fisher 分类

%w1中数据点的坐标
x1 =[9 7 10 8 9 8 7];
x2 =[8 6 7 4 9 6 5];
x3 =[7 6 8 5 3 7 6];
%将x1、x2、x3变为行向量
x1=x1（:）;x2=x2（:）;x3=x3（:）;
%计算第一类的样本均值向量m1
m1（1）=mean（x1）;m1（2）=mean（x2）;m1（3）=mean（x3）;
%计算第一类样本类内离散度矩阵S1
S1=zeros（33）;
for i=1:7
    S1=S1+[-m1（1）+x1（i） -m1（2）+x2（i） -m1（3）+x3（i）]‘*[-m1（1）+x1（i） -m1（2）+x2（i） -m1（3）+x3（i）];
end
%w2的数据点坐标
x4 =[8 3 6 6 8 6 3];
x5 =[4 6 3 4 2 3 5];
x6 =[4 6 3 5 2 4 6];
x4=x4（:）;x5=x5（:）;x6=x6（:）;
%计算第二类的样本均值向量m2
m2（1）=mean（x4）;m2（2）=mean（x5）;m2（3）=mean（x6）;
%计算第二类样本类内离散度矩阵S2
S2=zeros（33）;
for i=1:7
    S2=S2+[-m2（1）+x4（i） -m2（2）+x5（i） -m2（3）+x6（i）]‘*[-m2（1）+x4（i） -m2（2）+x5（i） -m2（3）+x6（i）];
end
%总类内离散度矩阵Sw
Sw=zeros（33）;
Sw=S1+S2;
%样本类间离散度矩阵Sb
Sb=zeros（33）;
Sb=（m1-m2）‘*（m1-m2）;
%最优解W
W=Sw^-1*（m1-m2）‘
%将W变为单位向量以方便计算投影
W=W/sqrt（sum（W.^2））;
%计算一维Y空间中的各类样本均值M1及M2
for i=1:7
    y（i）=W‘*[x1（i） x2（i） x3（i）]‘;
end
M1=mean（y）
for i=1:7
    y（i）=W‘*[x4（i） x5（i） x6（i）]‘;
end
M2=mean（y）
%利用当P（w1）与P（w2）已知时的公式计算W0
p1=0.6;p2=0.4;
W0=-（M1+M2）/2+