1.a)最大方差的思想就是将高维空间的instance映射到低微空间上，使得每一个点都能最大化的被分别开。
b)最小误差的思想就是将高维空间的instance映射到低微空间上，使得重建后的数据点与原先的点之间的差最小。
c)因为两种思想都是想找到一个超平面，用来将高维空间的instance映射到低维空间中，同时，映射后的instance损失的信息最小。
a)画图如下：
b)pca后，画图如下：
c)在pca变换不去除任何维度时，相当于是将数据中心化后，按照对数据的“影响”大小，对数据的各个维度进行了从大到小的排序，维度的顺序变化但是数量没有变化，因此就是一个高维空间的旋转变换。
a)mnist准确率：85.52%（8552/10000）
b)准确率：91.67%（9167/10000）
c) 两个数据集的不同点：
数据集是mnist数据集归一化后的版本，正验证了我们课上说的，将各个维度的数据归一化后有时会显著提高正确率。
d)官方**的包中，原本的数据集也是有这样的效果的。
效果如下：原始数据准确率为：84.
0714%，归一化到[0,1]区间后的准确率为：85.9259%，归一化到l2norm后准确率为：
84.4444%，归一化到l1norm后准确率为：78.
8889%。
a)opencv是一个轻量级且高效的计算机视觉库，可以运行在多系统上，而且对多种编程语言提供了接口，虽然原始数据的维度超级高，但是，它只需要大大少于原始数据维度的数量的特征就可以重建出质量很高的图像。
b)修改程序后，大约需要360维特征向量，可以使得pca重建的人脸图像看来与原来的人脸没什么区别。
模式识别作业
6.题目 fisher分类和基于核的fisher分类的设计与实现研究。具体内容 1.简述fisher分类和基于核的fisher分类的算法原理 2.举出实例 3.用matlab软件编写程序实现 4.分析实验结果。fisher分类和基于核的fisher分类的设计与实现研究。1 fisher分类和基于核的...
模式识别作业
模式识别课程matlab程序作业。模式识别贝叶斯决策 正常状态细胞p 1 0.9，异常状态细胞p 2 0.1，类条件概率密度分别为p x 1 n 0，1 p x 2 n 0.2，1.5 现有一待识别细胞，其观察值为0.2，用matlab写出程序对该细胞进行分类。编写程序如下 close all cl...
模式识别作业
感知器训练算法。在设计贝叶斯分类器时需要设法获取样本统计分布的资料，应知道先验概率及类分布概率密度函数等。然而，在样本数不充足条件下要获取准确的统计分布是很困难的。这样，可以考虑另外一种分类器设计方法，即根据训练样本集提供的信息，直接进行分类器设计。下面实验是针对线性可分情况下的感知器算法。实验所用...