模式识别中欧氏距离特征选择新方法

本文提出用降维空间中欧氏距离作为模式识别中特征选择的准则。特征选择后的模式在新的特征空间中,如果类内欧氏距离最小,或类间欧氏体距离最大,则可获得良好的分类效果。可以证明,K-L特征选择中,在讨论分类问题时,往往采用类内协方差矩阵最大本征值的那些特征,这是离开模式识别要求的讨论。本文从欧氏距离,正交变换和二次最优的观点。提出模式识别中三类特性选择方法,即最小类内欧氏距离特征选择,最大类间欧氏距离特征选择和综合欧氏距离特征选择。本文通过比较及实例分析,说明欧氏距离特征选择具有简明、直观的特点,并且把以正交变换为基础的各种特征选择方法从概念上统一起来。