这就叫特征的组合优化 - read.pptVIP

模式识别 Pattern Recognition 内容 6.1 引言 特征的选择与提取是模式识别中重要而困难的一个环节： 分析各种特征的有效性并选出最有代表性的特征是模式识别的关键一步。 降低特征维数在很多情况下是有效设计分类器的重要课题。 三大类特征：物理、结构和数学特征 物理和结构特征：易于为人的直觉感知，但有时难于定量描述，因而不易用于机器判别。 数学特征：易于用机器定量描述和判别，如基于统计的特征。 特征的形成 特征的选择与提取 特征选择 假设已有D维特征向量空间， 则所谓特征选择是指从原有的D维特征空间，删去一些特征描述量，从而得到精简后的特征空间。在这个特征空间中，样本由d维的特征向量描述： d＜D。由于X只是Y的一个子集，因此每个分量xi必然能在原特征集中找到其对应的描述量xi＝yj。 特征提取 特征提取是找到一个映射关系：　　A:Y→X 　　　　　　使新样本特征描述维数比原维数降低。其中每个分量xi是原特征向量各分量的函数，即　　 　　　　　　　　 因此这两种降维的基本方法是不同的。在实际应用中可将两者结合起来使用，比如先进，然后再进一步选择其中一部分，或反过来。 特征的选择与提取举例 细胞自动识别： 原始测量：（正常与异常）细胞的数字图像