该成果获得2007年广东省科学技术二等奖。在国际上，首次提出了“强化学习”的学习机理。创造性引入了吸引和排斥两类学习因子，前者初步统一了传统学习矢量量化的数学模型，后者能够有效地释放对码书最优解的寻解空间的约束。学习矢量量化理论的研究因此从传统的K-Means和FKM算法发展到一个全新的阶段：模糊强化学习矢量量化（FRLVQ）达到了国际领先水平。
在国际上，开拓性地在矢量量化领域引入了仿生信号处理，创造性地提出了一种基于蚁群算法的矢量量化的码书设计算法。开拓性地将矢量量化应用到第二代智能数字水印研究中，在压缩图像的版权保护中首次系统地引入矢量量化的攻击分析。
模糊强化学习矢量量化理论与算法代表了国际上学习矢量量化研究领域的最高水平。该成果对于推动图象压缩编码理论的研究，具有重要理论意义和广阔的应用前景。
