中文名二異丙基氨基鋰
英文名稱：Lithium diisopropylamide
結構簡式：((CH3)2CH)2N-Li+ pKa=35
CAS 號：4111-54-0
外觀：棕黃色溶液
密度：0.812 g/mL at 25 °C
加入0.24%穩定劑，低溫保存
用途：非常有名的大位阻強鹼，不親核鹼，只能與質子作用而不能發生其他的親核反應，用於形成碳負離子。
製備：二異丙基胺與丁基鋰反應。
製備性質：凝固點-22℃。可燃性液體。對空氣與水敏感。由二異丙胺與丁基鋰於低溫下反應製得。是有機合成中常用的強鹼。
鑑別分析
線性鑑別分析（Linear Discriminant Analysis），是信號處理中一種用來篩選所需信號的常用方法。
關於線性鑑別分析的研究應追溯到Fisher在1936年發表的經典論文（Fisher R A. The use of multiple measurements in taxonomic problems），其基本思想是選擇使得Fisher準則函式達到極值的向量作為最佳投影方向，從而使得樣本在該方向上投影后，達到最大的類間離散度和最小的類內離散度。在Fisher思想的基礎上，Wilks和Duda分別提出了鑑別矢量集的概念，即尋找一組鑑別矢量構成子空間，以原始樣本在該子空間內的投影矢量作為鑑別特徵用於識別。
1970年Sammon提出了基於Fisher鑑別準則的最佳鑑別平面的概念。隨後，Foley和Sammon進一步提出了採用一組滿足正交條件的最佳鑑別矢量集進行特徵抽取的方法。
1988年Duchene和Leclercq給出了多類情況下最佳鑑別矢量集的計算公式。
2001年Jin和Yang 從統計不相關的角度，提出了具有統計不相關性的最優鑑別矢量集的概念。與F-S鑑別矢量集不同的是，具有統計不相關性的最優鑑別矢量是滿足共軛正交條件的，該方法被稱為不相關的鑑別分析或Jin－Yang線性鑑別法。
以上提到的各種方法僅適用於類內散布矩陣非奇異(可逆)的情形，但實際套用中存在著大量的典型的小樣本問題，比如在人臉圖像識別問題中，類內散布矩陣經常是奇異的。這是因為待識別的圖像矢量的維數一般較高，而在實際問題中難以找到或根本不可能找到足夠多的訓練樣本來保證類內散布矩陣的可逆性。因此，在小樣本情況下，如何抽取Fisher最優鑑別特徵成為一個公認的難題
