高斯判别算法GDA（吴恩达机器学习实践总结，四）

通过前面的实践，我们已经可以通过正态分布函数生成样本点，这是什么意思呢？其实也就是说，任意图像上的样本点如果能和我们的模板重合，我们就认为，这样的样本满足了正态分布，我们已经掌握，调整参数，生成不同的同心圆或者同心椭圆来框定这些样本，这样我们就可以很好的把样本从图像中分离出来，或者说我们掌握了图像的特征，如果图像中有正负两种样本，均满足高斯正态分布，只是参数不同，那么我们就可以很好的把这两种样本分割开来，这就是高斯判别算法GDA。

需要改进的是：

1，椭圆（或者圆）可以在图像时用鼠标任意拖动，即改变中心位置

2，椭圆可以用鼠标拖动任意旋转

3，通过鼠标拖动改变椭圆的长短轴，生成相应的协方差矩阵，或者给出马氏距离，

4，或者通过马氏距离或者协方差矩阵在界面调整参数，改变椭圆形状

5 ，界面上能生成两个，或两个以上的正态分布函数可视可控工具

应该是可以的，因为我们在机器视觉中已经有找圆工具了，只不过我们现在要设计的圆工具是用来框定正态分布样本的，他是椭圆退化而来的。

另外，如果我们的椭圆内的样本逼近直线时，他的主轴是否就是最小二乘法拟合的直线呢？正态分布退化为直线了？

从形式上看，协方差矩阵与黑塞矩阵很相似，从特征值入手，我认为他们是一样的，难道我们的高斯与harris角点也有某种关系？

未来很期待啊！