1. 仿真實(shí)驗(yàn)結(jié)果表明，運(yùn)用學(xué)習(xí)向量量化神經(jīng)網(wǎng)絡(luò)檢測(cè)入侵，可以達(dá)到較高的準(zhǔn)確檢測(cè)率，是一種有效的入侵檢測(cè)手段。

2. 在實(shí)驗(yàn)后我們發(fā)現(xiàn)，提出的方法相對(duì)于邊緣吻合向量量化編碼呈現(xiàn)了較好的影像品質(zhì)。

3. 針對(duì)向量量化這種常用的圖象壓縮方法，設(shè)計(jì)了兩類信息搭載方案，并對(duì)參數(shù)取值的不同情況進(jìn)行了實(shí)驗(yàn)比較。

4. 第二層次將自組織拓?fù)溆成渑c向量量化器相結(jié)合，最終生成主曲線。

5. 在此基礎(chǔ)上用一個(gè)有限維向量量化光照變化，對(duì)像素進(jìn)行補(bǔ)償，提高對(duì)光照變化的適應(yīng)能力。

6. 受分形編碼啟發(fā)，提出了一種新的基于向量量化的圖像超分辨率方法。

7. 該方法使用了向量量化技術(shù)并采用LBG算法設(shè)計(jì)碼本.

8. 在實(shí)驗(yàn)設(shè)計(jì)上，先產(chǎn)生三種混合樣本資料，以比較在各種不同的實(shí)驗(yàn)設(shè)計(jì)下，學(xué)習(xí)向量量化網(wǎng)路分類正確性之差異。