+) Hàm quyết định

Trong các bài toán phân lớp mẫu, mỗi mẫu x X thường được biểu diễn bởi n-đặc trưng x =(x1,…,xn). Trường hợp có k lớp, cách thông dụng nhất để biểu diến bộ phân lớp là dùng một tập k hàm gi(x) i=1,…,k cho k lớp. Mỗi vectơ đặc trưng x được gán cho lớp  nếu giá trị hàm phân biệt tương ứng lớn nhất, tức là: x nếu  gi(x)>gj(x) với mọi j ≠ i.    

Hàm gi(x) được gọi là hàm phân biệt hay hàm quyết định.

+) Miền quyết định

Khi các đặc trưng thực, nhờ các hàm hàm phân biệt mà  không gian đặc trưng được chia  thành k miền quyết định  R1,…, Rk: Ri = . Quy tắc quyết định là: nếu  gi(x)>gj(x) với mọi j ≠ i. thì x thuộc Ri. Các miền quyết định này được tách bởi  các biên quyết định, chúng là các mặt trong không gian đặc trưng chứa các điểm có giá trị hàm đặc trưng lớn nhất bằng với giá trị hàm khác. Khi chỉ  có hai lớp, biên quyết định còn được gọi là mặt quyết định. Các biên quyết định tách các lớp trong không gian đặc trưng.

(Chỗ này chả biết lọc ra kiểu gì J))

+) Các thuật toán tìm hàm phân biệt tuyến tính

-        Percepton

-       Bình phương tối thiểu (LMS)

-       Phân lớp khoảng cách cực tiểu.

o   Phân biệt tuyến tính Euclide.

o   Phân biệt tuyến tính Mahalanobis dùng hiệp phương sai.