边界Fisher分析（MFA）及其非线性改进核边界Fisher分析（KMFA）进行验证对比

0、前言

此前发布的文章已对MFA相关理论及其可优化之处进行了阐述，本文则在此基础上对其进行非线性优化，引入核边界Fisher分析（KMFA）方法，并在相同数据集上对MFA与KMFA进行对比验证。关于MFA的理论内容可参考前期发布的文章，本文不再重复说明。

1、核边界Fisher分析（KMFA）理论

核心理念在于，通过核映射技术将初始数据集X映射至无限维的特征空间中，从而实现该空间内数据的线性可分性，随后在这一高维空间中运用MFA方法完成特征提取过程。MFA理论

原始数据在特征空间中的表示形式为X，而其在高维空间中的对应表达方式则为

,

作为核心矩阵，其组成成分

![k_{ij}=kx_{i},x_{j}](https://ad.itadn.com/c/webl