Contents.m




 Synopsis:

  model = fld(data)



 Description:

  This function computes the binary linear classifier based

  on the Fisher Linear Discriminant (FLD) [DHS01]. The input 

  are binary labeled training vectors. The parameter vector 

  W of the linear classifier

    q(x) = 1  for W'*x + b >= 0

         = 2  for W'*x + b < 0

  

  is computed to maximize class separability criterion.

  The bias b is determined to lie between means of training

  data projected onto direction W.



 Input:

  data [struct] Binary labeled training vectors.

   .X [dim x num_data] Training vectors.

   .y [1 x num_data] Labels (1 or 2).



 Output:

  model [struct] Binary linear classifier:

   .W [dim x 1] Parameter vector the linear classifier.

   .b [1x1] Bias of the linear classifier.

   .separab [1x1] Meassure of class separability.



 Example:

  trn = load('riply_trn');

  tst = load('riply_tst');

  model = fld(trn);

  ypred = linclass(tst.X,model);

  figure; ppatterns(trn); pline(model);

  cerror(ypred,tst.y)



 See also 

  FLDQP, LINCLASS, LDA.