线性特征提取（linear feature extraction），理学-计算机科学技术-计算机应用-多媒体计算-模式识别-线性特征提取，从一组已有特征通过线性变换得到一组新特征。又称线性特征变换、线性子空间分析。D维原始特征为，变换后的d维新特征为。式中为维矩阵，称为变换矩阵。在模式识别中，特征提取就是根据训练样本求解适当的，使得某种特征变换的准则最优。一般情况下，，即特征变换是降维变换。模式识别中把每个对象都量化为一组特征来描述，构建特征空间是解决模式识别问题的第一步，其中通过直接测量得到的特征称为原始特征，这些特征不能反映对象的本质特征，高维的原始特征不利于后续的分析和分类。特征提取的变换矩阵一般通过求解面向训练样本的目标函数得到。根据目标函数是否使用类别标签，特征提取可以分为有监督和无监督两大类。在信号处理中，人们还常用离散傅里叶变换、离散余弦变换和小波变换等预先计算的基信号来表示原信号，实现高效的信号处理。无监督的线性特征提取一般以精确地表示样本信息为目的，它的优化过程不依赖样本的类别标签但可以使得变换特征满足某种特性。典型方法有主成分分析、独立成分分析和流形学习方法。