线性判别分析（LDA）是一种较为普遍的用于特征提取的线性分类方法。但是将LDA直接用于人耳识别会遇到维数问题和“小样本”问题。人们经过研究，通过多种途径解决了这两个问题并实现了基于LDA的人耳识别。文章对几种基于LDA的人耳识别方法做了理论上的比较和实验数据的支持，这些方法包括Fisherears、DLDA、VDLDA及VDFLDA。实验结果表明VDFLDA是其中最好的一种方法

线性判别分析法（LDA），LDA以提高样本在子空间中的可分类为目标。寻找一组基向量，在这些基向量张成的子空间中，不同类别的训练样本能有最小的类内离散度，最大的类间离散度。

Fisher线性判别是线性分类算法中最基本的一种算法,其基本思想是将d维空间中的样本投影到一条最易于分类的投影线上,再进行分类-Linear discriminant analysis is one of the most basic algorithm for linear classification algorithm, the basic idea is to divide the sample projection D dimensional space into one of the

：植物种类识别方法主要是根据叶片低维特征进行自动化鉴定。然而，低维特征不能全面描述叶片信息，识别准确率低，本文提 出一种基于多特征降维的植物叶片识别方法。首先通过数字图像处理技术对植物叶片彩色样本图像进行预处理，获得去除颜色、虫洞、 叶柄和背景的叶片二值图像、灰度图像和纹理图像。然后对二值图像提取几何特征和结构特征，对灰度图像提取 Hu不变矩特征、灰 度共生矩阵特征、局部二值模式特征和 Gabor 特征，对纹理图像提取分形维数，共得到 2183 维特征参数。再采用主成分分析与线性 评判分析相