Основы построения и функционирования интеллектуальных информационных систем. Былкин В.Д - 61 стр.

является в большинстве случаев основным при разделении объектов. Лучше использовать
именно этот метод, чем полагаться на обучающую систему, потому что последняя будет при
выработке решения ориентироваться на удаленные объекты, использованные для определения
положения разделяющей поверхности.
   Система    изменяет   положение    этой    поверхности,   только   если   делает   ошибки
классификации. В конце процесса обучения она допускает ошибки только тогда, когда
поверхность расположена вблизи правильной позиции. Поэтому если вновь вернуться к задаче
распознавания- облачков мошек, то разделяющая поверхность будет колебаться около
некоторого положения по прихоти небольшого числа мошек, расположенных на краю облачка.
Причем учет их позиции в выборке не делает ее более представительной с точки зрения позиции
облака в целом. То же можно сказать и об объектах в пространстве описания. Удаленные
объекты, не будучи представительными, могут привести к некоторым нежелательным резуль-
татам.
   Ситуация, с которой мы столкнулись, неоднозначна. Поэтому при классификации объектов
в n-мерном пространстве можно было бы в нижеприведенной программе представить
размерность N с помощью переменной VAR, причем каждая размерность характеризуется
одной переменной. Необходимо зарезервировать память под VAR переменных и затем описать
примеры. Допустим, что имеем N1 примеров первого рода и N2 примеров второго рода; тогда
соответствующий фрагмент программы выглядит следующим образом (рис. 6.4):




                                             Рис. 6.4. Форма ввода
     Ввести значение переменной i для,N1 пример 1, затем значение переменной 2 для N1,
пример 1, значение переменной 1 для N1, пример 2, затем значение переменной 2 для N1,
пример 2,




                                              61