Um método de extração de características
cria um novo espaço a partir de transformações ou combinações das
características do espaço original.
Formalmente, dado um espaço de características de dimensão
, um método de extração de características
é uma função
, em que
possui dimensão
. Assim, dado um padrão
em um espaço de características
, temos
![]() |
(3.1) |
Normalmente, , mas nem sempre a redução de dimensionalidade é
promovida diretamente pelos métodos de extração de características.
Em geral, eles criam um novo espaço de característica em que a determinação dos vetores mais salientes de sua base é muito simples. Por exemplo, conforme será visto posteriormente, a transformada de Karhunen-Loève pode, nos piores casos, criar um espaço de características com
. Entretanto, geralmente basta selecionar os primeiros vetores da base criada para reduzir a dimensionalidade de forma eficiente.
Há métodos lineares e não lineares de extração de características. Os processos lineares de extração de características podem ser definidos como uma simples mudança de base do espaço vetorial de características da seguinte forma:
Dentre os extratores de características lineares, podemos citar a transformada de Fourier, a análise de componentes principais (PCA), a análise de discriminantes lineares e outras projeções lineares em geral. Em relação aos extratores não lineares, pode-se citar as redes neurais e os heurísticos. A seguir, estão descritos os métodos de extração de características que foram utilizados no desenvolvimento desta pesquisa.