精选优质文档-倾情为你奉上实验1 Fisher线性判别分析实验一、摘要Fisher线性判别分析的基本思想：通过寻找一个投影方向（线性变换，线性组合），将高维问题降低到一维问题来解决，并且要求变换后的一维数据具有如下性质：同类样本尽可能聚集在一起，不同类的样本尽可能地远。Fisher线性判别分析，就是通过给定的训练数据，确定投影方向W和阈值y0，即确定线性判别函数，然后根据这个线性判别函数，对测试数据进行测试，得到测试数据的类别。二、算法的基本原理及流程图1 基本原理（1）W的确定各类样本均值向量mi样本类内离散度矩阵和总类内离散度矩阵样本类间离散度矩阵在投影后的一维空间中，各类样本均值。样本类内离散度和总类内离散度 。样本类间离散度。Fisher准则函数满足两个性质：投影后，各类样本内部尽可能密集，即总类内离散度越小越好。投影后，各类样本尽可能离得远，即样本类间离散度越大越好。根据这个性质确定准则函数，根据使准则函数取得最大值，可求出W：。（2）阈值的确定实验中采取的方法：。（3）F
