Бинарная классификация на основе варьирования размерности пространства признаков и выбора эффективной метрики

Рассматривается метод решения задачи бинарной классификации, основанный на снижении размерности $n$-мерного пространства признаков до двумерного, построении разделяющей гиперплоскости и ее обратном отображении в $n$-мерное пространство. Обратное преобразование обеспечивает удобство решения задачи классификации непосредственно в системе исходных признаков. Предлагаемый способ построения разделяющей гиперплоскости по заданной учебной выборке основан на последовательном применении известных алгоритмов и их адаптации к условиям задачи. Дано сравнение качества распознавания объектов при использовании расстояний Евклида, Махаланобиса и Евклида–Махаланобиса.