本项目提出了系列Fisher矢量机（FVC）算法，包括三种线性模式识别Fisher矢量机（LFVC）：RSw-LFVC，P-LFVC和RSt-LFVC，两种Mercer核Fisher矢量机(KFVC)：RSw-KFVC和RSt-KFVC，经验特征空间Fisher矢量机（EFVC），线性规划Fisher矢量机（LP-FVC）和样本白化+SVC（W-SVC）算法。进一步对Fisher矢量机的统计学习理论分析说明，相比于SVMs：FVC同时最大化分类边界和最小化样本分布半径，可以获得更好推广能力；相比于FDA，FVC通过软边界替代类间散度，从而使算法适应能力，鲁棒性和识别性能都得到了提高。最后我们推广了Fisher矢量机的概念，建立广义Fisher矢量机框架，证明了广义Fisher矢量机与广义样本白化+SVC方法等效，并希望通过这一思路进一步研究一类通用的协方差矩阵和散度矩阵处理技术。