s151506879的博客

转自http://blog.csdn.net/warmyellow/article/details/5454943 一． LDA算法概述：线性判别式分析(Linear Discriminant Analysis, LDA)，也叫做Fisher线性判别(Fisher Linear Discriminant ,FLD)，是模式识别的经典算法，它是在1996年由B

转自：http://www.cnblogs.com/cfantaisie/archive/2011/03/25/1995849.htmlLDA使用条件：样本数大于特征维数，保证Sw非奇异。本文使用LDA作为分类器在matlab下做实验。　　其中投影转换矩阵W按照LDA的经典理论生成，如下的LDA函数，并返回各个类的投影后的（ｋ－１）维的类均值。LDA.m代码如下：

通过LDA方法将原始空间转换成特征空间，然后再用朴素贝叶斯方法进行分类；1)用LDA方法转换成特征空间，用Deng Cai, Xiaofei He, Yuxiao Hu, Jiawei Han, and Thomas Huang,  %   "Learning a Spatially Smooth Subspace for Face Recognition", CVPR'200

IDA--转换为特征空间；朴素贝叶斯---特征之间相互独立；决策树----挑选最优的特征；