首先，有人可以解释什么是矢量量化，其目的以及它的作用吗？其次，也将理解关于如何使用k均值来做到这一点的解释。
为了记录，我不知道这在解释上是否会有所作为，但是我试图在边界描述符的上下文中学习矢量量化。如果我为图像中的特定片段计算了许多边界描述符，并且想使用k均值对它们进行矢量量化，这将意味着什么，该做什么，为什么要做以及如何做它？
向量量化是离散化某些向量空间中的值的过程。结果是将随机变量投影到有限的节点集上。它用于信号传输，正交，方差减小和许多其他应用。
最佳量化在于以最小化平均L ^ p离散化误差的方式选择结。
K均值也称为劳埃德算法，在于从任意一组结（或码本）开始，并用L ^ p中值（或简单地用二次量化的均值）迭代地替换每个结。给定概率分布落在该结的Voronoi单元中的概率。交互式动画可用here。有关Lloyd算法的历史参考如下
Stuart P. Lloyd，PCM的最小二乘量化，IEEE信息理论学报，第1卷。 28，第2期，第129–137页，1982年
K-均值算法总是减小量化误差，但并不总是收敛于全局最优量化器。尽管在一维对数-凹面分布的情况下，该算法收敛到唯一的全局最小值。
optimal quantization web site包含关于矢量量化和功能量化的广泛参考书目。