学习向量量化（LVQ）和泛化学习向量量化（GLVQ）算法都是采用欧氏距离作为相似性度量函数,忽视了向量各维属性的数据取值范围，从而不能区分各维属性在分类中的不同作用。针对该问题，使用一种面向特征取值范围的向量相似性度量函数，对GLVQ进行改进，提出了GLVQ-FR算法。使用视频车型分类数据进行改进型GLVQ和LVQ2.1、GLVQ、GRLVQ、GMLVQ等算法的对比实验，结果表明：GLVQ-FR算法在车型分类中具有较高的分类准确性、运算速度和真实生产环境中的可用性。