基于！和神经网络非线性特征变换.PDF

《电子技术应用》 www.ChinaAET.com 计算机应用 基于! 和神经网络的非线性特征变换 齐春亮! 马义德 !兰州大学 信息科学与工程学院 甘肃 兰州 ) U@???? 摘 要 在分析传统方法的基础上 将 与神经网络相结合 提出了一种特征变换的新方法 二 ! ! X0 ! ! 者优势互补 通过与传统的特征选择方法比较 用实例验证了该方法的正确性和可信性 ! ! 关键词! X0 神经网络 特征选择 特征变换 $ 在机器学习和 领域 事物的属性和属性取值反 在概念学习或者更为广泛的模式识别领域 特征提 M** ) 映了事物的本质和度量$为了描述一致$统称为模式特 取是一个非常复杂的问题$所表示的模型求解基本上是 征 在传统文献中 模式特征一般分为物理特征 结构特 类问题] !U^ 一般需要综合考虑分类错误 特征简单 % $ b= $ ]C ! ;^ 征和数学特征 % 物理特征和结构特征容易被人类感 性和计算时间资源等因素% 官所接受 便于直接识别对象 在人工智能领域 物理特 传统的特征提取方法通常采用线性变换 使得判别 $ % $ ) 征和结构特征以数学特征的形式表现出来 特征提取主 准则函数最大或者最小 熵函数和类内类间距离函数是 $ R ]C^ % 要指特征数据的处理方法和过程 广义上的特征提取按 经常采用的两个准则函数) T) 即 属性数据的处理方式分为特征直接提取和间接提取 又 c