1、Pattern Recognition &artificial IntelligenceLecture 2: 特征 选择 与 提取（ 一）1.引言2 类别可分离性判据3 特征选择4.特征提取1.引言对特征空间的改造、优化、主要的目的是降维，即把维数高的特征空间改成维数低的特征空间。降维主要有两种途径。一种是删选掉一些次要的特征，问题在于如何确定特征的重要性，以及如何删选。另一种方法是使用变换的手段，在这里主要限定在线性变换的方法上，通过变换来实现降维，这两种方法的区分要弄清楚。【 问题的提出 】1什么叫特征空间？如果我们用颜色、尺寸、重量来衡量水果的构造的特特空间是几维空间？ 2如果用颜色、尺
2、寸与重量组成的特征空间来区分苹果与梨，这三种度量中的哪种最有效？为什么？能否想像这两种水果在这个三维空间的分布？如果用这个特征空间来区分红苹果与樱桃，你想像一下这两类水果在特征空间如何分布？能否对这两种情况设计更经济有效的特征空间？【 问题的提出 】3如果两类物体在一个二维特征空间如图分布 ,能否用删除其中任一维来优化特征空间？有没有什么方法能得到一个对分类很有利的一维特征空间？【 问题的提出 】4上题的答案可用右图 Y1与 Y2组成的空间表示。你认为哪个分量可以删掉？ 5将原在 X1、 X2空间表示的数改成用 Y1、 Y2空间表示？ 【 问题的提出 】1描述事物方法的选择与设计 方案 1.从
3、框架的左边框到数字之间的距离变化反映了不同数字的不同形状，这可以用来作为数字分类的依据。 方案 2.强调分析不同截面的信号，如在框架的若干部位沿不同方向截取截面分析从背景到字，以及从字到背景转换的情况 ,如 AB截面切割字符三次，CD截面切割字符一次等。 【 问题的提出 】2特征空间的优化 这个层次的工作发生在已有了特征的描述方法之后，也就是已有了一个初始的特征空间，如何对它进行改造与优化的问题。一般说来要对初始的特征空间进行优化是为了降维。即初始的特征空间维数较高。能否改成一个维数较低的空间，称为优化，优化后的特征空间应该更有利于后续的分类计算 例 用 RGB颜色空间和 HSI颜色空间【 问题的提出 】【 问题的提出 】
