Имеется несколько несвязанных, независимых случайных функций (для примера рассмотрим 12). Если по каждой случайной функции взять несколько десятков реализаций, и одновременно вывести их на графики (т.е. на одном графике одновременно выводиться в данном случае несколько десятков реализаций), то получится
Нажмите для просмотра прикрепленного файла Нажмите для просмотра прикрепленного файла Нажмите для просмотра прикрепленного файла Нажмите для просмотра прикрепленного файла


Т.е. из графиков видно, что в принципе каждая случайная функция вроде бы и не совсем случайная, так как в среднем, все реализации каждой случайной функции достаточно похожи между собой.

Далее, имется двенадцать реализаций функций

Нажмите для просмотра прикрепленного файла Нажмите для просмотра прикрепленного файла Нажмите для просмотра прикрепленного файла Нажмите для просмотра прикрепленного файла

1. Как можно сопоставить каждую реализацию из нижней полосы каждому классу из верхней?
2. И более сложный вопрос, если в качестве опоры существует только 2-4 реализации в верхней полосе для каждой функции(а не десятки как в рассматриваемом примере), как можно будет в этом случае соотнести реализации из нижней полосы?

То что сразу на ум приходит - корреляция, но она показывает слишком слабую различительную способность в этих случаях.


Данные представлены в нескольких матлабовских файлах mat - http://slil.ru/29187898

В переменных с именем хх в виде матрицы представлены реализации, отображенные на верхней полосе (т.е. опорные), а с именем y - на нижней полосе (т.е. те, которые надо отнести к опорным). Для упрощения, в данном примере графики из нижней полосы по расположению соответствуют образцам из верхней полосы, и цифры в именах переменных обеспечивают связь исследуемой реализации и опорной, т.е. реализация y1 однозначно относится к xx1, y2 к xx2 и т.д.