在模式识别的研究中,我们经常会遇到高维数据,它提供了极其丰富的客观信息。如何直观地表示这些数据,从中获取我们感兴趣的信息,一直是学者们孜孜不倦追求的目标。本文在前人研究基础上,对多元图特征基元的模式识别方法做了一些研究。论文以模式识别中存在的数据表示问题和分类问题为背景,在多元数据2维(2D)图表示理论的基础上,根据图表示方法,提出一种多维数据多元图特征基元的提取方法。首先,结合多元图表达的思想,本文进一步探讨多元数据可视化实现的方法。在基于多元图特征基元表示的一般化表示模型基础上,提取出了表征多元图的几何特征基元。然后,发现多元数据进行图表示存在特征排序问题,而且会导致不同特征排序下生成多元图图形特征的分类性能不同。因此研究了特征排序方法,第一种策略采用filter寻找特征排序,第二种策略采用wrapper的特征排序方法,第三种策略采用遗传算法用于特征排序方法。采用Iris等标准数据集对基于多元图几何特征提取方法进行了分类实验,取得了较好的分类效果。还对SVM分类器的不同参数组合下的分类精度进行了比较,并简单分析了参数对分类精度的影响。最后,总结论文的主要工作并分析存在的问题,为进一步的研究提供基础和宝贵的经验。