我想创建一个应用程序，它可以学习对用户绘制的点序列进行分类，例如：手写识别之类的东西。如果数据点由多个（x，y）对组成（如对应于手势实例的像素），那么计算实例的最佳特征是什么，这将构成一个好的多类分类器（例如SVM， NN等）？特别是如果提供有限的培训示例。
答案 0 :(得分：1)
如果我是你，我会找到与角点，终点和交叉点对应的数据点，将它们用作特征并丢弃中间点。您也可以包括这些兴趣点的角度或其他描述符。
为了检测兴趣点，您可以使用Harris detector，然后可以将该点的梯度值用作简单描述符。或者，您可以采用更加精美的方法，例如SIFT。
您可以使用缩减采样图像中每个像素的描述符，然后使用SVM进行分类。其缺点是在特征向量中存在大量不感兴趣的数据点。
另一种方法是不将其作为分类问题，而是作为模板匹配问题（在computer-vision中相当常见）。在这种情况下，可以将手势指定为任意数量的兴趣点，完全省略非兴趣数据。实例点的某个阈值百分比必须与用于肯定标识的模板匹配。例如，当将'R'实例的角点与'X'的模板进行匹配时，右下角应匹配，即相同位置方向的端点，但其他点太不相似，相当低得分和识别R = X将被拒绝。