类可分离性的判别，特征选择与特征提取的任务是求出一组对分类最有效的特征因此需要有定量分析比较的方法，判断所得到的特征维数及所使用特征是否对分类最有利，这种用以定量检验分类性能的准则称为类可分离性判据。 类别可分离性判据，用来检验不同的特征组合对分类性能好坏的影响，并用来导出特征选择与特征提取的方法。 理想准则：某组特征使分类器错误概率最小-Class separability of discrimination, feature selection and feature extract

最小错误概率的Bayes分类器 手写数字识别-Minimum error probability of Bayes classifier handwritten numeral recognition

用最邻近模板匹配法，最小错误概率的Bayes方法和Fisher算法分别对数字进行识别-Template matching with the nearest neighbor, minimum error probability of Bayes method and Fisher algorithm to identify each of the figures