特征选择演示文件修改版.pptVIP

第 2 章 特征选择 概述 单个特征评价技术 特征空间距离准则 主成分分析和对应分析 多类问题的线性降维法 非线性的降维映射方法 概述 概述 一个较完善模式识别系统，或明显或隐含地有特征提取与选择环节， 通常处于对象特征数据采集和分类识别两环节之间，特征提取与选择 方法的优劣极大影响分类器设计和性能，是模式识别核心问题之一。 特征提取与选择基本任务是研究：如何从众多特征中求出那些对分类 识别最有效的特征，实现特征空间维数压缩。本章讨论从模式样本的 诸多量测值中选取最有效地反映类别属性的特征的主要原则和方法。 识别正确率取决于对象表示、训练学习和分类识别算法，后两方面的 内容在课程其他地方讨论，本章讨论特征提取与选择问题，这是对象 表示的一个关键问题。从直观上可知，在特征空间中，如果同类模式 分布比较密集，不同类模式相距较远，分类就比较容易，因此，在由 实际对象提取特征时，要求所提取的特征对不同类对象的差别很大， 同类对象差别较小，给后继分类识别带来极大便利。但因某些原因， 提取的特征使模式没有显著地如上述那样分布，或者所得特征过多。 通常在得到实际对象若干具体特征后，由这些原始特征产生出对识别 最有效、数目最少的特征，这就是特征提取与选择的任务。在实现这 目标时，往往首