武汉大学电子息学院.pptVIP

模式识别理论及应用Pattern Recognition - Methods and Application 第六章 模式特征的选择与提取 内容目录 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 特征形成 (acquisition)： 信号获取或测量→原始测量 原始特征 实例： 数字图象中的各像素灰度值 人体的各种生理指标 原始特征分析： 原始测量不能反映对象本质 高维原始特征不利于分类器设计：计算量大，冗余，样本分布十分稀疏 特征的选择与提取 两类提取有效信息、压缩特征空间的方法：特征提取和特征选择 特征提取 (extraction)：用映射（或变换）的方法把原始特征变换为较少的新特征 特征选择(selection) ：从原始特征中挑选出一些最有代表性，分类性能最好的特征 特征的选择与提取与具体问题有很大关系，目前没有理论能给出对任何问题都有效的特征选择与提取方法 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 原始特征（特征的形成，