第五章+目标自动识别-4.pptVIP

* 美国模式识别的领军人物，麻省理工学院的人工智能实验室的创始人之一，人工智能研究的先驱、数学家、计算机科学家马文·明斯基 机器人是典型的人工智能应用；美国国防部高级研究计划署支持的项目“机器骡子” ；大量应用与商务笔记本的指纹识别技术 2、 特征选择与提取 特征选择的基本任务是研究如何从众多特征中求出那些对识别最有效的特征，从而实现特征空间维数的压缩。 从模式样本的量测值中提取与选择最能反映类别属性的特征,主要方法包括： 最小误判概率准则、Fisher准则、判决边界、离 散K-L变换等。 根据应用需求选择合适的特征，不同应用对特征的需求不同。 为了设计出效果好的分类器，通常需要对原始的测量值集合进行分析，经过选择或变换处理，组成有效的识别特征； 在保证一定分类精度的前提下，减少特征维数，即进行“降维”处理，使分类器实现快速、准确和高效的分类。 为达到上述目的，关键是所提供的识别特征应具有很好的“可分性”，使分类器容易判别。为此，需对特征进行选择。 我们要选择那些在特征向量空间中类间距离大而类内方差小的特征。也就是说不同类别间的特征值距离较远，而同一类内的特征值紧密聚集。 最后将采用不同的处理方法 应去掉模棱两可、不易判别的特征； 所提供的特征不要重复，即去掉那些相关性强且没有增加更多分类信息的特征。 将特征综合考虑，对特征向量作线性或非线性变换，使其具有更好的辨别能力