修正的广义学习向量量化算法

摘要

讨论了Pal等的广义学习量化算法(GLVQ)和Karayiannis等的模糊学习量化算法(FGLVQ)的优缺点,提出了修正广义学习量化(RGLVQ)算法.该算法的迭代系数有很好的上下界,解决了GLVQ的"Scale"问题,又不像FGLVQ算法对初始学习率敏感.用IRIS数据集对算法进行了测试,并应用所给算法进行了用于图像压缩的量化码书设计.该文算法与FGLVQ类算法性能相当,但少了大量浮点除法,实验过程表明节约训练时间约10%.