LBG算法，全稱為Linde-Buzo-Gray算法，是一種矢量量化算法，由Linde、Buzo和Gray三人在1980年提出。該算法是基於Lloyd算法的推廣，而Lloyd算法本身源於K-Means算法聚類方法。LBG算法通過疊代過程來逼近最優的再生碼本，不需要知道輸入矢量的機率分布。
LBG算法的基本步驟包括：
隨機選取初始碼本中的碼矢量。
分組訓練序列，將每個訓練矢量根據最鄰近準則分配到最近的碼矢量對應的組。
計算每個組的質心，更新碼本中的碼矢量。
疊代重複步驟2和3，直到滿足停止條件，如失真度的變化小於某個閾值。
LBG算法與K-Means算法類似，但它的失真度定義與距離相關，並且在疊代過程中不斷最佳化碼本。由於LBG算法處理的是矢量量化問題，它比標量量化更高效，特別是在處理具有相關性結構的數據時。
總結來說，LBG算法是一種高效的矢量量化技術，廣泛套用於數據壓縮和信號處理領域。