10.0引言 ■模式识别中处理特征空间的方法可分为两类: n特征提取( Feature Extraction):用映射(或变换) 的方法把原始特征变换为新特征,称为特征提取 傅立叶变换 ■小波变换 aPCA变换 ICA变换 Gabor变换
10.0 引言 模式识别中处理特征空间的方法可分为两类： 特征提取(Feature Extraction)：用映射（或变换） 的方法把原始特征变换为新特征，称为特征提取 傅立叶变换 小波变换 PCA变换 ICA变换 Gabor变换
10.0引言 特征选择( Feature Selection):从原始特征中 挑选出一些最有代表性、可分性能最好的特 征来,称为特征选择
10.0 引言 特征选择(Feature Selection)：从原始特征中 挑选出一些最有代表性、可分性能最好的特 征来，称为特征选择
10.1特征提取
10.1 特征提取
10.1特征提取 ■特征提取的目的是希望通过变换把原来 的特征变换到新的特征空间,使得特征 的可分性更好。 PCA LDA
10.1 特征提取 特征提取的目的是希望通过变换把原来 的特征变换到新的特征空间，使得特征 的可分性更好。 PCA LDA
10.1特征提取一PCA ■希望通过变换,用较少的特征(v,y2yn) 可以近似表示原来的对象x=(x12x2…,xn) 而且误差尽量的小。m<n 在所有正交线性变换中,这种最优的变 换是 Karhunen- Loeve(KL)变换,相应的 特征提取方法被称为 Principle component Analysis(PCa)
10.1 特征提取－PCA 希望通过变换，用较少的特征 可以近似表示原来的对象 ， 而且误差尽量的小。 在所有正交线性变换中，这种最优的变 换是Karhunen-Loeve (KL)变换，相应的 特征提取方法被称为Principle Component Analysis (PCA)。 T m (y , y , , y ) 1 2 L T n x (x , x , , x ) = 1 2 L m << n