根据处理的图像，声音，文本等信息的统计特性，可以给出很多反映信息特性的特征。模式识别也是对特征的辨别，不管是有监督的学习分类还是无监督的聚类，都间接或者直接的对特征进行了提取或者表征。比如线性回归，在使用一条曲线拟合一堆数据的时候，这条曲线（或者曲线参数）就是这堆数据的特征，而结果和实际值的平方和就是这种特征和数据的接近程度。
1. 图像的区域特征
（1） 一阶统计特征：
一幅图像的一阶统计特征包括其直方图，矩，中心矩。直方图反映了图像灰度的分布概率，方差是直方图宽度的度量，反映了灰度级和平均值之间的差别。中心距u3反映了直方图倾斜度，u4是直方图峰度。熵是直方图均匀度的度量，熵越大表示直方图越接近均匀分布。熵的表达式为：
模式识别中，特征生成至关重要。图像的一阶统计特征如直方图、矩、中心矩等揭示了图像的灰度分布。直方图衡量灰度概率，方差显示灰度级差异，中心矩体现倾斜度，熵则评估直方图的均匀度。线性回归中的曲线参数也可视为数据的特征。这些特征在有监督和无监督学习中用于分类和聚类，以量化数据与模型的匹配程度。
最低0.47元/天 解锁文章
1万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
