准确识别火山岩油水层是火山岩测井解释的关键，常规的油水层划分方法不能有效地识别火山岩油水层。利用统计和交会图分析方法，确定用于流体性质识别的测井曲线；运用Fisher法提取测井曲线特征，建立油水层分析的第1、第2典则函数；采用最小平方误差准则建立分类判别函数，形成判别准则。该方法应用于准噶尔盆地西北缘八区佳木河组的老井复查的测井解释中，精度明显高于常规的交会图法，为火山岩储层评价、油水层判别提供了有力的证据。

距离判别法以及fisher判别法等的讲解与程序实现（matlab)

基于matlab的Fisher判别，Fisher判别是找一条线把高维映射为一维在进行判别的方法。

本博客运行环境为Jupyter Notebook、Python3。使用的数据集是鸢尾花数据集。 目录线性判别分析代码实现缺少一组数据的问题已解决！代码已更新！ 线性判别分析 线性判别分析(Linear Discriminant Analysis,简称LDA)是一种经典的线性学习方法，在二分类问题.上因为最早由[Fisher, 1936]提出,亦称“Fisher判别分析”。 LDA的基本思想:给定训练样例集,设法将样例投影到一条直线上,使得同类样例的投影点尽可能接近、异类样例的投影点尽可能远离;在对新样本进行分类时,将其投影到同样的这条直线上，再根据投影点的位置来确定新样本的类别。 下图是LD

针对电力电子电路模型具有非线性，进行故障诊断比较困难这一问题，提出了一种基于高阶累积量与Fisher判别法的故障诊断方法。首先，利用高阶累积量（HOC）对电路可测点的响应信息进行处理，将处理得到的峰度和陡度作为故障的特征向量。再利用Fisher判别分析法对故障进行模式分类，得到最终的模式识别结果。所选实例证明了高阶累积量构造的特征向量可以区分各种故障模式，Fisher判别分析法识别故障的准确率很高。

针对列车车轮轮缘及轮辋裂纹图像特点，提出根据裂纹图像特征结合 Fisher 法判别的车轮裂纹识别算法，同时针对图像分割后提取出的图像裂纹线断裂不连续且不完整的问题，提出交互式裂纹线点采集提取结合曲线拟合生成裂纹线的方法；算法首先在图像预处理基础上，利用局部统计可变阈值法分割图像，用小面积阈值初筛去斑，结合形态学操作后，计算面积、平均宽度、外接矩形长宽比和圆形度 4 个特征量，然后计算连续性筛选图像中这些特征量的极值，再利用 Fisher 判别法对图像中的裂纹进行识别，并提取图像裂纹线坐标，用多项式最小二乘曲线拟合出完整裂纹线。实验结果表明本文方法具有较好的鲁棒性。

模式识别最近邻法和fisher判别法区分sonar

采用Fisher鉴别分析对mnist数据集当中的手写数字0,1进行识别

Fisher判别准则是模式识别中常用的一种分类方法，代码给出了Fisher判别准则投影向量和分类界面的计算方法，以及一个具体例子

多元统计中的Fisher判别算法代码分享-费舍尔判别函数.rar 本帖最后由 songyc907 于 2012-2-15 15:24 编辑 初学MATLAB，尝试着实现了一个费舍尔判别算法。将代码分享出来，仅供抛砖引玉之用。请大家指正。 代码见附件。可免费下载。 有交流请QQ：374338927或者songyc907@hotmail.com