线性映射
-
基于Fisher线性判别的模式识别与数据降维系统
本项目完整实现了经典的Fisher线性判别算法，旨在解决模式识别中由于特征空间维度过高导致的分类困难。系统的核心功能是通过数学映射寻找一个最优的低维投影空间，将原始的d维特征向量映射到一维或更低维度的子空间中。实现原理严格遵循Fisher准则，即在保证投影后相同类别内的样本点尽可能聚集（类内离散度最小化）的同时，设法使不同类别中心之间的投影距离尽可能扩大（类间离散度最大化）。本项目详细包含了类内离散度矩阵与类间离散度矩阵的构造模块，通过求解广义特征值问题来确定最佳投影方向。该方法能够有效地在降维过程中保留
