采用了，核函数Fisher鉴别准则，分类。

首先证明了，当类内散布矩阵非奇异时，特定参数值c0下最大散度差的最优鉴别方向等同于Fisher最优鉴别方向;其次，给出了最大散度差分类算法的识别率随参数C变化的曲线.该曲线通常为一脉冲曲线.随着参数C的增大，识别率也逐渐增大.当参数C增大到co时，识别率达到最大值.另外，以往的研究成果表明:当类内散布矩阵奇异时，最大散度差鉴别准则逐步逼近大间距线性投影准则.而且，随粉参数C的不断增大，最大散度差分类算法的识别率也单调增大并最终稳定到大间距线性投影分类算法的识别率上.为此，我们提出了基于最大散度

基于多类最大散度差的人脸表示方法rar,最大散度差 Fisher鉴别准则 特征向量 特征提取 人脸识别

【摘要】 目标的自动识别是最有价值的应用需求之一，但它同时也最具挑战性。过去几十年中该课题的研究己经取得了较大的进展，但计算机自动识别技术还远没有达到理想的实际应用需求。自动识别技术涉及到很多方面的研究，如图像的预处理，图像增强、图像分割、特征提取方法和分类器的设计等等，这其中特征提取方法的研究尤为关键。一方面，研究者对特征提取的理论作了较多的探索，力求得出一些针对特定目标的高精度、高效率的特征提取算法与方法。这其中包含PCA方法、Fisher鉴别分析方法，以及以核方法为代表的非线性特征提取方法