LVQ神经网络人脸识别

学习向量量化LVQ(Learning Vector Quantization)神经网络，属于前向神经网络类型，在模式识别和优化领域有着广泛的的应用。 LVQ神经网络由三层组成，即输入层、隐含层和输出层，网络在输入层与隐含层间为完全连接，而在隐含层与输出层间为部分连接，每个输出层神经元与隐含层神经元的不同组相连接。隐含层和输出层神经元之间的连接权值固定为1。输入层和隐含层神经元间连接的权值建立参考矢量的分量（对每个隐含神经元指定一个参考矢量）。在网络训练过程中，这些权值被修改。隐含层神经元（又称为Kohnen神经元）和输出神经元都具有二进制输出值。当某个输入模式被送至网络时，参考矢量最接近输入模式的隐含神经元因获得激发而赢得竞争，因而允许它产生一个“1”，而其它隐含层神经元都被迫产生“0”。与包含获胜神经元的隐含层神经元组相连接的输出神经元也发出“1”，而其它输出神经元均发出“0”。产生“1”的输出神经元给出输入模式的类，由此可见，每个输出神经元被用于表示不同的类。

Images
10_1.bmp
10_2.bmp
10_3.bmp
10_4.bmp
10_5.bmp
1_1.bmp
1_2.bmp
1_3.bmp
1_4.bmp
1_5.bmp
2_1.bmp
2_2.bmp
2_3.bmp
2_4.bmp
2_5.bmp
3_1.bmp
3_2.bmp
3_3.bmp
3_4.bmp
3_5.bmp
4_1.bmp
4_2.bmp
4_3.bmp
4_4.bmp
4_5.bmp
5_1.bmp
5_2.bmp
5_3.bmp
5_4.bmp
5_5.bmp
6_1.bmp
6_2.bmp
6_3.bmp
6_4.bmp
6_5.bmp
7_1.bmp
7_2.bmp
7_3.bmp
7_4.bmp
7_5.bmp
8_1.bmp
8_2.bmp
8_3.bmp
8_4.bmp
8_5.bmp
9_1.bmp
9_2.bmp
9_3.bmp
9_4.bmp
9_5.bmp
Thumbs.db
html
chapter22_lvq.html
chapter_svm.m
chapter22_bp.m
chapter22_lvq.m
crossvalind_lvq.m
feature_extraction.m
lvq_predict.m
lvq1_train.m
lvq2_train.m
Readme.txt
test.m
MATLAB神经网络30个案例分析源代码[Demo]chapter22_lvq.pdf