仿真实验结果表明，运用学习向量量化神经网络检测入侵，可以达到较高的准确检测率，是一种有效的入侵检测手段。
在实验后我们发现，提出的方法相对于边缘吻合向量量化编码呈现了较好的影像品质。
针对向量量化这种常用的图象压缩方法，设计了两类信息搭载方案，并对参数取值的不同情况进行了实验比较。
第二层次将自组织拓扑映射与向量量化器相结合，最终生成主曲线。
在此基础上用一个有限维向量量化光照变化，对像素进行补偿，提高对光照变化的适应能力。
受分形编码思想启发，提出了一种新的基于向量量化的图像超分辨率方法。
该方法使用了向量量化技术并采用LBG算法设计码本.
在实验设计上，先产生三种混合样本资料，以比较在各种不同的实验设计下，学习向量量化网路分类正确性之差异。