[院校资料]模式识别导论八.ppt

模式识别Pattern Recognition 张正道 江南大学通信与控制工程学院 信息安全系 Ch8.特征选择与提取 前几章主要讨论模式识别的分类方法，如贝叶斯分类器、线性分类器与非线性分类器等。在讨论这些设计分类器的方法时，提到有一个样本集，样本集中的样本用一个已经确定的向量来描述，这也就是说对要分类的样本怎样描述这个问题是已经确定的。在这种条件下研究用线性分类器好还是非线性分类器好，以及这些分类器的其它设计问题。这一章要讨论的问题是对已有的特征空间进行改造,着重于研究对样本究竟用什么样的度量方法更好。 对分类器设计来说，使用什么样的特征描述事物，也就是说使用什么样的特征空间是个很重要的问题。这个问题称之为描述量的选择问题，意思是指保留哪些描述量，删除哪些描述量的问题。但对特征进行删选并不是唯一的方法，这种方法也不一定很有效，因此本章还要研究其它方面，由于对特征空间进行改造目的在于提高其某方面的性能，因此又称特征的优化问题。 8.1 基本概念 之前讨论的分类方法，都是在确定的d维特征空间中进行的。分类器设计就是一个选择什么准则、使用什么方法,将已确定的d维特征空间划分成决策域的问题。 分类器研究固然重要，但如何确定合适的特征空间是设计模式识别系统另一个十分重要，甚至更为关键的问题。如果所选的特征空间能使同类物体分布具有紧致性，即各类样本能分布在该特征空间中彼此分割开的区