学习矢量量化（learning vector quantization；LVQ），工学-信息与通信工程-模式识别-统计模式识别-学习矢量量化，有监督的基于原型的分类算法。是一种典型的判别学习模型。每一个类拥有若干具有代表性的原型，在分类过程中，根据样本到原型的距离（一般是欧氏距离，也可以使用其他距离如马氏距离）大小，将其分为最近原型所属类别。每个类的原型根据最小分类错误率准则在训练数据上进行学习得到。LVQ的主要思想是有监督的竞争学习，可以看成是一种特殊的人工神经网络。与其相对应的无监督竞争学习方法是矢量量化。另一种无监督学习方法自组织映射充分利用了原型之间的邻域拓扑结构来学习得到数据的低维可视化表示。当LVQ的原型不是学习得到而是直接从训练样本中选取时，LVQ模型就退化成传统的1-NN模型，如果采用多原型投票的决策准则就演变为k-NN模型。LVQ可以用于多类别的分类问题，其分界面（在欧氏距离度量下）为分段线性形式，由众多两个原型连线的垂直平分线组合而成。