实验数据：IRIS数据。分为三种类型，每种类型中包括50个四维的向量。 实验模型：假设IRIS数据是正态分布的。 实验准备：在每种类型中，选择45个向量作为训练样本，5个作为测试样本。 实验要求： 1. 使用fisher判别准则，从每个类别的4个特征中选取3个特征，分别针对其中的两种类别设计线性分类器，即设计第一类和第二类，第二类和第三类，第一类和第三类之间的分类面。 2. 并用测试样本计算分类器的性能。 3. 在确定w0时可以尝试使用不同的经验值，比较分类结果是否不同？ 　 或者 分类结果一致 4. 要求画出投影前的样本点，以及投影后的测试样本点、投影方向及分类面。

在基于Fisher投影的边界向量集上训练SVM

代码 基于Fisher算法的分类程序代码 基于Fisher算法的分类程序代码 基于Fisher算法的分类程序代码 基于Fisher算法的分类程序代码 基于Fisher算法的分类程序代码 基于Fisher算法的分类程序代码 基于Fisher算法的分类程序代码 基于Fisher算法的分类程序代码 基于Fisher算法的分类程序代码 基于Fisher算法的分类程序代码 基于Fisher算法的分类程序代码 基于Fisher算法的分类程序代码 基于Fisher算法的分类程序代码 基于Fisher算法的分类程序代码 基于Fisher算法的分类程序代码 基于Fisher算法的分类程序代码 基于Fisher算法的分类程序代码 基于Fisher算法的分类程序代码 基于Fisher算法的分类程序代码 基于Fisher算法的分类程序代码 基于Fisher算法的分类程序代码 基于Fisher算法的分类程序代码 基于Fisher算法的分类程序代码 基于Fisher算法的分类程序代码 基于Fisher算法的分类程序代码 基于Fisher算法的分类程序代码 基于Fisher算法的分类程序代码 基于Fisher算法的

两种分类方式的matlab程序，对于模式识别课程的课程报告作业，代码.m文件，论文。可以实施运行操作

【人脸识别】基于FISHER线性判决实现人脸识别含Matlab源码

利用男女身高体重数据集进行Fisher判别分类

该程序使用 FLD（Fisher 线性判别法）从人脸数据库中识别人脸。 使用Fisherface方法的图像识别是基于使用主成分分析（PCA）方法缩小人脸区域大小，然后称为Fisher线性判别分析（FDL）方法或线性判别分析（LDA）方法来获取图像特征。

为了使计算机能更好的识别人脸表情，对基于Gabor小波变换的人脸表情识别方法进行了研究。首先对包含表情区域的静态灰度图像进行预处理，包括对确定的人脸表情区域进行尺寸和灰度归一化，然后利用二维Gabor小波变换提取脸部表情特征，使用快速PCA方法对提取的Gabor小波特征初步降维。再在低维的空间中，利用Fisher准则提取那些有利于分类的特征，最后用SVM分类器进行分类。实验结果表明，上述提出的方法比传统的方法识别速度更快，能达到实时性的要求，并且具有很好的鲁棒性，识别率高。

用matlab进行fisher 线性判决实验，

先进的化学过程工程工具，如模型预测控制或软传感器解决方案，需要适当的过程模型。 这些模型的参数识别需要具有高信息量的输入输出数据。 当无法应用基于模型的优化实验设计技术时，从历史数据中提取信息片段也可以支持系统识别。 我们开发了一种面向目标的基于 Fisher 信息的时间序列分割算法，旨在从历史过程数据中选择信息片段。 所使用的标准自下而上算法广泛用于过程数据的离线分析。 不同的段可以支持参数集的识别。 因此，我们建议使用从序列获得的 Fisher 信息矩阵的特征向量之间的 Krzanowski 相似系数，而不是使用 D 或 E 最优性作为比较两个输入序列（相邻段）的信息内容的标准。 两个应用示例证明了所提出方法的效率。 该算法能够从历史过程数据中提取具有参数集特定信息内容的段。 它也在： L. Dobos, J. Abonyi, 基于时间序列分割的 Fisher 信息矩阵过程数据分析