线性分类器三种最优准则

线性分类器三种最优准则：
Fisher准则：根据两类仰恩一般类内密集、类间分离的特点，寻找线性分类器最佳的法线。向量方向，是两类样本在该方向上的投影满足类内尽可能密集、类间尽可能分开。这种度量通过类内离散矩阵Sw和类间离散矩阵Sb实现。

感知准则函数：准则函数以使错分类样本到分界面距离之和最小为原则。
其优点是通过错分类样本提供的信息对分类器函数进行修正，这种准则是人工神经元网络多层感知器的基础。

支持向量机：基本思想是在两类线性可分条件下，所设计的分类器界面使两类之间的间隔为最大，它的基本出发点是使期望泛化奉献尽可能小。