分类:理论背景
一般分类
通常,一个分类器被用来分配一个物体到几个可行类中的一个。例如,你有一个包含柑橘水果的灰度值图像,你已经从图像中国提取了区域,且每个区域代表一种水果。现在,你想从柠檬中分离橘子。为了区分水果,你可以应用一个分类。然后,被提取的水果区域是你的对象,分类的任务就是去决定每个区域是属于类别橘子还是属于柠檬。
为了决定那一个区域属于那一类,你需要有关类与类之间差异和每一个单独类之间相似的知识。这个知识可以通过分析被分类对象典型特征而获得。假设柑橘水果的例子,合适的特征可以是面积(在大多数情况下,橘子是比柠檬大的)和形状,尤其是区域的圆度(橘子的外轮廓比柠檬更接近一个圆)。下图展示了一些橘子和柠檬,它们的区域被提取,且区域的特征面积和圆度被计算。
特征被放在了一个数组中,被称为特征向量。特征向量的特征张成了一个所谓的特征空间,例如,每一个特征被用一个坐标轴描述的向量空间。一般,一个
![51cf74e730de846e0eea6f0cc22fa675.png](https://i-blog.csdnimg.cn/blog_migrate/cd94c74c0a0feb8f19e9ac53d5dbbd30.jpeg)
橘子和柠檬的区域特征可以被提取并被作为样本添加到分类器中
特征空间有任意维,依靠包含在特征向量中的特征的数量。为了可视化的目的,这里一个2D特征空间被展示。在实际中,更高维的特征空间是非常常见的。
水果的特征向量用一个2D图表可视