計算機新技術

《計算機新技術》課程報告課題名稱:1.機器智能與大數(shù)據處理2■智能技術在物聯(lián)網中的應用

3.神經網絡在模式識別與特征提取中的應用課題負責人名（學號）:評閱成績： 評閱意見： 提交報告時間：2013年11月04日機器智能與大數(shù)據處理專業(yè)學生［摘要］機器智能已經不可避免的融入我們的生活，實現(xiàn)真正意義上的機器智能，不可忽視的首要問題就是數(shù)據處理。關鍵詞：機器智能數(shù)據處理隨著社會發(fā)展，我們對機械的要求應需要所言變的越來越高，為了滿足這一需求，人們提出了機器智能的概念。機器智能（英語：ArtificialIntelligence,AD有時也稱作人工智能，是指由人工制造出來的系統(tǒng)所表現(xiàn)出來的智能。通常人工智能是指通過普通計算機實現(xiàn)的智能。該詞同時也指研究這樣的智能系統(tǒng)是否能夠實現(xiàn)，以及如何實現(xiàn)的科學領域。一般教材中的定義領域是“智能代理（intelligentagent）的研究與設計”⑴，智能代理是指一個可以觀察周遭環(huán)境并作出行動以達致目標的系統(tǒng)。［2］約翰?麥卡錫于1955年的定義是,［3］"制造智能機器的科學與工程."［4］人工智能的研究是高度技術性和專業(yè)的，各分支領域都是深入且各不相通的。⑸人工智能的研究可以分為幾個技術問題。其分支領域主要集中在解決具體問題，其中之一是，如何使用各種不同的工具完成特定的應用程序。AI的核心問題包括推理，知識，規(guī)劃，學習，交流，感知，移動和操作物體的能力等。［6］強人工智能目前仍然是該領域的長遠目標。［7］目前比較流行的方法包括統(tǒng)計方法，計算智能和傳統(tǒng)意義的AI。目前有大量的工具應用了人工智能，其中包括搜索和數(shù)學優(yōu)化，邏輯，基于概率論和經濟學的方法等等。普遍的認知是以科學技術為中心，把信息科學技術、生命科學技術和系統(tǒng)科學技術等高新科學技術結合起來，形成智能（認知）科學技術群。隨著認知科學的深入研究，人們將逐漸搞清人類智能的機制，在此基礎上，智能科學技術將會得到充分發(fā)展。用機器輔助和代替人的體力勞動早已實現(xiàn)了，但用機器輔助和代替人的腦力勞動卻困難得多，現(xiàn)在才剛剛開始。如果后者真正實現(xiàn)了，人類社會的經濟、文化、科學、技術就會產生更大的飛躍，人類文明必將達到一個新的階段。由于人腦非常復雜，任何機器都不可能完全代替人腦。目前，對人腦的研究尚不充分，人腦的記憶、思維、想像、情感的奧秘遠未揭開。在人類智能尚不清楚的條件下，不可能搞清什么是機器智能、什么是智能機器。我們只能使機器智能不斷接近人類智能和模擬人類智能，而永遠不能使機器智能等同于人類智能，進而代替人類智能。但是部分模仿人腦功能、輔助人類智能、甚至促進人類智能發(fā)展的機器卻是可以實現(xiàn)的?，F(xiàn)代智能化通信設備、各種智能化的家用電器、電子商務、網上教育、網上設計、虛擬企業(yè)……甚至遙控做醫(yī)療手術都大量應用著智能化技術。許多國家還提出建立智能因特網、制造智能計算機的任務?？梢院敛豢鋸埖卣f，信息化、網絡化的實質就是智能化。我們還可以看到實現(xiàn)信息化、網絡化的工具是智能化的。在現(xiàn)代信息科學技術中，愈來愈多地使用了自然語言識別與理解、圖像識別與處理、計算機視覺、機器人規(guī)劃、多信息傳感與控制、知識的表示、獲取與處理、推理與求解、專家系統(tǒng)、智能控制等人工智能技術。智能化是機械工程和國民經濟各部門的發(fā)當前，國民經濟各部門中智能化已露端倪，智能化產品不斷涌現(xiàn)，智能化趨向愈來愈明顯，出現(xiàn)了各種智能儀表、智能車輛、智能機器、智能機器人、智能“寵物”智能材料……甚至智能大廈。一些生產和經營系統(tǒng)也大量地采用智能技術，如各種智能生產控制系統(tǒng)、智能物流系統(tǒng)、智能制造系統(tǒng)、虛擬企業(yè)、電子商務等。至于這些生產和經營的管理系統(tǒng)，就更快地實現(xiàn)了不同程度的智能化，如智能鐵路運輸管理系統(tǒng)、智能空中交通管制系統(tǒng)、智能財務結算系統(tǒng)、智能金融管理系統(tǒng)、智能物資管理系統(tǒng)、智能數(shù)據庫管理系統(tǒng)等。而機器智能要實現(xiàn)就必須解決許多的問題，包括（1）多信息感知與融合；（2）知識表達、獲取、存儲和處理（主要是識別、推理與決策）；（3）聯(lián)想記憶；（4）自治控制，即自相似、自學習、自適應、自組織、自維護；（5）容錯。其中的大多數(shù)都聯(lián)系到了一個不可避免的就是數(shù)據的處理。就機器智能而言，數(shù)據處理需要滿足A.海量數(shù)據處理：需要能夠處理PB級的數(shù)據，同時應對百萬級的流量。B.大規(guī)模集群管理：分布式應用可以更加簡單地部署、應用和管理C.低延遲讀寫速度：快速的響應速度能夠極大地提高機器的效率。數(shù)據挖掘就是利用了統(tǒng)計和人工智能技術的算法及技術，把這些高深復雜的技術封裝起來，使人們不用自已掌握這些技術也能完成同樣的功能?并且更專注于自己所要解決的問題。即人工智能：就是計算機自動做決策，包含機器學習，模式識別，數(shù)據挖掘等幾個方面。機器學習：研究重點是算法的學習過程，強調的是一個反饋的、自我完善的框架，是人工智能的一個分支。模式識別：就是分類問題，是機器學習的一個方面，包括監(jiān)督法和非監(jiān)督法分類。數(shù)據挖掘：就是在大型數(shù)據庫上的機器學習應用，偏重于從大型數(shù)據庫中找規(guī)律的應用方面。他們要解決的核心問題不同，但是運用的數(shù)學模型如出一撤，主要是統(tǒng)計學方法。對大數(shù)據量的適應性，數(shù)據挖掘的算法必須面對記錄為數(shù)10萬條記錄以上的數(shù)據集有很好的性能；周期性數(shù)據集更新數(shù)據挖掘需要考慮能對這些增量數(shù)據處理而不用從頭計算一次:數(shù)據挖掘還需考慮如何處理數(shù)據集大于內存的問題及并行處理問題。參考文獻陶治編著，話說智能機械，內蒙古大學出版社，2000.9劉進長、辛健成編著，智能機械世界，河南科學技術出版社，2000.6劉惟一?李維華?岳昆，智能數(shù)據分析，科學出版社，2007.9智能技術在物聯(lián)網中的應用專業(yè)學生［摘要］物聯(lián)網的應用已經隨處可見，而智能技術在其中扮演非常重要的角色，不僅是數(shù)據采集，監(jiān)控，處理，即便是數(shù)據的傳輸，保存以及挖掘等等都離不開智能技術的支持。就其物聯(lián)網來說，智能技術是整個網絡的關鍵和支撐。關鍵詞：物聯(lián)網 智能技術應用通過老師的講授，我已經對物聯(lián)網技術有了初步的了解。通過查找一些資料我進一步領悟到物聯(lián)網技術的發(fā)展與現(xiàn)狀。目前物聯(lián)網已成為IT業(yè)界的新興領域，引發(fā)了相當熱烈的研究和探討。不同的視角對物聯(lián)網概念的看法不同，所涉及的關鍵技術也不相同。何謂物聯(lián)網？目前對物聯(lián)網比較準確的表述是：通過各種信息傳感設備及系統(tǒng)（傳感網、射頻識別系統(tǒng)、紅外感應器、激光掃描器等）、條碼與二維碼、全球定位系統(tǒng)，按約定的通信協(xié)議，將物與物、人與物連接起來，通過各種接入網、互聯(lián)網進行信息交換，以實現(xiàn)智能化識別、定位、跟蹤、監(jiān)控和管理的一種信息網絡。物聯(lián)網的主要特征是每一個物件都可以尋址，每一個物件都可以控制，每一個物件都可以通信。顯然，它作為"感知、傳輸、應用"3項技術相結合的一種產物，是一種全新的信息獲取和處理技術?！拔锫?lián)網技術”的核心和基礎仍然是“互聯(lián)網技術”是在互聯(lián)網技術基礎上的延伸和擴展的一種網絡技術；其用戶端延伸和擴展到了任何物品和物品之間，進行信息交換和通訊。因此，物聯(lián)網技術的定義是：通過射頻識別（RFID）、紅外感應器、全球定位系統(tǒng)、激光掃描器等信息傳感設備，按約定的協(xié)議，將任何物品與互聯(lián)網相連接，進行信息交換和通訊，以實現(xiàn)智能化識別、定位、追蹤、監(jiān)控和管理的一種網絡技術叫做物聯(lián)網技術?？梢源_定的是，物聯(lián)網技術涵蓋了從信息獲取、傳輸、存儲、處理直至應用的全過程，在材料、器件、軟件、網絡、系統(tǒng)各個方面都要有所創(chuàng)新才能促進其發(fā)展。國際電信聯(lián)盟報告提出，物聯(lián)網主要需要4項關鍵性應用技術：①標簽物品的RFID技術；②感知事物的傳感網絡技術（SensorTechnologies）；③思考事物的智能技術（SmartTechnologies）；④微縮事物的納米技術（Nanotechnology）。顯然這是側重了物聯(lián)網的末梢網絡。歐盟《物聯(lián)網研究路線圖》將物聯(lián)網研究劃分為10個層面：①感知，ID發(fā)布機制與識別；②物聯(lián)網宏觀架構；③通信（OSI參考模型的物理層與數(shù)據鏈路層）；④組網（OSI參考模型的網絡層）；⑤軟件平臺、中間件（OSI參考模型的網絡層以上各層）；⑥硬件；⑦情報提煉；⑧搜索引擎；⑨能源管理；⑩安全。當然，這些都是物聯(lián)網研究的內容，但對于實現(xiàn)物聯(lián)網而言略顯重點不夠突出。通過對物聯(lián)網的內涵分析，可以將實現(xiàn)物聯(lián)網的關鍵技術歸納為感知技術、網絡通信技術（主要為傳感網技術和通信技術）、數(shù)據融合與智能技術、云計算等。物聯(lián)網應用從技術層面講主要涉及三個部分，即對外感知、感知信息傳輸（可能需要節(jié)點利用無線組網實現(xiàn)信息傳輸）、信息處理與回饋控制。智能技術貫穿整個物聯(lián)網之中，是核心技術的核心。感知可以是智能感知，可以是多節(jié)點協(xié)同感知，還可以是智能識別感知系統(tǒng)。由于物聯(lián)網應用是由大量傳感網節(jié)點構成的，在信息感知的過程中，采用各個節(jié)點單獨傳輸數(shù)據到匯聚節(jié)點的方法是不可行的，需要采用數(shù)據融合與智能技術進行處理。因為網絡中存有大量冗余數(shù)據，會浪費通信帶寬和能量資源。此外，還會降低數(shù)據的采集效率和及時性需要采用數(shù)據融合與智能技術進行處理。通過采分析和處理采集的物體信息，針對具體應用提出新的服務模式實現(xiàn)決策和控制智能。信息傳輸可以是感知信息的直接傳輸，也可以經過數(shù)據融合等信息處理后再傳輸，還可以是節(jié)能路由傳輸、可靠性冗余傳輸?shù)鹊取Ｐ畔⑻幚砼c反饋更是需要將信息進行智能處理，甚至需要云計算技術等。經智能決策的信息一般需要反饋到應用系統(tǒng)中，以實現(xiàn)系統(tǒng)的智能化控制，比如智能電網調度、樓宇智能控制、城市交通智能控制等。數(shù)據融合技術需要人工智能理論的支撐，包括智能信息獲取的形式化方法，海量數(shù)據處理理論和方法，網絡環(huán)境下數(shù)據系統(tǒng)開發(fā)與利用方法，以及機器學習等基礎理論。同時，還包括智能信號處理技術，如信息特征識別和數(shù)據融合，物理信號處理與識別等。物聯(lián)網典型體系架構分為3層，自下而上分別是感知層、網絡層和應用層。感知層實現(xiàn)物聯(lián)網全面感知的核心能力，是物聯(lián)網中關鍵技術、標準化、產業(yè)化方面亟需突破的部分，關鍵在于具備更精確、更全面的感知能力，并解決低功耗、小型化和低成本問題。網絡層主要以廣泛覆蓋的移動通信網絡作為基礎設施，是物聯(lián)網中標準化程度最高、產業(yè)化能力最強、最成熟的部分，關鍵在于為物聯(lián)網應用特征進行優(yōu)化改造，形成系統(tǒng)感知的網絡。應用層提供豐富的應用，將物聯(lián)網技術與行業(yè)信息化需求相結合，實現(xiàn)廣泛智能化的應用解決方案，關鍵在于行業(yè)融合、信息資源的開發(fā)利用、低成本高質量的解決方案、信息安全的保障及有效商業(yè)模式的開發(fā)物聯(lián)網典型體系架構分為3層，自下而上分別是感知層、網絡層和應用層。感知層實現(xiàn)物聯(lián)網全面感知的核心能力，是物聯(lián)網中關鍵技術、標準化、產業(yè)化方面亟需突破的部分，關鍵在于具備更精確、更全面的感知能力，并解決低功耗、小型化和低成本問題。網絡層主要以廣泛覆蓋的移動通信網絡作為基礎設施，是物聯(lián)網中標準化程度最高、產業(yè)化能力最強、最成熟的部分，關鍵在于為物聯(lián)網應用特征進行優(yōu)化改造，形成系統(tǒng)感知的網絡。應用層提供豐富的應用，將物聯(lián)網技術與行業(yè)信息化需求相結合，實現(xiàn)廣泛智能化的應用解決方案，關鍵在于行業(yè)融合、信息資源的開發(fā)利用、低成本高質量的解決方案、信息安全的保障及有效商業(yè)模式的開發(fā)。將無處不在（ Ubiquitous）的末端設備（Devices）和設施（Facilities）,包括具備“內在智能"的傳感器、移動終端、工業(yè)系統(tǒng)、數(shù)控系統(tǒng)、家庭智能設施、視頻監(jiān)控系統(tǒng)等、和“外在使能”（Enabled）的，如貼上RFID的各種資產（Assets）、攜帶無線終端的個人與車輛等等“智能化物件或動物”或“智能塵?！保∕ote），通過各種無線和/或有線的長距離和/或短距離通訊網絡實現(xiàn)互聯(lián)互通（M2M）、應用大集成（GrandIntegration）、以及基于云計算的SaaS營運等模式，在內網（Intranet）、專網（Extranet）、和/或互聯(lián)網（Internet）環(huán)境下，采用適當?shù)男畔踩Ｕ蠙C制，提供安全可控乃至個性化的實時在線監(jiān)測、定位追溯、報警聯(lián)動、調度指揮、預案管理、遠程控制、安全防范、遠程維保、在線升級、統(tǒng)計報表、決策支持、領導桌面（集中展示的CockpitDashboard）等管理和服務功能，實現(xiàn)對“萬物”的“高效、節(jié)能、安全、環(huán)保”的“管、控、營”一體化。把感應器嵌入裝備到油網、電網、路網、水網、建筑、大壩、等物體中，然后將“物聯(lián)網”與“互聯(lián)網”整合起來，實現(xiàn)人類社會與物理系統(tǒng)的整合,超級計算機群對“整合網”的人員、機器設備、基礎設施實施實時管理控制以精細動態(tài)方式，管理生產生活，提高資源利用率和生產力水平，改善人與自然關系。分布式數(shù)據融合所謂數(shù)據融合是指將多種數(shù)據或信息進行處理，組合出高效且符合用戶需求的數(shù)據的過程。在傳感網應用中，多數(shù)情況只關心監(jiān)測結果，并不需要收集大量原始數(shù)據，數(shù)據融合是處理該類問題的有效手段。例如，借助數(shù)據稀疏性理論在圖像處理中的應用，可將其引入傳感網用于數(shù)據壓縮，以改善數(shù)據融合效果。分布式數(shù)據融合技術需要人工智能理論的支撐，包括智能信息獲取的形式化方法、海量信息處理的理論和方法、網絡環(huán)境下信息的開發(fā)與利用方法，以及計算機基礎理論。同時，還需掌握智能信號處理技術，如信息特征識別和數(shù)據融合、物理信號處理與識別等。海量信息智能分析與控制海量信息智能分析與控制是指依托先進的軟件工程技術，對物聯(lián)網的各種信息進行海量存儲與快速處理，并將處理結果實時反饋給物聯(lián)網的各種“控制”部件。智能技術是為了有效地達到某種預期的目的，利用知識分析后所采用的各種方法和手段。通過在物體中植入智能系統(tǒng)，可以使得物體具備一定的智能性，能夠主動或被動的實現(xiàn)與用戶的溝通，這也是物聯(lián)網的關鍵技術之一。智能分析與控制技術主要包括人工智能理論、先進的人-機交互技術、智能控制技術與系統(tǒng)等。物聯(lián)網的實質是給物體賦予智能，以實現(xiàn)人與物體的交互對話，甚至實現(xiàn)物體與物體之間的交互或對話。為了實現(xiàn)這樣的智能性，例如，控制智能服務機器人完成既定任務包括運動軌跡控制、準確的定位及目標跟蹤等，需要智能化的控制技術與系統(tǒng)。根據物聯(lián)網的內涵可知，要真正實現(xiàn)物聯(lián)網需要感知、傳輸、控制及智能等多項技術。物聯(lián)網的研究將帶動整個產業(yè)鏈或者說推動產業(yè)鏈的共同發(fā)展。信息感知技術、網絡通信技術、數(shù)據融合與智能技術、云計算等技術的研究與應用，將直接影響物聯(lián)網的發(fā)展與應用，只有綜合研究解決了這些關鍵技術問題，物聯(lián)網才能得到快速推廣。智能物流是信息化及物聯(lián)網在傳統(tǒng)物流業(yè)應用的產物，它的信息化和綜合化的物流管理、流程監(jiān)控不僅為企業(yè)帶來物流效率提高、物流成本控制等效益，也從整體上提高了企業(yè)以及相關領域的信息化水平，從而達到帶動整個產業(yè)發(fā)展的目的。物流產業(yè)是高端的服務業(yè)，但在我國因為信息化以及技術水平發(fā)展水平的滯后性使得我國物流產業(yè)的發(fā)展得不到有效的升級，如何將我國的物流產業(yè)實現(xiàn)智能化成為我們物流產業(yè)的挑戰(zhàn)，隨著全球信息化和網絡技術水平的不斷提高，我國可以利用先進的國外技術促進我國物流產業(yè)走向高端服務業(yè)，形成物暢其流、快捷準時、經濟合理、用戶滿意的產業(yè)物流體系。參考文獻張文宇，李棟?物聯(lián)網智能技術?中國鐵道出版社,2012.4劉化君，物聯(lián)網體系結構研究[J].中國新通信,2010.5.物聯(lián)網技術與應用，電氣自動化技術網，2011.07.28神經網絡在模式識別與特征提取中的應用專業(yè)學生［摘要］人工神經網絡是模仿人類大腦的人工智能的一個重要構成部分，模式識別模仿人的感知能力，從感知數(shù)據中提取信息（判斷物體和行為）。模式識別，尤其是特征提取在人工神經網絡中發(fā)揮著不可替代的作用。關鍵詞：神經網絡模式識別特征提取隨著神經網絡理論的飛速發(fā)展，對神經網絡的研究幾乎延伸到生活的各個領域。神經網絡有很多優(yōu)點，有很好的適應能力、較高的容錯性、能適應超大規(guī)模集成電路等等。人工神經網絡，是一種基于生理學上的神經網絡理論抽象化的系統(tǒng)模型。它是由大量的基本單元 神經元通過極其豐富的相互聯(lián)結而構成的非線性動力學系統(tǒng)。目前主要應用于模式識別、組合優(yōu)化、過程控制等方面，是仿效生物處理模式以獲得智能信息處理功能的理論。神經網絡著眼于腦的微觀網絡結構。通過大量神經元的復雜連接，采用由底到頂?shù)姆椒ǎㄟ^自學習、自組織和非線性動力學所形成的并行分布方式，來處理難于語言化的模式信息。人工神經網絡是一種基于大量神經元廣泛互聯(lián)的數(shù)學模型，具有自學習、自組織、自適應的特點，與模式識別有密切的關系，在優(yōu)化計算，信號處理，智能控制等眾多領域也得到廣泛的應用。它不同于傳統(tǒng)人工智能研究中的基于邏輯與符號處理的方法，它力求更直觀地“再現(xiàn)”人腦學習、記憶和歸納的基本特性。識別活動是人類的基本活動，人們希望機器能代替人類進行識別工作，因此模式識別的理論和方法引起了人們極大的興趣并進行了長期的研究。模式識別就是通過計算機用數(shù)學技術方法來研究模式的自動處理和判讀。我們把環(huán)境與客體統(tǒng)稱為“模式”模式可以理解為一組特征，在計算機中就是一組向量或數(shù)組。人工神經網絡技術的出現(xiàn)為處理各種模糊的、數(shù)據（或知識）不完全的、模擬的、不精確的模式識別問題提供了一個全新的途徑。神經網絡的工作方式主要有前饋式和演化式。前饋式神經網絡被分成輸入層、隱含層和輸出層，信息從輸入層開始，經由隱含層流向輸出層，其中隱含層可以是多層。人工神經網絡，尤其是前饋型神經網絡,在信息處理中最典型，最有希望的應用領域就是模式識別。作為神經網絡的最初模型 感知機模型，就是為模式識別提出來的。神經網絡通過自組織或學習訓練而具有強有力的模式識別能力,這使得基于神經網絡的模式識別系統(tǒng)與傳統(tǒng)的模式識別系統(tǒng)相比,表現(xiàn)出明顯的優(yōu)點。模式識別是研究用計算機自動識別事物的一門科學，其目的是用機器完成類似于人類智能通過視覺、聽覺等感官去識別外界環(huán)境所進行的工作，它包括語音識別、圖像識別等典型應用。針對不同的對象和不同的目的，可以用不同的模式識別理論、方法。特征提取是模式識別領域的一個重要的研究方向，特征提取可以提高分類的效率與效果。將神經網絡運用于特征提取，對在數(shù)據中起顯著作用的特征進行篩選，除去冗余和次要特征,得到特征子集。而人工神經網絡能較好地模擬人的形象思維，而且由于具有大規(guī)模并行協(xié)同處理能力、較強的容錯能力和聯(lián)想能力以及較強的學習能力。人工神經網絡具有自適應性，并行處理的能力和非線性處理的優(yōu)點，在模式識別方面，只要建立適當?shù)木W絡模型，經過網絡訓練應用已有的知識和經驗，便可使識別智能化、自動化，并具有較高可靠性，將極大方便人們的工作，具有很大的發(fā)展?jié)摿?。人工神經網絡模式識別系統(tǒng)的意義其應用于建模、時間序列分析、模式識別和控制等領域。它的理論與實踐有引人注目的進展,再一次拓展了計算概念的內涵，使神經計算、進化計算成為新的學科。在此同時,神經網絡的軟件模擬得到了廣泛的應用。使用機器來進行模式識別是一項有價值的工作。比如用機器來辨別銀行的簽字和郵政編碼,那么它就能在相同的時間里做比人多得多的工作。模式識別不僅省時，而且經濟,同時還能將勞動者從繁雜的重復勞動中解脫出來。模式識別系統(tǒng)的要求神經網絡自身僅能夠處理數(shù)據，所以對于需要神經網絡完成的任務,都必須首先將其轉化成神經網絡所能夠接收的輸入和輸出數(shù)據。即使對郵政編碼辨識這樣較簡單的任務，也必須先對簽字部位和信封編碼部位進行掃描，并對圖像進行預處理，將含有數(shù)字的部分用點陣畫出其圖形，產生一定數(shù)目的用0和I數(shù)字表示的數(shù)字符號的數(shù)組后，才能將其送入神經網絡的輸入端進行辨識。模式識別與人工智能所研究的是如何用計算機實現(xiàn)入腦的一些功能。一方面，從要實現(xiàn)的功能出發(fā)，將功能分解成子功能，直至設計出算法來實現(xiàn)這些子功能。這是自頂向下的分析方法，前面各章是這條思路的產物。另一方面，入腦無論多么復雜，都可以看作是由大量神經元組成的巨大的神經網絡。從神經元的基本功能出發(fā)，逐步從簡單到復雜組成各種神經網絡，研究它所能實現(xiàn)的功能，是自底向上的綜合方法。數(shù)據特征提取是模式識別和機器學習領域中的重要研究內容,是對數(shù)據進行分類和知識發(fā)現(xiàn)等操作的依據。特征提取的概念就是對數(shù)據的特征向量進行處理,降低其維度并盡量地保留數(shù)據的原有信息，這對提高解決問題的效率至關重要。特征提取主要有兩種方法:特征選擇和特征變換。特征選擇是在原特征向量中選擇重要的特征，去除冗余特征，得到新的特征子集（子向量）。特征變換則是對原有特征向量進行函數(shù)變換得到新的特征參數(shù)，組合成新的子集。特征子集的生成有兩種模式，過濾和封裝。過濾就是按照事先規(guī)定的規(guī)則對原數(shù)據特征進行選擇或轉換。規(guī)則是得到特征子集的關鍵,直接影響所得到的特征子集