模式识别与机器学习 | 第四章 特征选择和提取

特征选择和提取是模式识别中的一个关键问题

前面讨论分类器设计的时候，一直假定已给出了特征向量维数确定的样本集，其中各样本的每一维都是该样本的一个特征；

这些特征的选择是很重要的，它强烈地影响到分类器的设计及其性能；

假若对不同的类别，这些特征的差别很大，则比较容易设计出具有较好性能的分类器。

 

特征选择和提取是构造模式识别系统时的一个重要课题

在很多实际问题中，往往不容易找到那些最重要的特征，或受客观条件的限制，不能对它们进行有效的测量；

因此在测量时，由于人们心理上的作用，只要条件许可总希望把特征取得多一些；

另外，由于客观上的需要，为了突出某些有用信息，抑制无用信息，有意加上一些比值、指数或对数等组合计算特征；

如果将数目很多的测量值不做分析，全部直接用作分类特征，不但耗时，而且会影响到分类的效果，产生“特征维数灾难”问题。

 

•为了设计出效果好的分类器，通常需要对原始的测量值集合进行分析，经过选择或变换处理，组成有效的识别特征；

•在保证一定分类精度的前提下，减少特征维数，即进行“降维”处理，使分类器实现快速、准确和高效的分类。

•为达到上述目的，关键是所提供的识别特征应具有很好的可分性，使分类器容易判别。为此，需对特征进行选择。

–应去掉模棱两可、不易判别的特征；

–所提供的特征不要重复，即去掉那些相关性强且没有增加更多分类信息的特征。

 

•说明

–实际上，特征选择和提取这一任务应在设计分类器之前进行；

–从通常的模式识别教学经验看，在讨论分类器设计之后讲述特征选择和提取，更有利于加深对该问题的理解。

 

•所谓特征选择，就是从n个度量值集合{x1, x2,…, xn}中，按某一准则选取出供分类用的子集，作为降维（m维，m<n）的分类特征；

•所谓特征提取，就是使(x1, x2,…, xn)通过某种变换，产生m个特征(y1, y2,…, ym) (m<n) ，作为新的分类特征（或称为二次特征）；

•其目的都是为了在尽可能保留识别信息的前提下，降低特征空间的维数，已达到有效的分类。

 

 

•以细胞自动识别为例

–