journal 6.1 (2007): 154-159. 存档副本 (PDF). [2013-04-22]. （原始内容 (PDF)存档于2014-08-09）. 

• 特征序列的自组织图和学习向量量化, Somervuo 和 Kohonen. 2004（页面存档备份，存于互联网档案馆） (pdf)

外部链接

• LVQ for WEKA: WEKA 机器学习 Workbench 的 LVQ 变种（LVQ1, OLVQ1, LVQ2.1, LVQ3, OLVQ3）的实现。
• lvq_pak（页面存档备份，存于互联网档案馆） Kohonen和他的小组的官方发布 (1996)
• LVQ for WEKA（页面存档备份，存于互联网档案馆）: WEKA 机器学习 Workbench 的 LVQ 的另一个Java实现。