Fisher线性判别思想是将高维数据找到一个最佳投影方向u，令Y=uX,然后根据投影结果Y这个一维数据找到分类阈值Yt。算法实现步骤如下：
找到类wi,i=1,2中数据集的均值向量mi
计算类内离散度矩阵Si,Si=∑(Xj-mi)'*(Xj-mi) Xj∈wi,j=1,2,...,n
计算总离散度矩阵Sw,Sw=S1+S2
投影方向u,u=inv(Sw)*(m1-m2)
计算降维后的均值mi~,mi~=u'*mi
计算阈值Yt,Yt=(m1~+m2~)/2
对未知样本，通过投影值y来进行分类，y>Yt,则为w1类，反之为w2类
