特征选择与分类器设计
2017年10月05日 ⁄ 综合 ⁄ 共 487字 ⁄ 字号 小 中 大 ⁄ 评论关闭
1简述特征空间优化的方法
对特征空间进行优化有两种方法：一是特征选择，另一种是特征的组合优化。特征选择就是对原特征空间进行筛选，筛选掉一些次要的特征，构造出一个新的精简的特征空间，涉及对要识别的事物用什么方法进行描述和分析的问题；而特征的组合优化通过一种映射变换改造原特征空间，也就是说，新的每一个特征是原有特征的一个函数，使用变换的手段，这里主要限定在线性变换的方法上，通过变换来实现降维。
2、简述几种常见的分类器设计准则
最小错误率准则、最小风险准则、近邻准则、Fisher准则、均方误差最小准则、感知准则等。
3、简述分类器设计的方法
模板匹配法、判别函数法、神经网络分类法、基于规则推理法等
4、试写出基于二维特征两类分类问题的线性线性判别函数形式
d(X)= w1x1 + w2x2 + w3 = 0
5、试写出基于n维特征两类分类问题的线性线性判别函数形式
d(X)= w1x1 + w2x2 + … + wnxn
6、特征的选择与处理过程
1) 采集训练样本
2) 形成样本特征库
3) 样本特征库初步分析
4) 样本筛选处理
5) 特征筛选处理
6) 特征评判
7) 特征提取
8) 特征空间分布分析