下载掌阅APP，畅读海量书库
立即打开
在实际应用中，信息采集对象多数是多特征，高噪声，非线性的数据集。人们只能尽量多列一些可能有影响的因素，在样本数不是很多的情况下，用很多特征进行分类器设计，无论从计算的复杂程度还是就分类器性能来看都是不适宜的。因此研究如何把高维特征空间压缩到低维特征空间就成了一个重要的课题。特征选择与提取是模式识别的基础环节，从样本采集到建立满意的特征和特征库，需要经过多次反复试验。本章将多元统计分析与模式识别特征处理理论相结合，介绍了样本特征库初步分析方法，特征筛选处理方法，特征选择及搜索算法，特征评估方法，主成分分析方法、特征提取方法；并介绍了特征空间统计量的描述及特征空间分布分析方法。