类间离散度矩阵代表了每一个类的重心到整个样本集的重心之间的距离。

判断题类间离散度矩阵代表了每一个类的重心到整个样本集的重心之间的距离。

1.判断题特征选择常用的次优算法有顺序前进法，顺序后退法和动态顺序前进法三种。

2.判断题分支定界法计算量一定比穷举法小。

3.判断题动态顺序前进法（l-r）法是按照单步最优的原则从未入选的特征中选择l个特征，再从已入选的特征中剔除r个特征，使得仍保留的特征组合所得到的J值最大。

4.判断题顺序后退法（SBS）是从0个特征开始，每次从已经入选的特征中剔除一个特征，使得仍保留的特征组合所得到的J值最大，是一种特征选择的最优算法。

5.判断题顺序前进法的缺点是不能剔除已入选的特征，无法保证全局最优。

6.判断题顺序前进法（SFS）是从零开始，每次从未入选的特征中选择一个特征，使得它与已入选的特征组合所得到的J值最大，是一种特征选择的次优算法。

7.判断题类内类间距离是指各类中各特征向量之间的距离的最大值。

8.判断题常用的类别可分性度量准则函数有基于类内类间距离和基于概率距离的准则函数。

9.判断题特征提取或特征选择方案的优化，其准则函数都应该与类别可分性呈单调递减关系。

10.判断题特征提取是通过映射得到一组新的特征，特征选择是从高维特征中选出一组最有效的特征以达到降低特征空间维数的目的。