LBG算法

LBG算法是由Linde,Buzo,Gray三人在1980年提出的。它其實相當於Lord-Max方法的多維推廣，但它並不需要知道輸入矢量的機率分布，LBG算法通過訓練矢量集和一定的疊代算法來逼近最優的再生碼本。

思想

1.隨意選取n個圖像塊作為碼矢量。

2.由這n個碼矢量對所有的圖像塊進行劃分，即分成n個集合，使每個集合中的圖像塊，都是與各碼矢量距離中，與對應的碼矢量的距離最小的。

3.由這n個集合的重心，得到n個新的碼矢量。

4.如果這些個碼矢量與原來的碼矢量變化不大（收斂），就完成碼書的訓練，否則重新進行2、3步。

局限性

1.最優量化器是對於訓練向量集而言，對於實際的未經訓練的向量集是否最優還很難說，這要依賴於訓練向量的代表性到底真實到何種程度。

2.由於最佳化分割的過程沒有依據數據結構方面的規則或者限制，而是自由進行，這就使得對碼本進行有效組織時遇到極大的困難。

3.在有些時候根本無法找到真正有代表性的訓練向量集。