在本文中，我们基于动态参数估计开发了一种新颖的模糊监督学习算法。 首先，提出了一种用于训练样本的改进监督模糊LDA算法（RF-LDA）。 与传统的模糊LDA算法相比，该算法从每个训练样本中计算与隶属度相关的判别向量，在理论上有效地克服了来自不精确样本的分类限制。 其次，当需要一种新颖的模糊LDA模型以对特征提取和分类做出某些决定时，模糊LDA模型的动力学参数估计方法应在测量数据可用时对其进行递归处理。 按照先前的观点，我们通过考虑称为HRF-LDA的Hopfield神经网络（HNN）的公式来解决