样本类间离散度矩阵Sb
Sbm1m2m1m2T
在投影后的一维空间中，各类样本均值miWTmi。样本类离散度和总类离
散度SiWTSiWSwWTSwW。样本类间离散度SbWTSbW。
Fisher准则函数满足两个性质：投影后，各类样本部尽可能密集，即总类离散度越小越好。投影后，各类样本尽可能离得远，即样本类间离散度越大越好。
根据这个性质确定准则函数，根据使准则函数取得最大值，可求出W：WSw1m1m2。
（2）阈值的确定
实验中采取的方法：y0m1m22。
（3）Fisher线性判别的决策规则对于某一个未知类别的样本向量x，如果yWTxy0，则x∈w1；否则x∈
w2。
四．实验步骤（1）采集桃树叶子150片，采集芒果树叶子150片。测量这些叶子的长度，宽度，
f以及周长。（2）将上述叶子的数据记录下来。（3）使用matlab仿真实验工具设计一个fisher线性判别分类器。（4）将记录下来的树叶的数据输入分类器，创建一个二维的分类参数，使用分类器对其进行特征分类。（5）利用matlab仿真程序将分类的结果画出仿真图形，并做记录分析。
五实验代码
fff六．实验结果
f七心得体会
这次实验加深了我对课上学习到的模式识别原理与应用的知识的理解，提高了动手实践能力。的确上课时听过的容当时明白了但是却是一闪即过的，只有通过亲自动手实践才能够对于知识有真正深刻而完整的理解
由于专业课程设计的问题，从前一点都没有接触过MATLAB这个工具，但在这次实验中，我通过自己学习、查找资料、与同学讨论交流的一系列过程最终也使用MATLAB完成了实验。在这个过程中，我不仅发现MATLAB是一个很便捷并且功能强大的工具，同时也锻炼了自己学习与实践、发现问题、分析问题、解决问题的能力。
另外，我认为相比其他的同学我收获的更多面对任何新鲜事物不应当有畏难情绪，虽然开始时候学习很困难，实验过程中也出现了不少比较“低级”的错误，但只要踏下心来一步步的学习并且不断实验，无知不可怕，出现错误也不可怕，只要努力的通过各种途径尝试最终是完全可以完成任务的。
总而言之，这次实验让我们收获了知识、提高了实践能力也让我们对于科学研究产生了更深的兴趣，希望通过进一步学习逐步提高自己。
fr