Recuperacion y Organizacion de la Informacion

LVQ (Learning Vector Quantization)

Se trata de un método de clasificación supervisada por vecindad. Es una versión supervisada del algoritmo de Kohonen en la que existe una faase de aprendizaje de los ejemplos, los cuales ya no volverán a ser utilizados.

La solución tiene dos componentes:

• La colocación final de los prototipos.
• El criterio para medir la distancia.

El algoritmo consta de los siguientes pasos:

• Se decide el número de prototipos y se inicializan aleatoriamente.
• Se introduce un nuevo ejemplo y se calcula su distancia a todos los prototipos.
• Se elige el prototipo más cercano y se le etiqueta como ganador.
• Si el nuevo ejemplo y el ganador pertenecen a la misma clase se desplaza el prototipo ganador hacia el patrón.
• Si el nuevo ejemplo y el ganador no pertenecen a la misma clase se aleja el prototipo ganador del ejemplo.
• Si los prototipos aún se desplazan, o el valor alfa es mayor que cero, volver al paso 2.