基于分类区分度和相关性的手形特征选择方法.pdfVIP

学兔兔 第34卷 第8期 仪 器 仪 表 学 报 Vo1．34 No．8 2013年 8月 ChineseJournalofScientificInstrument Aug．2013 基于分类区分度和相关性的手形特征选择方法 苑玮琦，荆澜涛，林 森，桑海峰 (沈阳工业大学视觉检测技术研究所 沈阳 110870) 摘 要：针对手形特征识别中，由于特征间高相关性产生冗余而降低识别性能的问题，提出利用信息增益和相关系数分别对特 征的分类区分度和相关性进行评价，并经过综合分析对手形特征进行优化选择。该方法能够保留分类中起关键作用的特征，并 同时去除高相关性的冗余特征量。为了证明该方法的有效性和准确性，采用浮动搜索的方法 ，以识别率为评价函数确定特征优 化组合。实验结果表明，优化后6个特征组成向量的识别率达到96．24％，比全部9个特征组成的特征向量提高了0．43％，同时 由于特征数 目的减少也降低了运算时间。该方法可以避免常用的搜索性选择方法的复杂性，并有效去除手形识别中低区分度 和高冗余的特征，有利于简化算法并与其他特征进行融合使用。 关键词：手形特征；特征选择；信息增益；相关系数；优化子集 中图分类号：TP391 文献标识码：A 国家标准学科分类代码：510．40 Hand—shapefeatureselectionmethodbasedonclass distinctivedegreeand correlation YuanWeiqi，JingLantao，LinSen，SangHaifeng (ComputerVisionGroup，ShenyangUniversityofTechnology，Shenyang110870，China) Abstract：Aimingattheproblem inhand—shapefeaturerecognitionthatthehighcorrelationamongthefeaturescau— sesredundancyand theidentificationperformancedecreases，thispaperproposesafeatureselectionmethod，which usestheinfomr ationgainandcorrelationcoefficienttoevaluatetheclassdistinctivedegreeandcorrelationofthefea— tures，respectively；andthroughcomprehensivelyanalyzing，thehand-shapefeaturesareselectedoptimally．Themeth- odcanreservethefeaturesthatplayakeyroleinclassificationandremovetheredundantfeatureswithhighcorrela- tionatthesametime．Inordertoprovethevalidityandaccuracyofthemethod，thesequentialforwardfloatingselec- tionalgorithm isadoptedtogeneratesubsets，andtherecognitionrateistakenasevaluationfunctiontodetemr inethe optimizedfeaturecombination．Theexperimentresultsshow thatusingthefeaturevectorcomposedofoptimized6fea- tures，therecognitionratereaches96．24％