Cтраница 2
В задачах с плохо обусловленной ковариационной матрицей может оказаться целесообразным и в случае нелинейной аппроксимации перейти к базису собственных векторов матрицы. Для этого исходные данные необходимо подвергнуть обработке с помощью программы СОВА. Далее исследователь может выделить ( в новом базисе) координаты, соответствующие малым собственным числам, н исключить их из дальнейшего рассмотрения с помощью масок признаков для программы ТАКСОН и ВОЛНА. Это может ускорить работу и повысить точность решения. [16]
Возможности программы ВОЛНА при работе с кусочно-линейными алгоритмами существенно ограничены по сравнению с линейными: не допускается селекция выборки и не проводится отбор аргументов зависимости. Работа программы состоит в выборе оптимального уровня таксонной структуры, построенной программой ТАКСОН ( тем самым - оптимального числа таксонов), и построении соответствующего линейного приближения в каждом таксоне этого уровня. Ограниченные возможности программы ВОЛНА связаны прежде всего с большим временем счета. Исследователь, желающий все же осуществить отбор входных параметров, может провести несколько экспериментов с кусочно-линейными алгоритмами, используя различные маски признаков. [17]
Как уже говорилось в § 1, программа ВВОД в режиме ввода непрерывных данных добавляет слева постоянный признак. В задачах распознавания он не нужен. Программа GRAD вместо него поставит признак, задающий класс, значение которого определяется маской векторов MB. При записи вектора в файл первым записывается признак класса; далее идут признаки описания в том же порядке, что в исходном массиве; те признаки, для которых МРШ 0, пропускаются. Это следует помнить при составлении масок признаков на последующих этапах. [18]