一种可最优化计算特征规模的互信息特征提取  

Optimization calculation feature scale for mutual information measure feature extraction

作　　者：谢文彪[1,2] 樊绍胜[1] 樊晓平[2] 

机构地区：[1]长沙理工大学电气与信息工程学院,长沙410004 [2]中南大学信息科学与工程学院,长沙410083

出　　处：《控制与决策》2009年第12期1810-1815,共6页Control and Decision

基　　金：国家863计划项目(2008AA04Z214)

摘　　要：利用矩阵特征向量分解,提出一种可最优化计算特征规模的互信息特征提取方法.首先,论述了高斯分布假设下的该互信息判据的类可分特性,并证明了现有典型算法都是本算法的特例;然后,在给出该互信息判据严格的数学意义基础上,提出了基于矩阵特征向量分解计算最优化特征规模算法;最后,通过实际数据验证了该方法的有效性.By using matrix eigenvalue/eigenvector decomposition, an optimization calculation of feature scale is proposed for mutual information measure feature extraction technique. The novel technique based on Gaussian distribution enjoys a good class-separability property with the mutual information, It is proved that the existing algorithm is the specifical example. Then based on the strict mathematic significance of mutual information measure, the method for optimization calculation of the feature scale based on matrix eigenvalue/eigenvector decomposition is given. Finally, real-world data sets demonstrat the effectiveness of the method.

关 键 词：互信息判据 特征提取 特征规模 矩阵特征向量分解 

分 类 号：TP274[自动化与计算机技术—检测技术与自动化装置]