苏本革

（山东省东平县斑鸠店镇中学 山东泰安 271500）

一、引言

当今信息时代中，随着计算机技术的不断发展，新概念不断地提出，数据呈现出了快速增长，而这些大量数据信息中许多是冗余无用的，根据特征来提取所需的知识和信息，用合理的手段来提取数据的特征成为目前所需解决的主要问题。同样的事物具有多种的表现形式，如同一个人的指纹和红热图像。同一句话的不同语言表达，对于相同对象不同的表示被称为多特征数据[1]，即同一个物体的多种特征信息。近年来，多特征数据的研究获得越来越多的关注[2]，因为相比于单特征数据，多特征数据上的研究具有更好的效果[3]。

“维数灾难”[4]是多特征数据经常出现的问题，影响分类识别性能。特征提取和融合成为解决此类问题的关键所在。在同一种模式中，可以通过提取多种特征，来充分体现模式中不同的特点。特征融合的主要目的其一是优化和组合不同的特征实现维数约减，其二是更好地进行模式分类。特征融合主要有以下的优点：首先，不会忽略多特征的有效判别信息；其次，有助于消除特征数据的冗余信息。

串联和整合多种类的特征是特征融合的重要方法之一。其中，特征之间的相互比较采用了特征正则化方法。这种方法在一些范围中有助于识别性能的优化，提高识别率，但是当模式识别时的特征维数极大地增加时，则会有小样本问题[5]出现，使得计算速度相比之前极大地降低。……