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。

类间离散度矩阵代表了每一个类的重心到整个样本集的重心之间的距离。

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。

理想的判据应该对特征具有单调性，加入新的特征不会使判据减小。

ID3方法的目的是降低系统信息熵。

概率密度函数的参数估计需要一定数量的训练样本，样本越多，参数估计的结果越准确。

下面关于超平面的说法中正确的是（）。

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。

参数估计是已知概率密度的形式，而参数未知。

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。