1. 仿真實驗結果表明，運用學習向量量化神經網絡檢測入侵，可以達到較高的準確檢測率，是一種有效的入侵檢測手段。

2. 在實驗后我們發(fā)現，提出的方法相對于邊緣吻合向量量化編碼呈現了較好的影像品質。

3. 針對向量量化這種常用的圖象壓縮方法，設計了兩類信息搭載方案，并對參數取值的不同情況進行了實驗比較。

4. 第二層次將自組織拓撲映射與向量量化器相結合，最終生成主曲線。

5. 在此基礎上用一個有限維向量量化光照變化，對像素進行補償，提高對光照變化的適應能力。

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并采用LBG算法設計碼本.

8. 在實驗設計上，先產生三種混合樣本資料，以比較在各種不同的實驗設計下，學習向量量化網路分類正確性之差異。