《模式识别》课件-第5讲特征工程

上传人：青*** IP属地：福建上传时间：2026-10-14 格式：PPTX 页数：12 大小：2.32MB 积分：3.84 举报 版权申诉

已阅读5页，还剩7页未读，继续免费阅读

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

PatternRecognition模式识别第5讲特征工程

FeatureEngineering特征工程样本预处理与特征生成特征降维分类器训练分类决策模式采集特征提取特征选择主成分分析有效特征生成有效特征的生成原始数据像素点RGB值矩阵生成的有效特征纹理特征其他特征颜色特征轮廓特征主成分分析（PCA）x2x1y1y2

要求：Y的协方差矩阵为对角阵

主成分分析（PCA）x2x1y1y2要求：Y的协方差矩阵为对角阵

平移变换‘‘‘‘基于类别可分性判据的特征提取yx2ω1ω2x1

高维空间低维空间J(W*)=maxJ(W)，

类别可分性最好分类正确率是最佳的类别可分性度量标准，但难以计算度量类别可分性的准则函数应该满足以下条件与分类正确率有单调递增关系当特征独立时具有可加性

具有标量测度特性对特征数量具单调性

PCA会影响数据集的类别可分性吗？基于类别可分性判据的特征提取yx2ω1ω2x1

高维空间低维空间

类内离散度矩阵

类间离散度矩阵

基于类内类间距离基于类别可分性判据的特征提取yx2ω1ω2x1

高维空间低维空间基于类内类间距离

基于类别可分性判据的特征提取yx2ω1ω2x1

高维空间低维空间基于概率距离

K-L散度(相对熵)

注意：K-L散度不满足对称性，不是完全意义上的距离J(W*)=maxJ(W)，

类别可分性最好

特征选择算法

从一组特征中挑选出一些最有效的特征，以达到降低特征空间维数的目的。

原始特征集合S中包含D个特征，目标特征集合F中包含d个特征。最优特征选择：J(F*)=maxJ(F)，类别可分性最好

J(F*)=maxJ(F)

穷举法独立法次优算法-顺序前进法（SFS）-顺序后退法（SBS）-动态顺序前进法（l-r法）

特征选择算法

从一组特征中挑选出一些最有效的特征，以达到降低特征空间维数的目的。

原始特征集合S中包含D个特征，目标特征集合F中包含d

人人文库> 全部分类> 教育资料 > 课件下载

1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。