与大家分享北京大学模式识别课件-abbr_437599b8118b12cd25490c18bb75611b.pdf

发布时间：2022-05-29 发布人：admin 分类：说明书资料大小：0.91M 资料格式：pdf 举报版权申诉

weixin_39840914-11534017-4744302543286480031.pdf-第1页.png

第1页 / 共49页

weixin_39840914-11534017-4744302543286480031.pdf-第2页.png

第2页 / 共49页

weixin_39840914-11534017-4744302543286480031.pdf-第3页.png

第3页 / 共49页

weixin_39840914-11534017-4744302543286480031.pdf-第4页.png

第4页 / 共49页

weixin_39840914-11534017-4744302543286480031.pdf-第5页.png

第5页 / 共49页

weixin_39840914-11534017-4744302543286480031.pdf-第6页.png

第6页 / 共49页

weixin_39840914-11534017-4744302543286480031.pdf-第7页.png

第7页 / 共49页

weixin_39840914-11534017-4744302543286480031.pdf-第8页.png

第8页 / 共49页

文本预览

第十章特征空间 10.0 引言 10.1 特征提取 10.2 特征选择

10.0 引言模式识别中把每个对象都量化为一组特征来描述，构建特征空间是所有模式识别问题的第一步通过直接测量得到的特征称为原始特征比如人体的各种生理指标（描述其健康状况）数字图象中的每点灰度值（以描述图像内容）

10.0 引言原始特征数量可能很大，不利于学习。比如 1024*768的灰度图像，256灰度级。直接表示，每幅需要786,432 bytes。进行训练识别所需空间、时间、计算量都无法承受！很少的样本分布会在如此高维的特征空间中显得十分稀疏，因而产生过学习的现象。特征空间有很大的冗余。完全可以用很小的空间相当好地近似表示图像，这一点与压缩的思想类似。

10.0 引言如何提取特征与具体问题有很大关系，特征是对象的表达，根据知识来考虑特征的稳定性特征的可分性例：白细胞的浓度指纹的细节特征

指纹细节特征

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

10.1 特征提取

分享到：

赞收藏

资料库

与大家分享北京大学模式识别课件-abbr_437599b8118b12cd25490c18bb75611b.pdf

相关推荐

开发技术

热门标签

最新资料