img056

56

5. Metody wzorców

- (brak),    + (obecne),

+■+    (liczne),    + + + (bardzo liczne).

Przy takiej dyskretyzacji przestrzeni cech jest nader prawdopodobne pokrycie się punktów ciągu uczącego z cechami diagnozowanego pacjenta.

Zaletą tej metody jest wyjątkowo prosty algorytm, który w notacji pascalopodobnej może być zapisany następująco:

procedurę ident(obj, var rec); begin

k := 0;

repeat

k := k + 1

until k > num or dist(sampl[k], obj) = 0;

if k > num then rec : = 0 else rec := sainpl[k][dim + 1);

end

Obiekty użyte w tym algorytmie zdefiniowano w poprzednim rozdziale. W ogólnym przypadku omówiona metoda jest niepraktyczna, ponieważ występuje ogromny odsetek braków decyzji i_0i co powoduje konieczność modyfikacji pojęcia wzorca W' w stosunku do definicji (35). Możliwe jest to między innymi poprzez wprowadzenie techniki otoczeń kulistych (rys. 5.3). (Pojęcie kuli musi być tu rozumiane w sposób uzależniony od przyjętej definicji metryki p przestrzeni X(¹).)

W' = {x : 3x'^,ł e 17‘Wł**'¹) < £¹■¹]}.    (36)

wzrost wartości £^ł

i₀, ale równocześnie zwiększa odsetek decyzji błędnych. W najprostszym

W definicji (36) istotną rolę odgrywają promienie otoczeń kulistych €^t,k. Ich wybór determinuje własności metody, przy czym oczywiście każdy *•¹’¹ prowadzi do ograniczenia liczby decyzji odmownych

przypadku przyjmuje się stałą wartości s^t,k:

(37a)

V₁6/[V_k6[_liW.₎(e‘'^t = e = const]].

W przeciwnym przypadku można ustalić każdą wartość e^t,k na innym poziomic, na przykład na podstawie reguły:

e^i,k = ^ [ min p{x

2

x?)

(37b)

1

Patrz także Dodatek 1.