1. 1. 毕业设计（论文）的内容、要求、设计方案、规划等
1936年，Fisher 发表了影响深远的题为The use of multiple measurements in taxonomic problems的论文。其基本思想是选择使得Fisher准则函数达到极值的向量作为最佳投影方向，从而使得样本在该方向上投影后，达到最大的类间离散度和最小的类内离散度。在Fisher思想的基础上，Wilks和Duda分别提出了鉴别矢量集的概念，即寻找一组鉴别矢量构成子空间，以原始样本在该子空间内的投影矢量作为鉴别特征用于识别。该方法被称为经典的Fisher线性鉴别分析。目前该方法仍然广泛应用于人脸识别等领域。除了经典的Fisher线性鉴别分析方法外，在1970年, Sammon提出了基于Fisher鉴别准则的最佳鉴别平面的概念，随后，Foley and Sammon 进一步提出了采用一组满足正交条件的最优鉴别矢量集进行特征提取的方法。该方法被称为Foley and Sammon鉴别分析。
基于核主分量分析方法(KPCA)和基于核Fisher鉴别分析方法(KFDA)是核技术的推广应用。在一些实验和应用中，核主分量分析方法和核Fisher鉴别分析方法表现得非常成功。Baudat与Anouar提出了针对多类分类问题的KFDA方法。J.Xu与 X. Zhang的分析指出一定条件下KFDA与LS-SVM间是等价的。Jian Yang提出了KPCA FDA的应用框架，在该框架下的核鉴别分析可利用两类鉴别信息，一类鉴别信息在类内散布矩阵(指实施PCA变换后的类内散布矩阵)的零空间上得到，另一类鉴别信息在类内散布矩阵零空间的补空间中得到。Perkins，Theiler通过定义非参数核类间散布矩阵与非参数核类内散布矩阵，使KFDA方法提取特征分量的数目不受类别数的限制。
要求：
2. 参考文献（不低于12篇）
1. [1]Roberston G, Craw I. Testing face recognition systems [J]. Image andVision Computing. 1994, 12(9):609-614.
2. [2]Turk. M and pentland A.Eigenfaees for recognition. J.Cognitive Neuroseience，1991,3(l):70-86.
3. [3]Y.Q. Cheng, Y.M. Zhuang and J.Y. Yang, Optimal Fisher Discriminant Analasis Using the Rank Decomposition. Pattern Recognition,1992,VOL. 25 ,No.1 ,pp.100-111.
以上是毕业论文任务书，课题毕业论文、开题报告、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
