Halcon 第六章『图像分类Classification』◆第1节：分类器的介绍

        一、介绍

        分类器的作用是将目标对象指定给多个类别中的一个。

        给目标做出分类前，需要了解目标内不同的类别之间有什么共同特征，又有什么特征是某个类别独有的。可以通过分析样本对象的典型特征得到这些信息。

        特征参数存储在特征向量中，又称特征空间。特征空间的维度取决于特征的种类，一般来说，特征空间的维度可以很高。但是，如果维度过高，也可使分类问题变得复杂。而要区分物体类别，往往只依赖关键的几个特征。所以，可以去除一些不重要的特征，以尽量减少特征空间的维度。为了显示方便，常常只绘制其中两维。

        在使用二维的坐标轴表示特征空间时，常用一个轴表示一种特征。不同类别的目标的特征值以点的形式显示在这样的坐标空间中。分类器就是一条将这些点区分开来的线，它可以使坐标空间中的点都能有明确的分类。

        但有时二维分类还不足以区分物体，容易造成误判。这种情况下就需要用更多的样本来训练或者增加其他特征。同时由于特征空间维度的增加，分类器就不再是二维空间的一条线了，而可能是三维空间的一个平民。如果特征维度继续增加，分类器可能就是“超平面”了。

        这种使用线或者平民进行分类的分类器称为线性分类器。还有一种非线性分类器能使用任意曲面或者折面对特征点进行分割，这种分类器一般出现在多维特征空间中。

        二、分类器的种类

        ①基于神经网络，特别是多层感知器的MLP分类器。

        ②基于支持向量机的SVM分类器。

        ③基于高斯混合模型的GMM分类器。

        ④基