Linear Discriminant Analysis(LDA)线性判别分析目录LDA扩展LDA简介1经典LDA 2LDA限制34 4LDA简介线性判别分析（linear discriminant analysis），也叫Fisher线性判别分析，是特征提取中最为经典和广泛使用的方法之一。LDA是由R.A Fisher于1936年提出来的方法【1 】,主要是用来解决生物问题（TaxonomicProblems）的分类问题。它是在1996年由Belhumeur【2 】引入模式识别和人工智能领域的.R.A Fisher(1890-1962)LDA思想线性判别分析（LDA）的基本思想是将高维的模式样本投影到最佳鉴别矢量空间，以达到抽取分类信息和压缩特征空间维数的效果，投影后保证模式样本在新的子空间有最大的类间距离和最小的类内距离，即模式在该空间中有最佳的可分离性。因此，它是一种有效的特征抽取方法。两类的线性判别问题两类的线性判别问题可以看作是把所有的样本都投影到一个方向上，然后在这个一维空间中确定一个分类的阈值。过这个阈值点且与投影方向垂直的超平面就是两类的分类面。如何确定投影方向？两类的
