当各类的协方差矩阵相等时，分类面为超平面，并且与两类的中心连线垂直。

概率密度函数的估计的本质是根据训练数据来估计概率密度函数的形式和参数。

fisher线性判别方法可以将样本从多维空间投影到一维空间。

贝叶斯估计中是将未知的参数本身也看作一个随机变量，要做的是根据观测数据对参数的分布进行估计。

特征提取不仅可以降低特征空间的维度，还可以消除特征之间的相关性。

当各类的协方差矩阵不等时，决策面是超二次曲面。

参数估计是已知概率密度的形式，而参数未知。

动态顺序前进法（l-r）法是按照单步最优的原则从未入选的特征中选择l个特征，再从已入选的特征中剔除r个特征，使得仍保留的特征组合所得到的J值最大。

神经网络的模型受到哪些因素的影响？（）

在总的样本集不是很大的情况下，可以采用交叉验证法来较好的估计分类器性能。