模式识别大作业—Fisher最近邻.docx

姓名：学号题目对sonar和wdbc中数据（如表1所示）进行分类，并将实验结果填入表2。不降维方法用邻近法，降维用fisher判别：解：表2实验结果（准确率）不降维降维wdbc0.950720.93283sonar0.686080.72499一、Fisher线性判别Fisher判别法的基本思想是寻找一个最好的投影方向，在这个方向的直线上，d维样本的投影能分开的最好。问题是如何根据实际情况找到这条最好的、最易于分类的投影线。这就是fisher法所要解决的基本问题。一维空间的Fisher线性判别函数为：(m-m)2J(w)二i-fS+S121ym=yx,i=1,2iNS=y(xm)(xm)t,i二1,2ii其中，m和m是两个样本的均值，S，S分别为各类样本的的类内离散度。投121影方向w为：4)w二Si(mm)w12S二S+S(5)w12在Fisher判决函数中，分子反应了映射后两类中心的距离平方