模式识别中的特征提取及其内在意义
文章来源： http://blog.csdn.net/u013088062/article/details/45952613
这两天一直在看深度学习的东西，看的头晕脑胀，不过晕乎归晕乎，感觉对模式识别中的特征提取有了更深一点的小理解，暂时记载下来。
突然觉得，模式识别的所有问题都绕不过两个关键门槛，第一是分类器，第二便是特征提取。而且几乎所有模式识别方面的研究都是在优化这两个问题，要么是造一个更牛的分类器，要么是找出一些表现力更高的特征形式。
然而这个问题再最近几年变得不那么明朗了，分类器的研究不用多说，从刚开始的K近邻分类器，贝叶斯分类器，到曾经风靡一时的SVM，再到目前处在浪潮之巅的DeepLearning（谷歌大脑主要就是用的这个，与其说是分类器，这应该更倾向于特征提取），分类器越来越复杂，性能越来越高。特征提取呢，大致也是如此。但存在这样一个问题，就是对经典的模式分类问题，比如指纹识别，文字识别等等，有规矩可循，特征提取自然举足轻重（角点，拐点之类的）；但对于那些更抽象、更智能、更拟人的模式分类问题，比如美丽度识别、警觉度识别、表情识别等等，我们用什么特征来描述它们呢？特征提取充当什么样的角色？
其实对于没搞过模式识别或者是模式识别的初学者来说，这的确值得思考。做惯了传统的识别，再去研究美丽度、表情、警觉度这些抽象的东西，确实有点不适应。究其原因，就是找不到实实在在的东西去描述美丽度、表情、警觉度这些抽象的概念，提不到特征，分类识别自然也就无从谈起。
难道抽象形式的分类问题无从解决了吗？这个命题显然是错的，但提不到特征怎么解决呢？这就是问题的关键，不是提不到特征，只是提取不到客观的、可见的、可衡量的特征。按照稀疏表示人脸识别的先驱Ma Yi的观点：“图像本身是图像内容信息表示最冗余、也是最全面的存在”，也就是说，图像本身就是特征的存在。换句话说，感觉实在提取不到特征了，那就千拳归一路，把图像本身直接送给分类器去吧。
用分类器直接处理图像本身，看似鲁莽，其实蕴藏着真正至简的大道理。每种特征都有自身的局限性，都是有意突出图像某些方面的特征，简化甚至忽略别的方面的特征，导致的最终结果就是信息的丢失。Gabor特征搞人脸识别效果好，但它直接忽略了整体的亮度特征，那白人和黑人怎么办？所以只要能提去出具体的、客观实在的特征，就不可避免的存在着信息的丢失，那些丢失的次要信息，对于某些问题的影响可以忽略（如指纹识别、文字识别），但对有些主观问题的影响却是不可估量的。总之，这种机械的选择特征来替代原图像，是机器的思维方式，不是人的思维方式。
当今对于那些无法用具体特征描述的分类问题，存在两种主流的处理方式，要么干脆直接把图像送给分类器去，这是稀疏表示问题（Ma Yi在文章《Robust Face Recognition via Sparse Representation》中证实稀疏表示分类器的人脸识别性能对特征选择的依赖程度很小）；要么然机器自己去学习该用那些特征，机器根据样本自己决定特征的取舍，这更是一种类人的智能化的做法，这也就衍生出了当今如火如荼的东西：深度学习（Deep Learning），名噪一时的谷歌大脑就是这样弄出来的。换句话说，如果不能判断解决一个识别问题应该用哪些特征，那就让机器自己去找好了。就好像支持向量机一样，既然人工找不到最优的分类超平面，就让机器自己去映射，自己去找。恰巧的是，人的大脑也是这么干的。
总之，在当今这个面向数据的年代，特征选择这个任务越来越不适合人工来做了，典型费力不讨好的工作，让机器自己去找，更符合人的思维。但特征提取是不存在了吗？不是的，因为Deep Learning就是在提特征，只不过让机器自己来做。
模式识别中的特征提取及其内在意义相关推荐
- 模式识别中的特征向量和矩阵的特征向量有什么关系
模式识别中的特征向量和矩阵的特征向量有什么关系 特征向量是个什么东西?学过矩阵论的人都知道,一个可逆的矩阵可以分解为特征值和特征向量的乘积,即AV=lambaV,其中V是特征向量矩阵:这个的好处是可以 ...
- 几何图形在logo设计中的有哪些情感意义?
作为一名合格的UI设计师,工作中遇到的问题有很多,例如logo设计,是很多UI设计师的一个日常工作之一,小编今天为大家介绍的UI设计培训教程就是几何图形在logo设计中的有哪些情感意义?希望能够帮助到 ...
- 网络推广外包专员浅析网络推广外包中网站转化率的发展意义
曾几何时,每当企业对同行企业网站充满向往之时,回首浏览自己的网站始终感觉差了不止一点两点,而这些差异就是影响企业网站转化率提升的重要原因.一旦企业网站转化率不佳,自然也无法达到为企业在开拓互联网网络营 ...
- C++中多态的概念和意义
文章目录 1 C++中多态的概念和意义 1.1 函数重写回顾 1.2 多态的概念 1.3 多态的意义 1.4 静态联编和动态联编 2 特殊的虚函数 2.1 构造函数能成为虚函数吗 2.2 析构函数能成 ...
- 模式识别中常见概率符号公式的学习笔记 By Youki~
1 前言 模式识别中会统计学的内容,里面会有一些常用的概率符号公式,有时候经常不用就容易忘掉了,所以Youki在这样归纳一下~ 2 常见的概率符号和公式 N(μ,σ2)\mathcal{N}(\mu, ...
- php正则表达式中的字符是,PHP_PHP正则表达式中的特殊字符，字符/意义：对于字符，通常表 - phpStudy...
字符/ 意义:对于字符,通常表示按字面意义,指出接着的字符为特殊字符,不作解释. 例如:/b/匹配字符'b',通过在b 前面加一个反斜杠,也就是/b/,则该字符变成特殊字符,表示 匹配一个单词的分界线 ...
- matlab fisher检验,模式识别中Fisher分类器的Matlab实现及测试
模式识别中Fisher分类器的Matlab实现及测试 Fisher分类器用于解决二类线性可分问题. Fisher准则基本原理:找到一个最合适的投影轴,使两类样本在该轴上投影之间的距离尽可能远,而每一类 ...
- 这就涉及到ABAQUS历史输出中各能量变量的意义
ABAQUS中,对于很多动态问题,尤其像高速冲击模拟中,对结果评价很重要的一点就是要保证模型能量守恒,这就涉及到ABAQUS历史输出中各能量变量的意义,下面最各简单整理: ALLAE:人工伪应变能,六 ...
- 模式识别中精确定位之垂直和水平投影
在模式识别中常用垂直投影和水平投影对目标物进行精确投影,以便于后期的分割. 示例: (1) ...
最新文章
- java bufferedimage颜色_使用BufferedImage进行渐变色操作
- esp8266手册_ESP8266_前言
- jQuery对象与DOM对象的区别
- 如何有效实现软件的需求管理（1）
- Linux centos 7安装
- Excel+VBA 区域数据的去重
- 实验项目一 俄罗斯方块游戏
- 张馨予一幅画拍出几十万，然而范冰冰却一直在向粉丝要画！
- Python地学分析 — GDAL通过矢量裁剪遥感图像
- （转）windows 7兼容软件列表搜集加转帖
- 错误：.TemplateProcessingException: Exception evaluating SpringEL expression:
- 使用Canvas把照片转换成素描画
- Quality-Estimation1 (翻译质量评价-复现 WMT2018 阿里论文结果)
- vi 常用复制与粘帖技巧
- Sendmail配置以及验证成功
- 四万字！掌握Flink Table一篇就够了
- 手机如何测光照度_如何3分钟学会用手机的专业模式拍照？
- 浏览器火狐谷歌都被889hao.com劫持自动跳转到2345.com彻底处理方法
- 速卖通选品分享：宠物用品韩国市场洞察
- 安卓手机安装使用linux，手机linux，轻量linux服务器