由圖像或波形所獲得的數據量是相當大的。例如,一個文字圖像可以有幾千個數據,一個心電圖波形也可能有幾千個數據,一個衛星遙感圖像的數據量就更大。爲了有效地實現分類識別,就要對原始數據進行變換,得到最能反映分類本質的特徵。這就是特徵提取和選擇的過程。一般我們把原始數據組成的空間叫測量空間,把分類識別賴以進行的空間叫特徵空間,通過變換,可把在維數較高的測量空間中表示的模式變爲在維數較低的特徵空間中表示的模式。在特徵空間中的一個模式通常也叫做一個樣本,它往往可以表示爲一個向量,即特徵空間中的一個點。
特徵提取和選擇
發表評論
所有評論
還沒有人評論,想成為第一個評論的人麼? 請在上方評論欄輸入並且點擊發布.
相關文章
支持向量機(SVM)特輯 & Michael Jordan
why4000
2020-06-16 04:25:05
UCI 機器學習數據集(分類)
why4000
2020-02-23 13:47:32
論文筆記之Structural Deep Network Embedding
BVL10101111
2020-07-08 10:23:34
神經網絡 動量因子
BVL10101111
2020-07-08 10:23:34
Deep Learning 之 參數初始化
BVL10101111
2020-07-08 10:23:34
Python模塊調用與執行
JackyWorks
2020-07-08 01:59:55
Caffe Linux
Oliver_Hong
2020-07-07 19:32:38
強化學習與深度強化學習理解
探索鸭
2020-07-07 17:47:36
機器學習之SVM(Hinge Loss+Kernel Trick)原理推導與解析
Cyril_KI
2020-07-07 17:45:19
機器學習之K_means(附簡單手寫代碼)
Cyril_KI
2020-07-07 17:45:19
PCA(1):基礎知識介紹
Upupup6
2020-07-07 15:17:22
矩陣的SVD分解(理論到計算結果)
Upupup6
2020-07-07 15:17:20
PCA(2):PCA算法實現的兩種方式
Upupup6
2020-07-07 15:17:18