模式识别课程设计报告、课程实验报告 个人从网上找的资料然后运行、截图并总结。希望对大家有用。 声明：手写数字识别系统没有程序，因为我们的老师没要求我们写程序。但网上这种代码很多，很容易找到。

此文件对根据两个分类变量交叉分类的频率数据表执行 Fisher 精确概率检验，每个分类变量有两个级别或子类别 (2x2)。 它是一种非参数统计检验，用于确定两个分类变量之间是否存在非随机关联。 Fisher 精确检验用于计算具有少量预期频率的精确 P 值，卡方检验不适用于这种情况（如果观察总数小于 20 或频率单元数小于5）。 该测试基于超几何概率。 著名的罗纳德·艾尔默·费舍尔 (Ronald Aylmer Fisher) 的著作《研究工作者的统计方法》(Statistical Methods for Research Workers) 于 1934 年版中提出了该测试。 需要输入四个频率单元。 输出由负值、正值和两个 P 值组成。 [在收集（或查看）数据之前决定使用 Left、Right 或 2-Tail]。 如果用户没有输入任何输出参数，文件将返回一个 P 值表。

模式识别 Fisher线性判别理论及其应用

Fisher线性分类器的MATLAB 代码，Fisher线性分类器是最基础的线性分类器，其通过降维来快速进行样本的二分

【手写数字识别】基于Fisher分类实现手写数字识别附matlab代码

MFA: Marginal Fisher Analysis

Fisher 精确检验是一种统计检验，用于确定两个分类变量之间是否存在非随机关联 [1]。 使用 2 x 2 或 2x 3 列联表进行 Fisher 精确检验的工作已被其他人轻松完成。 但是，nxm 列联表尚未找到，或者计算错误。 该函数有效地处理了使用 nxm 列联表的 Fisher 精确检验。 至于功能： [ Sig,PValue,ContigenMatrix ] = FisherExactTest( XVector,YVector ) 输入：两个变量X，Y的数据作为XVector和YVector 或者您可以只输入列联表。 输出：如果 X 和 Y 关联，“Sig”返回 1，否则返回 0 "PValue" 返回计算出的 p 值“ContigenMatrix”返回 nxm 列联表请从“Controlcenter.m”开始，这里有两个简单的例子进行说明。 如果您打开算法，将说明算法的清晰描

使用Fisher线性判别（Fisher Linear Discriminant）,可以基本识别手写数字，内含教程示意图，和共7页的理论知识。适用于刚刚学习机器学习的小白，通俗易懂

针对滚动轴承故障诊断中普遍存在的小样本学习问题，采用支持向量机实现轴承故障的模式识别。为了解决时域统计参数对于轴承故障的多分类效果较差的问题，引入小波包分解（Wavelet packet decomposition，WPD）技术，提取振动信号各频带的能量系数构造特征向量，并采用Fisher比率法对特征向量进行优化选取；然后利用支持向量机（support vector machine，SVM）进行故障模式识别，并与小波包分解及时域统计参数的分类效果进行对比分析。结果表明：支持向量机是实现轴承故障模式识别的一

实验目的： 了解分类器设计的概念，理解基于Fisher准则进行线性分类的原理，通过实验对线性分类器有更深刻的认识。