DGRLVQ:动态广义相关学习矢量量化-开源

基于学习矢量量化（LVQ）的方法的一些常见问题是，无法最优地猜测多峰数据结构初始化所需的原型数量，即这些算法对原型的初始化非常敏感，因此必须预先定义最佳数量在运行算法之前对原型进行分析。 如果由于某种原因一个原型在其应代表的簇的“外部”，并且如果它们之间存在不同类别的点，则其他点将成为障碍，并且该原型在训练期间将找不到最佳位置。 由于在许多情况下未知模型的复杂性，因此我们通过引入“动态”版本的LVQ来避免此问题。 Dynamic-GRLVQ（DGRLVQ），通过针对每个类别动态/实时地逐个添加或删除原型，直到获得满意的分类结果为止，使模型复杂度适应训练期间的给定问题。