該成果獲得2007年廣東省科學技術(shù)二等獎。在國際上，首次提出了“強化學習”的學習機理。創(chuàng)造性引入了吸引和排斥兩類學習因子，前者初步統(tǒng)一了傳統(tǒng)學習矢量量化的數(shù)學模型，后者能夠有效地釋放對碼書最優(yōu)解的尋解空間的約束。學習矢量量化理論的研究因此從傳統(tǒng)的K-Means和FKM算法發(fā)展到一個全新的階段：模糊強化學習矢量量化（FRLVQ）達到了國際領(lǐng)先水平。
在國際上，開拓性地在矢量量化領(lǐng)域引入了仿生信號處理，創(chuàng)造性地提出了一種基于蟻群算法的矢量量化的碼書設(shè)計算法。開拓性地將矢量量化應(yīng)用到第二代智能數(shù)字水印研究中，在壓縮圖像的版權(quán)保護中首次系統(tǒng)地引入矢量量化的攻擊分析。
模糊強化學習矢量量化理論與算法代表了國際上學習矢量量化研究領(lǐng)域的最高水平。該成果對于推動圖象壓縮編碼理論的研究，具有重要理論意義和廣闊的應(yīng)用前景。
