模式识别 第6章 特征选择与提取.pdf

第六章 特征选择与提取 6.1 引言 6.1 引言 6.2 类别可分性判据 6.2 类别可分性判据 6.3 特征选择 6.3 特征选择 6.4 特征提取 6.4 特征提取 6.5 图象的特征提取 6.5 图象的特征提取 6.1 引言 基本任务:如何从多特征中找出那些最有效的特征 或:获取一组”少而精”的分类特征 压缩 研究如何 ⇒高维特征空间 ⇒ 低维特征空间 特征分为三类: (1)物理的; (2)结构的; (3)数学的 ⎧物理 人们直观识别对象 特征 感觉器官接受 ⎨ ⎩结构 ⎧统计平均值 ⎪ ⎪ ⎪ 机器自动识别对象：数学特征⎨相关系数 ⎪⎪协方差阵⎨⎧本征值 ⎪⎩ ⎩本征向量 本章研究、讨论：学习样本选择并提取数学特征 基本概念 1.特征形成：根据被识别的对象产生一组原始特征 ⎧传感器的直接测量值 ⎨ 模式空间 ⎩计算值（波形、数字图象） 例如：细胞识别 通过图象输入得到细胞的数字图象 ⎧细胞面积 ⎫ ⎪ ⎪ 计算 ⎪总光密度 ⎪ ⎯⎯⎯→ ⎨ ⎬ 原始特征 ⎪胞核面积 ⎪ ⎪⎩核浆比 ⎪⎭ 2.特征选择：从一组特征中挑选出一些最有效的特征 (过程) 。 ⎧专家经验和知识 方法⎨ ⎩数学方法 ⇒筛选比较 3.特征提取：通过映射或变换的方法，把模式空间的 高维特征向量变成特征空间的低维特征。 T：E ⇒E Y X T：特征提取值（变换）器 ⎧特征评估标准 ⎪ 解决特征选择与提取 特征空间的维数 ⎨ ⎪⎩优化过程 特征选择 决策 传感器 ⇒特征形成 ⇒ ⇒分类器 ⎯⎯⎯→ 与提取 含有特征选择和提取的模式分类问题框图 信 号