第六章特征选择 966 模式识别的三大核心问题： 特征数据采集与预处理 分类识别 特征选择与提取 分类识别的正确率取决于对象的表示、训练学 习和分类识别算法，我们在前面各章的介绍中详细 讨论了第二方面的内容。本章介绍的特征提取与选 择问题则是对象表示的一个关键问题
模式识别的三大核心问题: •特征数据采集与预处理 •分类识别 •特征选择与提取 分类识别的正确率取决于对象的表示、训练学 习和分类识别算法，我们在前面各章的介绍中详细 讨论了第二方面的内容。本章介绍的特征提取与选 择问题则是对象表示的一个关键问题。 第六章 特征选择
第六章特征选择 J966 通常在得到实际对象的若干具体特征之后， 再由这些原始特征产生出对分类识别最有效、数 目最少的特征，这就是特征提取与选择的任务。 从本质上讲，我们的目的是使在最小维数特 征空间中异类模式点相距较远（类间距离较大) 而同类模式点相距较近（类内距离较小）
通常在得到实际对象的若干具体特征之后， 再由这些原始特征产生出对分类识别最有效、数 目最少的特征，这就是特征提取与选择的任务。 从本质上讲，我们的目的是使在最小维数特 征空间中异类模式点相距较远（类间距离较大） ，而同类模式点相距较近（类内距离较小）。 第六章 特征选择
966 特征选择与提取的任务： 选出最有代表性的特征，实现特征空间维数 的压缩，用最少的特征达到所要求的分类识别 正确率。 存在两个困难： ·获得的特征测量值不多。实现方法及经济上 的限制等提供的分类信息是否足够，是否能获得较 好的分类效果 ·获得的测量值太多。特征维数灾难
特征选择与提取的任务： 存在两个困难： 选出最有代表性的特征，实现特征空间维数 的压缩，用最少的特征达到所要求的分类识别 正确率。 •获得的特征测量值不多。实现方法及经济上 的限制等提供的分类信息是否足够，是否能获得较 好的分类效果 •获得的测量值太多。特征维数灾难
/96 错误的认识： 认为特征越多越好。当分类器不满足要求时， 想通过增加新的特征，来改善分类器性能。但实标 发现，特征数目达某限度后，不但不能改善分类器 性能，反而工作恶化一“特征维数灾难
错误的认识： 认为特征越多越好。当分类器不满足要求时， 想通过增加新的特征，来改善分类器性能。但实际 发现，特征数目达某限度后，不但不能改善分类器 性能，反而工作恶化——“特征维数灾难”
问题： /966 如何去掉冗余特征，如何保证分类识别精度的 前提下，减少特征维数，提高分类器运算效率和准 确度。 实际上，特征存在很多无用信息，即使有用， 有的也不能反映客体类别本质，'.要通过变换才 能得到更有意义的量。 例如：图像灰值分布中，提取反映纹理和几何形 状等性质的量，有利于分类器达最优性能。 '.需研究特征选择和提取方法→维数压缩
问题： 实际上，特征存在很多无用信息，即使有用， 有的也不能反映客体类别本质，∴要通过变换才 能得到更有意义的量。 例如：图像灰值分布中，提取反映纹理和几何形 状等性质的量，有利于分类器达最优性能。 ∴需研究特征选择和提取方法维数压缩 如何去掉冗余特征,如何保证分类识别精度的 前提下，减少特征维数，提高分类器运算效率和准 确度