(8.2)--8.2 特征学习机器学习与模式识别.pptVIP

IntroductionofFeature特征概述

CHAPTERONE特征学习基础FoundationsofFeatureLearning

一、特征学习基础数据挑战图像、声音、视频等数据维度过高社会、金融、医疗等大数据数量过大，分布过于复杂去噪，抗干扰去除与任务无关的特征降低特征中的噪声干扰提升性能精度、速度、稳定性……为什么要进行特征学习

一、特征学习基础子空间学习-PCA(PrincipalComponentAnalysis，主元分析)-ICA(IndependentComponentAnalysis，独立元分析)-LDA(LinearDiscriminantAnalysis，线性判别分析)稀疏表征学习-稀疏编码、压缩感知、词袋模型流形学习-MDS(Multi-DimensionalScaling，MDS)-Isomap(IsometricMapping)-LLE(LocallyLinearEmbedding)神经网络与深度学习常见特征学习方法

CHAPTERTWO子空间学习SubspaceLearning

二、子空间学习主要目的：降维-即通过几何投影变换实现高维特征向低维空间的映射。数学本质：优化-以子空间基向量为自变量-以降维结果的某种性能度量为目标函数常见算法（线性子空间）-主成分分析（PCA）：以损失最小化为