学习向量量化法(Learning vector quantization)

学习向量量化法(Learning vector quantization)
一般针对二分类，多分类问题

在codebook vector里面找数据，通过欧几里得距离公式判断距离，寻找最好的数学单元(Best - Matching- Unit)

训练过程：
选择部分codebook vector数据记为A
⬇⬇⬇⬇⬇⬇⬇⬇⬇⬇⬇⬇
开始竞争(codebook vector中选出的A与训练实例一致的情况下，A靠近实例，反之则远离)
⬇⬇⬇⬇⬇⬇⬇⬇⬇⬇⬇⬇
通过学习率(learning-rate)控制远离的程度
B = B + learing-rate*（K-B）
K是训练数据,B输入变量
⬇⬇⬇⬇⬇⬇⬇⬇⬇⬇⬇⬇
对每个实例进行上述的单独学习
learning-rate也会有alpha(α，这里指最初定义的学习率)进行变化
学习率更新公式:
learing-rate = α * (1-epoch/max_epoch)

标签：学习,向量量化,实例,codebook,rate,vector,learing,Learning
来源： https://blog.csdn.net/CSDNXXCQ/article/details/114600745