基于敏感度分析的图像特征值选取

特征选择在数据挖掘、图像识别等诸多方面有着广泛的应用,其目的是找出那些最有效的特征,即把特征空间从高维压缩到低维。对于图像识别系统而言,为了保证识别性能需要从图像中提取大量的信息,往往使得训练集数量相对特征向量的维数显得较少。引入敏感度分析作为标准实现图像特征值的选取。实验表明:利用敏感度分析选取的特征值对BP神经网络进行训练避免了网络的过拟合问题,提高了网络的识别率,同时大大降低了网络的训练时间,提高了网络识别效率。