fisher实验原理及步骤

Fisher实验原理是通过对分子组成相同但拓扑结构不同的异构体进行碘化反应，从而分析不同原子间的空间排布方式。步骤包括：将化合物与碘化亚铜反应，使其转变为卤代化合物；将其溶于苛性钠和丙酮的混合物中，使化合物的空间结构完全打开；测定化合物在溶液中所旋转的角度或其旋转圆板上的旋转圆度，进而得到原子或官能团的结构信息。

相关问题

计算MFCC特征每一阶Fisher比的步骤和原理

步骤：1.计算每个帧的MFCC特征向量。2.计算每帧之间的差异和比例。3.计算每一阶Fisher比，即比较两个帧的差异和比例，并计算比较结果的比例。原理：Fisher比是一种统计方法，用于比较和分析两个或多个样本之间的差异和比例。它可以用来衡量MFCC特征向量之间的相似性。每一阶Fisher比计算出来的结果可以用来衡量相邻帧之间的相似性，从而更好地识别语音信号。

线性分类器之Fisher线性判别实验原理

Fisher线性判别是一种经典的线性分类方法，它基于将数据投影到低维空间中，在新的低维空间中通过一个超平面来进行分类。它的原理是通过寻找一个最佳的投影方向，使得同一类别的数据尽可能地接近，不同类别的数据尽可能地分开。具体来说，它的步骤如下：

1. 计算每个类别的均值向量。
2. 计算类内散度矩阵（Within-class scatter matrix），即同一类别中每个样本与均值向量之间的差异，然后将它们加起来。
3. 计算类间散度矩阵（Between-class scatter matrix），即不同类别之间均值向量之间的差异，然后将它们加起来。
4. 解决一个广义特征向量问题，得到最佳的投影方向。
5. 将数据投影到这个最佳方向上，然后通过一个阈值来进行分类。

Fisher线性判别本质上是一个监督学习算法，需要知道每个样本所属的类别。它通常用于二分类问题，但也可以扩展到多分类问题。