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。

fisher线性判别方法可以将样本从多维空间投影到一维空间。

一个数据集能生成多种决策树。

在监督模式识别中，分类器的形式越复杂，对未知样本的分类精度就越高。

基于数据的方法适用于特征和类别关系不明确的情况。

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。

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。

分级聚类又叫层次聚类，需要构建聚类树。

测试集的样本数量越多，对分类器错误率的估计就越准确。

隐含层或输出层具有激活函数。