最小平均距離分類（MDM）

MDM 是最簡單的黎曼分類器，卻常是強力的基準。訓練時，它用選定的度量為每一類別計算一個幾何（Fréchet）平均共變異數；分類新試次時，把該試次的共變異數指派給其平均在測地距離上最近的類別。除了度量本身之外沒有超參數，也不需特徵向量，因此分類直接在流形上進行。

由於只依賴各類別的平均與一個正確的黎曼距離，MDM 對雜訊以及跨場次與跨受試者的位移相當穩健，且在訓練試次很少時退化平緩。其限制在於每類別僅一個平均，本質上是單峰的最近質心模型：無法刻畫多峰的類別結構或細緻的判別方向，這些場合切空間分類器或 FgMDM 表現更好。