1、 分類器設(shè)計(jì)中，都是在d維特征空間已經(jīng)確定的前提下進(jìn)行的。分類器設(shè)計(jì)問題是一個(gè)選擇什么準(zhǔn)則、使用什么方法,將已確定的d維特征空間劃分成決策域的問題。 對分類器設(shè)計(jì)方法的研究固然重要，但如何確定合適的特征空間是設(shè)計(jì)模式識(shí)別系統(tǒng)另一個(gè)十分重要的問題。如果所選用的特征空間能使同類物體分布具有緊致性，即各類樣本能分布在該特征空間中彼此分割開的區(qū)域內(nèi)，這就為分類器設(shè)計(jì)成功提供良好的基礎(chǔ)。特征提?。菏菑臉颖镜哪撤N描述狀態(tài)提取出所需要的，用另一種形式表示的特征（如在圖象中抽取出輪廓信息，聲音信號(hào)提取中不同頻率的信息等）。例1：如對阿拉伯?dāng)?shù)字的識(shí)別，有的方案是分析從框架的左邊框到數(shù)字之間的距離變化反映了不同數(shù)

2、字的不同形狀，可以作為數(shù)字分類的依據(jù)；有的方案是強(qiáng)調(diào)分析不同截面的信號(hào)，如在框架的若干部位沿不同方向截取截面分析從背景到字，以及從字到背景轉(zhuǎn)換的情況,如AB截面切割字符三次，CD截面切割字符一次等。1 特征選擇：對樣本采用多維特征向量描述，各個(gè)特征向量對分類起的作用不一樣，在原特征空間中挑選中部分對分類較有效的特征組成新的降維特征空間，以降低計(jì)算復(fù)雜度，同時(shí)改進(jìn)或不過分降低分類效果。如果兩類物體在一個(gè)二維特征空間如圖分布,能否用刪除其中任一維來優(yōu)化特征空間？有沒有什么方法能得到一個(gè)對分類很有利的一維特征空間？Y1與Y2組成的空間表示？你認(rèn)為哪個(gè)分量可以刪掉？例2： K-L變換又稱主分量分析（主

3、成分分析），是一種正交變換，在信號(hào)處理或數(shù)字圖象處理中K-L變換常用來作為數(shù)據(jù)壓縮，這里我們用它作降維 。11NTTjjjRE XXX XN,1,2,.,jjn,1,2,.,jujd12 ,.,dUu uu*X*TXU X*X例題：1降維與壓縮以人臉圖象為例，K-L變換的降維效果是十分明顯的。對一幅人臉圖象，如果它由M行與N列象素組成，則原始的特征空間維數(shù)就應(yīng)為MN。而如果在K-L變換以及只用到30個(gè)基，那么維數(shù)就降至30，由此可見降維的效果是極其明顯的。另一方面降維與數(shù)據(jù)壓縮又是緊密聯(lián)系在一起的。譬如原訓(xùn)練樣本集的數(shù)量為V，而現(xiàn)采用30個(gè)基，每個(gè)基實(shí)質(zhì)上是一幅圖象，再加上每幅圖象的描述參數(shù)，

4、數(shù)據(jù)量是大大降低，尤其是圖象數(shù)很大時(shí)，壓縮量是十分明顯的。2構(gòu)造參數(shù)模型使用K-L變換不僅僅起到降維與壓縮數(shù)據(jù)的作用，更重要的是每個(gè)描述量都有明確的意義，因而改變某一個(gè)參數(shù)就可讓圖象按所需要的方向變化。在沒有使用K-L變換的原數(shù)據(jù)集中對圖象的描述量是每個(gè)象素的灰度值，而弧立地改變某個(gè)象素的灰度值是沒有意義的。而在使用K-L變換后，每個(gè)描述量都有其各自的作用。因此通過改變這些參數(shù)的值就可實(shí)現(xiàn)對模型的有效描述，這在圖象生成中是很有用的。因此利用K-L變換構(gòu)造出可控制的，連續(xù)可調(diào)的參數(shù)模型在人臉識(shí)別與人臉圖象重構(gòu)采方面的應(yīng)用是十分有效的。3人臉識(shí)別利用K-L變換進(jìn)行人臉圖象識(shí)別是一個(gè)著名的方法。其原理十分簡單，首先搜集要識(shí)別的人的人臉圖象，建立人臉圖象庫，然后利用K-L變換確定相應(yīng)的人臉基圖象，再反過來用這些基圖象對人臉圖象庫中的有人臉圖象進(jìn)行K-L變換，從而得到每幅圖象的參數(shù)向量(試問用哪個(gè)公式？)并將每幅圖的參數(shù)向量存起來。在識(shí)別時(shí)，先對一張所輸入的臉圖象進(jìn)行必要的規(guī)范化，再進(jìn)行K-L變換分析，得到其參數(shù)向量。將這個(gè)參數(shù)向量與庫中每幅圖的參數(shù)向量進(jìn)行比較，找到最相似的參數(shù)向量，也就等于找到最相似的人臉，從而認(rèn)為所輸入的人臉圖象就是庫內(nèi)該人的一張人臉, 完成了識(shí)別過程。4人臉圖象合成用K-L變換構(gòu)造參數(shù)模型的另一種典型用途是人臉圖象合成。從下面的例子中可以