已知两类分类问题，类别用ω1 和ω2 表示，每类的先验概率已知， P w(1)0.6，Pw(2)=0.4。这里样本向量的维数是 3 维。 ω1中数据向量 xx1=[x1, y1, z1]T，其数据点的坐标对应如下。 x1 = 0.2331 1.5207 0.6499 0.7757 1.0524 1.1974 0.2908 0.2518 0.6682 0.5622 0.9023 0.1333 -0.5431 0.9407 -0.2126 0.0507 -0.0810 0.7315 0.3345 1.0650 -0.0247 0.1043 0.3122 0.6655 0.5838 1.1653 1.2653 0.8137 -0.3399 0.5152 0.7226 -0.2015 0.4070 -0.1717 -1.0573 -0.2099 y1= 2.3385 2.1946 1.6730 1.6365 1.7844 2.0155 2.0681 2.1213 2.4797 1.5118 1.9692 1.8340 1.8704 2.29

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。

利用男女身高体重数据集进行Fisher判别分类

公元2022年，春天还未走远。正值5月份，学生正苦于考试周的triviality。鄙人也是其中一员。某一在完成模式识别实验时，苦于寻一份代码。忆及那时花费了数分钟在茫茫互联网中找寻相关资料，但大部分都是付费资源。那时，我深感当今中文互联网环境之差，但是鄙人无可奈何，终究是破费寻之。我今天将之公之于众，作为我对于黑暗的中文互联网的抗议，作为网络精神最后的继承者，这篇pdf就于此留下罢。

matlab中存档算法代码GCMBO燃料电池 使用Fisher准则和Monarch蝴蝶优化进行特征选择 秦晓东＆刘夏碧2018年12月15日 电子邮件： 该zip归档文件中的文件是MATLAB m文件，可用于研究GCMBO-FC算法。 可在以下网站找到MATLAB代码： 笔记： 除了每个总体成员中变量数的参数设置外，我不做任何努力来重写GCMBO算法。 在实现我们的方法时使用MATLAB R2018b。 MATLAB文件及其描述如下： Fitness.m：基于Fisher准则的适应度函数。 FisherScore.m：用于计算整个要素子集的Fisher分数的函数。 GCMBO_FC.m：基于Fisher准则和GCMBO的特征选择框架。 demo.m：有关如何使用GCMBO-FC功能选择框架的演示。 我希望这个软件对您和我一样有趣和有用。 如有任何意见或问题，请随时与我联系。

本科模式识别的实验指导书和代码，比较简单的MATLAB实现，如果需要，可以看看。

基于Fisher准则的线性分类器设计，模式识别课程的实验报告，word版，有实验原理、matlab源程序、运行结果及输出图像。

基于Fisher准则线性分类器设计实验报告

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

基于改进Fisher准则的深度卷积神经网络识别算法