34.3模式与模式类 第三章数字图像分析第四节识别与解释 模式特征向量举例 假设我们想描述三种蝴蝶花(多毛的、维吉尼亚、 多色的)通过测量它们花瓣的宽度和长度。这里涉及 个两维的模式特征向量: 其中×1、X2分别对应花瓣的长和宽 三种模式类用W1、W2、W3表示
第 三 章 数 字 图 像 分 析 第 四 节 识 别 与 解 释 – 模式特征向量举例 假设我们想描述三种蝴蝶花（多毛的、维吉尼亚、 多色的）通过测量它们花瓣的宽度和长度。这里涉及 一个两维的模式特征向量： 其中x1、x2分别对应花瓣的长和宽 三种模式类用w1、w2、w3表示 x = x1 x2 3.4.3 模式与模式类
34.3模式与模式类 第三章数字图像分析第四节识别与解释 由于所有的花瓣在宽和长上都有某种程 度的变化,所以描述这些花瓣的模式特征向量 也将有变化,不仅在不同的类之间,而且也在 类的内部 在这种情况下每一种花变成二维欧几里德 空间的一个点
第 三 章 数 字 图 像 分 析 第 四 节 识 别 与 解 释 由于所有的花瓣在宽和长上都有某种程 度的变化，所以描述这些花瓣的模式特征向量 也将有变化，不仅在不同的类之间，而且也在 类的内部 在这种情况下每一种花变成二维欧几里德 空间的一个点 3.4.3 模式与模式类
34.3模式与模式类 第三章数字图像分析第四节识别与解释 Xx花瓣宽 多毛的 3.0 口维吉尼亚 2.5 △多色的 2.0 1.5 口口 0.5 2345 →x1花瓣长
第 三 章 数 字 图 像 分 析 第 四 节 识 别 与 解 释 3.4.3 模式与模式类 1 2 3 4 5 6 7 x1 花瓣长 0.5 1.0 1.5 2.0 2.5 3.0 x2 花瓣宽 多毛的 维吉尼亚 多色的
34.3模式与模式类 第三章数字图像分析第四节识别与解释 模式特征向量举例:分析 对花瓣长宽的测量,成功地将多毛的蝴蝶花与其 它两种分离,但对于分离维吉尼亚和多色的是失败 的。 这个结论说明了分类的特征选择问题,在这个问 题中,类的可区别性的程度,完全依赖于对模式尺 寸测量的选择
第 三 章 数 字 图 像 分 析 第 四 节 识 别 与 解 释 – 模式特征向量举例：分析 对花瓣长宽的测量，成功地将多毛的蝴蝶花与其 它两种分离，但对于分离维吉尼亚和多色的是失败 的。 这个结论说明了分类的特征选择问题，在这个问 题中，类的可区别性的程度，完全依赖于对模式尺 寸测量的选择 3.4.3 模式与模式类
34.3模式与模式类 第三章数字图像分析第四节识别与解释 模式特征的选择 良好的特征应具备四个特点 1.可区别性:对不同类别对象特征值差异明显 2.可靠性:对同类对象特征值比较接近 3.独立性:所用的各特征之间彼此统计独立 4.数量少:过多的特征数,会使系统复杂度提高 般特征向量的选择方法 尽量不选择带噪声和相关度高的特征 先选择—组直觉上合理的特征,然后逐渐减少到最佳
第 三 章 数 字 图 像 分 析 第 四 节 识 别 与 解 释 – 模式特征的选择 • 良好的特征应具备四个特点 1. 可区别性：对不同类别对象特征值差异明显 2. 可靠性 ：对同类对象特征值比较接近 3. 独立性 ：所用的各特征之间彼此统计独立 4. 数量少 ：过多的特征数，会使系统复杂度提高 • 一般特征向量的选择方法 – 尽量不选择带噪声和相关度高的特征 – 先选择一组直觉上合理的特征，然后逐渐减少到最佳 3.4.3 模式与模式类