Выбор оптимального алгоритма в одном классе алгоритмов распознавания

Для $m$-параметрического семейства алгоритмов распознавания $\{A(\gamma)\}$ основанных на вычислении оценок, в явном виде определены весовые коэффициенты $\gamma_1^\ast,\cdots,\gamma_m^\ast$ эталонных объектов из таблицы обучения, соответствующие экстремальным алгоритмам $A^\ast\in\{A(\gamma)\}$ относительно некоторых критериев качества. Для случая евклидовой метрики предложен итерационный процесс, позволяющий определять кроме параметров $\{\gamma^\ast\}$ весовые коэффициенты признаков $\beta_1^\ast,\cdots,\beta_n^\ast$ соответствующие локально-экстремальным алгоритмам распознавания.