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。

隐含层或输出层具有激活函数。

基于数据的方法适用于特征和类别关系不明确的情况。

C均值聚类算法对噪声和孤立点不敏感。

我们在对某一模式x进行分类判别决策时，只需要算出它属于各类的条件风险就可以进行决策了。

一个数据集能生成多种决策树。

顺序后退法（SBS）是从0个特征开始，每次从已经入选的特征中剔除一个特征，使得仍保留的特征组合所得到的J值最大，是一种特征选择的最优算法。

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。

fisher线性判别方法可以将样本从多维空间投影到一维空间。

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。