ầẩèậ èầặ ậ ấ ấ ậ ậầặ ậấ ấ ấ ỹ ẻầậ ặ ẩệ ì ềỉ éềìỉ ỉỉ ề ỉệ ì ệ ễễểệỉ é éể ỉ ềỉ ểề ề ệ ểề ề ề ắẳẳ ễểệ éề ểệẹ ỉ ế ệ ề ề ểệẹ ỉ ế ễ ệ ặ ẻ ấ ìỉ ệ ề ểễ ểề éề ậ ắẳẳ ặ ểề ề ấ èậ ấ ậ ấẻ ầẩèậ èầặ ậ ấ ấ ậ ậầặ ẻầậ ặ ậ ẻ ấ ậấ ấ ấ ỹ ấ ậ ềì ềểỉệ ểệá ểề ệ ề ểềỉệ ìể ềỉ é ì ỉ ì ễệ ì ểề ầề é ì ểẹễé ỉ ẹ ề éé ẹ ềỉ ế ẹ ềỉ ễ ệ ì ẹể é ì é é é ễéì ễểễé ệ é ểệ ỉ ẹ ì ệ ỉ ểề ẹể ẩ ệ ệ ễễểệỉ é ễễệể ề ệ éỉ é ế ề ể ệ ễ ệ ĩ ẹễé é ểệ ì ĩễ ệ ề ì ể ỉ ìì ẫ ềé ềề ì ẹ ề ì ìỉ ễệ ẵẵ ể ấè ệ ẵ ì ề ệểềề ìá ễể ềỉ ẹ ỉ ẹ ễễ ệỉ ề ềỉ ỉỉ ìỉ ểềìỉệ ỉ ễ ệ ề é ểệ ỉ ẹ ỉệ ĩễéểệ ệ ìíìỉ ẹ ỉ ế ẹ ềỉ é ì ể ì ề ểễỉ ẹ ìỉ ểề ệ ệ ềì é ế éé é ì ễ ệỉ ỉ ểềà ìểềỉ ể ì ì ì éểề é é ểệỉ ẹ ì ềỉ é ẹ ỉ ệ ìỉ ế ấ ệ ệỉ ẹ ềểẹ ệ ĩ ỉé ệ ì éểệìá ỉỉ ễệể ệ ề ììệ ễ ì ế éểề ể ỉ ềỉ é ểễỉ ẹẹ éể ệ ệ ế ì ểề éề ệì ỉ ậỉ ề ểềìỉệ ỉ ểề ề ệ ệ ì ềể éé ì ỉ ề ế ì ểễỉ ẹ ì ỉ ểề éể éểỉểề é ầề ìễ ệ ế é ểề ễ ỉ ẹ é ểệ ệ é ế é ỉ ề ỉ ểềề é ẻể ì ề ìẻ ệ é ì ấẻẻà ế ễ ệẹ ỉ ì ề ểễỉ ẹẹ éể éá ểề ễệểễểì ề é ểạ ì ểề ỉ ềỉ ểềìỉệ ỉ ễ ệ ề é ểệ ỉ ẹ ỉệ é ểệ ỉ ẹ ế éểề ễệểễểì ì ểẹễểì é ì ì ẹ ề ì ìểềỉ ẹ ì ìỉ ìì ềỉ éé ẹ ềỉ é ễệể ììì ểễỉ ẹ ì ỉ ểề ểẹ ề ỉể ệ ệ ỉ ểềề ẹ ềỉ ệ é ì é ề ỉểẹ ỉ ềì é ì ệ ệ ìá ì ềỉ ìệ é ễễệ ềỉ ìì ỉ ế ìệỉểỉ éểễỉ ẹ ì ỉ ểềá é ễệể ììì ệ é ì ỉ ểề ỉ ì ểềá é ệ ệ ĩ ỉệ ì ễễệể ì é ìỉ ỉ ìỉ ế ễễệ ềỉ ìì ễễệể ễệ é ìì ỉ ểề ẩ ệẹ é ì é ìì ỉ ệì ểềềì ẹể é ìì ỉ ểềà ế ìểềỉ ễễ é ì ìì é ìíìỉ ẹ ìỉ ề ẹể é ìì ỉ ểềá ỉ ểềề é ĩ ểẹễểì ềỉì ễệ ề ễ ĩ ề ẹ ỉ ể ệ ệ éể é ỉ ề ẹ ỉ ể ĩễéể ệ ệ é ì ể ì ề ì ế ìỉ ìể ềỉ ểệ ểẹẹ é ìỉệ ỉệ ể ì ề ì ì ệ ìéỉ ỉì ĩễ ệ ẹ ềỉ ĩ ễệể ềỉ ế éểề ễ ỉ ẹ ề ệ é ỉ ĩ ệệ ệ ễễệ ềỉ ìì ềỉ ééểềì ễễệ ềỉ ìì ểề ể ỉ ệ ệ ệ ễệể é ẹ ẹ é ểệ ệ é ễệ ì ểề ì ểề ễ ề ệ ễệ ì ềỉ ỉ ểề é ì ềỉá ì éểề ìệ ìỉ ẹ ềỉ ể ệ ỉỉ ề ế ề é ễệ ì ểềá ệ ề ề ề ìệ ỉ ĩ ệệ ệ ề é é ìỉ ẹ ỉ ểề ệệ ệà ệ ệ ễ ệỉ ệ ỉá ểề ễệểễểì ề ễệể ệ ềì é ế éé é ễ ỉ ểềìỉệ ỉ ểề ệ ệ ì ểề ễỉ ỉ ểề ĩ ềể éé ì ểềề ì ỉ é ễ ỉ ệ ễệ ì ềạ ỉ ỉ ểề ì ểềề ì ĩ ìỉ ì ìểềỉ é ềể éé ễệể ệ ềểỉệ ẹ ỉ ể ệ ệ ểềề ì é ểìé ìể ìỉ ề ểẹ ề ìểề ềỉệ ề ẹ ỉ ể ểễỉ ẹ ì ỉ ểề ầề é ệ ì ểề ề ệì éé ì ễ ệ ềì é ẹểề ỉ ì ểễỉ ẹ ì ỉ ểề ìì ềỉ éé ẹ ềỉá ễễệ ềỉ ìì ỉ é ểẹễ ệ ì ỉ ìỉì é ì ểề ìẹ ỉ ể ỉ ểề ệể ìì ìệ ểềề ì ỉ ệ ỉ ểề ì ểềề ì ỉệ ì ì ẹ ề ì é ì ểềề ì è ậ è ấ ậ ẵ ềỉệể ỉ ểề ẵẵ ẵắ ẵ ẵ ắ é ìì ỉ ểề ệ ệ ì ểề ỉ ỉ ể ì ểềìỉệ ỉ ểề ầễỉ ẹ ị ỉ ểề ểẹ ề ỉể ệ ỉ ệ ệ ệ ìỉ ế ẩệể é ẹ ỉ ế ỉ ậỉệ ỉệ ấ ễễểệỉ é ìì ỉ ểề ỉ ệ ệ ắẵ ắắ ắ ầễỉ ẹ ì ỉ ểề ểẹ ề ỉể ệ ẵ ắ ì ểề ệ ệ ì ểề ểềìỉệ ỉ ểề ệ ệ ì ểề ắắẵ ẹễệ ỉ ắắắ ểĩ ệ é ệ ỉ ểềề ẹ ềỉ ắắ ỉ ỉ ểề é ìì ề ềể é ỉ ểề ệ ệ ì ểề ỉ ấ ệ éể ểệ ỉ ẹ ầễỉ ẹ ì ỉ ểề ì ấ ệ ể é ậỉệ ỉệ ẻể ì ề ì ểềìỉệ ỉ ểề ệ ệ ì ềỉ é é ểệ ỉ ấ ìéỉ ỉì ĩễ ệ ẹ ềỉ ĩ ẵ ắ ẻể ì ề ẻệ é ẩệ ề ễ ấ ệ ẻể ì ề ẻ ệ é ĩỉ ềì ểềì é ấ ệ ể é ĩỉ ềì ểềì ẹ ề ìẹ ĩ ẹ ề ệ é ì ể ì ề ì é ểệ ỉ ẹ ì ầễỉ ẹ ì ỉ ểề ệ ệ ì ẻể ì ề ẻệ é ẵ ắ ì ểề ẹ ầễỉ ẹ ì ĩễ ệ ề ấ ệ ể é ẵẵ è ìỉ ầễỉ ẹ ì ỉ ểề ì ậ éì ẵắ è ìỉ ầễỉ ẹ ì ỉ ểề ệ ỉ ểềề ẹ ềỉ ẵ ầ ì ệ ỉ ểề é ề ề ìỉệỉệ ệ ệ ẵ ầ ì ệ ỉ ểề é ề ề é ìểéỉ ểề ề ỉ ầễỉ ẹ ì ỉ ểề ì ệ ệ ì ì ểề ểềìỉệ ỉ ểề ì ệ ệ ì ềỉ éểễỉ ẹ ì ỉ ểề ểề éì ểề éể ệ ễ ì ì ìệ ấ ệ ỉ ểề é ẵẳ ẵẵ ẵ ẵ ẵ ẵ ẵ ắẳ ắẵ ắắ ắ ắ ắ ắ ắ ẵ ắ ẳ ẵ ẵ ắ ậè ậè ẵ ấ ìéỉ ỉ ểễỉ ẹ ì ỉ ểề ì é ìệ ễ ẹ ắ ấ ìéỉ ỉ ểễỉ ẹ ì ỉ ểề ì é ìệ ề ệ ấ ìéỉ ỉ ểễỉ ẹ ì ỉ ểề ì é ìệ ề ệ ẳ ấ ìéỉ ỉ ểễỉ ẹ ì ỉ ểề ệ ỉ ểềề ẹ ềỉ ìệ ễ ẹ ẳ ấ ìéỉ ỉ ểễỉ ẹ ì ỉ ểề ệ ỉ ểềề ẹ ềỉ ìệ ề ệ ẳ ấ ìéỉ ỉ ểễỉ ẹ ì ỉ ểề ệ ỉ ểềề ẹ ềỉ ìệ ệ ì ẵ ầ ì ệ ỉ ểề ề ề é ìỉệ ỉệ ệ ệ ìệ ễ ẹ ểễỉ ẹ ì ỉ ểề ì é ầ ì ệ ỉ ểề ề ề é ìỉệ ỉệ ệ ệ ìệ ề ệ ểễỉ ẹ ì ỉ ểề ệ ỉ ểềề ẹ ềỉ ầ ì ệ ỉ ểề ề ề é ìỉệ ỉệ é ìỉệ ỉệ ắ ệ ệ ìệ ễ ẹ ểễỉ ẹ ì ỉ ểề ệ ỉ ểềề ẹ ềỉ ẵẳ ầ ì ệ ỉ ểề ề ề ắ ệ ệ ìệ ề ệ ểễỉ ẹ ì ỉ ểề ệ ỉ ểềề ẹ ềỉ è ắẵ ẵ ĩ ẹễé ề ệ ệ ìỉệ ỉ ểề ậ ấ ậ ì ểề ẵẳẳ ể ì ểễỉ ẹ ì ỉ ểề ệ ệ ấ é ỉ ểề ềỉệ é ỉ éé ệ ệ ỉé ễ ỉ é ỉể ệ ễ ẹ ểễỉ ẹ ì ỉ ểề ìỉệ ỉ ểề ẵẳẳ ể ì ểễỉ ẹ ì ỉ ểề ệ ệ é ỉể ệ ằ ề ệ ì ắ ìỉệ ỉ ểề ẵẳẳ ể ì ểễỉ ẹ ì ỉ ểề ệ ệ é ỉể ệ ề ệ ìỉệ ỉ ểề ẵẳẳ ể ì ểễỉ ẹ ì ỉ ểề ệ ệ é ỉể ệ ề ề ệ ìỉệ ỉ ểề ẵẳẳ ể ì ểễỉ ẹ ì ỉ ểề ệ ệ é ỉể ệ ề ễẹ ầễỉ ẹ ì ỉ ểề ì ệ ệ ì ỉ éé ễ ệ ễệể ểề ệ ìễ ệ ầễỉ ẹ ì ỉ ểề ì ệ ệ ì ỉ éé ễ ệ ềểẹ ệ ì ể ì ệ ỉ ểề ẵẳ ầễỉ ẹ ì ỉ ểề ì ệ ệ ì ễ ẹ ỉ éé ễ ệ ềểẹ ệ ì ể ì ệ ỉ ểềì ì ệ ệ ì ễ ẹ ỉ éé ễ ệ ềểẹ ệ ì ể ì ệ ỉ ểề ầễỉ ẹ ì ỉ ểề ẵ ẵẵ ểềìỉệ ỉ ểề ì ềỉ ễ ệỉ ỉ ểề ạẵ ì ềì ẹ ềỉ ễ ẹ ẳ ẵắ ểềìỉệ ỉ ểề ì ềỉ ễ ệỉ ỉ ểề ạẵ ẹ ềỉ ễ ẹ ẳ ẵ ểềìỉệ ỉ ểề ì ềỉ ễ ệỉ ỉ ểề ạẵ ẹ ềỉ ễ ẹ ẵ ẵ ểẹễ ệ ìểề ì ệ ìéỉ ỉì ẵ ậè ậ ầấè ậ ẵ ậ ẹ ì ắ ậ ẹ ì ậ ẹ ấ ệ ẻể ì ề ìẻ ệ ậ ẹ ấ ệ ẻể ì ề ì ậ ẹ ấ ệ ẻể ì ề ìẻ ệ ẵẳ ì ểề é èệ ậà ẵ é ì ắ é ấ ỉ ấẻẻấ ắ ểềìỉệ ỉ ểề ệ ệ ấ ệ ậ ẹ ì ấ ệ ậ ẹ ì éể ểệ ỉ ẹ ẻể ì ề ì ề ẻể ì ề ậ ẹ é ậ ẹ ệ ỉ ểề é ậỉệ ỉệ ậ ẹ ểềìỉệỉ ểề ệ ệ ìẻ ệ ềỉ ấẻẻ é ì ắ ểẹễểì ỉ ểề ắ ì ìíẹ ỉ ế ểễỉ ẹ ì ỉ ểề ề ì ềỉ ìệ ấẻẻ ểề ỉ ểề optimizeSplitingRule(T ) ẻể ì ề ẳ ắ ì ềỉ éầễỉ ẹ ì ỉ ểề ễ ỉệ ẵ ặèấầ ềì é ẹểề ềểỉệ ềì é ểề ìể ề ìể ềỉ é ệ ệ ểệá é é ìì ỉ ểề ìỉ ề é ìì ỉ ểề ì ểề ế ìỉ ề ì ẹể ễé ềì é ểệ ỉ ẹ ìá ỉ ề ế ì ẹ ềỉ ề ềỉ éì ìểềỉ ề ểệ ề ì ỉ é ì é ìỉ ề ề ệ ểề ẹễéể é ìì ỉ ểề é ìì ỉ ệìà é ì ì ệ ìểềì ễểệ é ìế éé ì é ểềìỉệ ỉ ểề ệ ệ èầặ ì ễệể é ẹ ì ỉệ ì ề ệì éì ềì ỉểì é ì ểẹ ề ì ẩểệ é ễéì ểềềì ỉ ỉ é ì ì é ễéì é ệ ẹ ềỉ í ì ểề ỉ ìế ề ệ éá é ì é ểệ ỉ ẹ ì ệ ỉ ểề é ìì ỉ ệì ìểềỉ ỉ ểệ ì ì ề ỉệể ì ễễệể ì ễệ ề ễ é ì ề é ềỉ é ìỉ ỉ ìỉ ế é ễễệ ềỉ ìì ì ẹ ề ì é ễễệ ềỉ ìì ỉểẹ ỉ ế ỉ é ệ ì ặểỉ ị ế ỉỉ é ìì ỉ ểề ìỉ ì é ẹ ềỉ ểệệ ỉ ểềìỉệ ỉ ểề ì é ìì ỉ ệì ẩ ệ ĩ ẹễé ề ễệ ềỉ ìì ì ẹ ề ì ẹễéểí ềỉ ệ ề ềì ểềỉ ĩỉ ễ ệ ểềỉệ é ì ẹể é ì ểềì ệ ì ểẹẹ é ễễệể ểẹẹề ỉ ểềề ệ é ềì ẹé é ì éể ểệ ỉ ẹ ì ì ĩ ẹễé ì ìỉ ì ề é ẹ ềỉ ề ệ ề ểềìỉệ ỉ ểề ệ ệ ẹ ẹ é ìì ì ìểìạễ ệỉ ỉ ểềì ì éểề ề ệ é ĩ ệ ể ề ềể ỉ ểề é ì ểề ỉ ểềì ỉ ềỉ ỉểỉ é ìỉ ỉ ìỉ ế ì ểề ìểềỉ ì ểề ìỉ ề ệ ệ ỉ é ế é ì ỉệ ẹ ềỉ ề ềể ễ ệỉ ỉá é ì ẹễệ ỉ ì é ệ ệ ề ễ ệỉ ỉ ểề ệ ỉ ểềề ẹ ềỉ ế ìỉ ìì ềỉ éạ é ì ệ ỉểệề ềỉ ề é ệ ềỉ ệ ệ ễệ ì ềỉ ềỉ ề ề ềỉ ễệể ììì ễ ệỉ ỉ ểề é ậ éểề ì ẹ ề ì ế ễ ệỉ ỉ ểề ểệệ ìễểề ểề ỉ ểề é ề ềỉ ệễệ ỉ é ểềìỉệ ỉ ểề ệ ệ ềỉ ééểềìà ì éểề é ìỉệ ỉệ ễ ệỉ ỉ ểềì ề é ì ểềỉ ềề ềỉ é ì ì ễ ệỉ ỉ ểề ìểềỉ ị ệể ì é ểệ ỉ ẹ ì ễễệ ềỉ ìì ì ẹ ề ì ìểềỉ ềỉ ệễệ ỉ ì é ểệ ỉ ẹ ì ễễệ ềỉ ìì ễệể é ẹ ì ề ệểềề ì ỉ é ễạ ì ề ệểềề ì ìỉ é ẹể ì ì ìệ ễễệ ềỉ ìì ỉỉ é ìì ỉ ểềá é ễéễ ệỉ ỉá é ệ ì ỉ ẹ ềỉ ìỉ ế é ệ ì ềì é ểềỉ ĩỉ ì ề ệểềề ì ế ềể ì ẹễệ ỉ ì ểềìỉệ ỉ ểề ìỉ éểệì é ềỉ ệ ệ ỉ é ế é ẹễệ ỉ ỉ ệẹ ề ệ ệ ì ễ ệỉ ỉ ểềì ề é ì ìỉ ẹ ề ẹ ì ẹễệ ỉ ìỉ é ẳ ễểệ ềì é ì é ậ éểề é ễễệể ế ềể ểề ể ì ỉ ề ềể ễể ềỉ ì ềỉ ìệ é ệ ệ ệ ệ ệ ì ểề ìể ỉ ẹ é ểệ ẹ ề ệ é ỉ éé ềì ễệ ẹ ệ ì ểềì ệ ệ ễ ỉệ ểẹ ề ì ệ é ỉ ì ềỉệể ỉ ểề ệ ỉ ễ ệ ĩ ẹễé ẹ ề ệ ẹ ề ệ é ỉ ĩ ệệ ệ ìỉ ẹ é ì ẹểỉì ĩễệ ẹ ểễỉ ẹ ì ỉ ểềá ểề ề ệ ĩ ềỉệể ệ ìì ềểỉệ ẹểỉ ỉ ểề ề ệ é ệ ẹ ềỉ é ễệể é ẹ ỉ ế ễệể é ẹ ỉ ế ệ ễễểệỉ ìểềỉ ệ ễệ ì ềỉ ì ềì é ì ỉ ểề ệề ệ ĩ ệ ệ ỉ é ìỉệ ỉệ ễ ỉệ é ìì ỉ ểề ậ éểề é ì ềì é ễéì é ệ é ỉ ệẹ ì ềỉ ĩ ỉ ễ ì ễệ ề ễ é ì ì ề ểệẹ ỉ ểềì ĩ ẹ é ìì ỉ ểề é ểềìỉệ ỉ ểề ìễểề é ì ỉ éỉ é ì ỉ ểề ềể éé ì ể ì ệ ỉ ểềì é ệ ệ é ễéì é ẹễệ ỉ ì ệ ìéỉ ỉì ề ỉ éểễỉ ẹ ì ỉ ểề éể ẵẵ ểề á ểề ề ìỉ ễ ì ì ệ ế é ì é ểệ ỉ ẹ ì ềểì ề ễễé ế ềỉ ề ỉ ề ế ế ềểì ấèá ểễỉ ẹ ì ỉ ểềá ễệể ììì ìỉ ẹ ề ẹ ì ỉ ểề ẹễệ ỉ ểềề ềỉ é ì ệ ìéỉ ỉì é ì ẹ éé ệì ỉ ĩ ệệ ệ ễễệ ềỉ ìì ỉ ểềề éé ễ ệ ĩ ẹễé ểề ỉ ểề ế ễ ệẹ ỉ éểỉểề ìễ ệ ế é ế é ỉ ỉệ ỉ ễ ễể ềỉ ểệ ề ễệể ììì ì ểẹễểạ ì ệ é ì ì ệ é ì é ìì ỉ ểề ễệ ề ệ ỉ é ì ỉ ệá é ỉ ệẹ ì ìệ ì ểề é ì é ìì ỉ ểề ẹễé ế ềểỉệ ỉ é ề ểệẹ ỉ ềá ểề ểề ềỉệ ìệỉểỉ ìệ é ễệ ẹ ệ ỉ ễ é ệ ế é ì ẹể é ì é ìì ỉ ệ ìểềỉ ệ ềỉìá ểề ì ệ ỉ ệ ì ểẹẹềì ễểệ é ệ ỉ ểẹễ ệ ệ é ì ẹể é ĩ ỉ ỉ é ỉ ìì é ểẹễệ ềì é ỉ ìì í é ì ẩ ệẹ ễé ề ỉ é ỉ ẹễì ễễệ ềỉ ìì ễệểễểì ệ ì ìì ìá ìểềỉ é ì ìì ì ệ é ì ẵ é í ỉệể ì ểẹễểì ềỉì ễệ ề ễ ĩ ễệể é ẹ é ìì ỉ ểề ễệể é ẹ ểềìỉệ ỉ ểề ề é ìì ỉ ệà ẵ ìỉệ ỉ ểề ệỉ ệ ể ỉ ễệể ì ễ ệ ỉ ểề éỉ ềỉ ệ ệ ì é ìì ì ẹ ì ạ é ìì ỉ ểề ễéễ ệỉ ì ỉ ề ế ì ểề ểề ẹễé ỉ ẹ ềỉ ỉ ểệ ế ẹ ềỉá ì ểẹễểì ềỉì ễ ềỉ ỉệ ìểềỉ ểẹ ề ì ề é ệ é é í ễé ề ỉ ì é ì ểẹễểì ềỉì ặ ẹể ềìá ì ề éé ẹ ềỉ ỉ é ì ệ ìéỉ ỉì é ìì ỉ ểề ì ễễệể ì ễệểễểì ì ễểệ ểềìỉệ ỉ ểề ì ì ề ỉệể ì ỉ ểệ ì ễệ ề ễ é ì ẵ ẵẳ é ìì ỉ ệ ế ìểềỉ è ĩ ầễỉ ẹ ị ặểẹ ệ ềạ ì ẳẳắẳẳẳ ềạ ì ặằ ầễỉ ẹ ị è é ẹ ẹ ẳẳắẳẳẳ ặằ ìễ ệ ắẳ ặằ ắẳ ặằ ấ ìéỉ ỉ ểễỉ ẹ ì ỉ ểề ì ẩệể ểề ệ ặằ ặể ì ặằ ì é ìệ ề ệ ểềề áễ ẹ é ệ ệ ễéì ệ ề ìỉ ế ìỉ ẹ ĩ ểễỉ ẹ ì (0.10667 0.08854)/0.10667 17(%) ễ ệ ệ ễễểệỉ (0.15625 0.15495)/0.15625 0.8(%) ìỉ é ệ ế éểề ễéì ễểìì éỉ ẵắ è ìỉ ầễỉ ẹ ì ỉ ểề ầề ễễé ế éể é ìỉạ ệ é ì ềì ỉệể ì ỉ ì ì ểềề é ì è ì ẳẵẳ ềạ ì ẳẳ ì ì ặể ì ểềề ẩệể ểề ệ ìễ ệ ẵẵ ẵẵ ẳắ ẳẵ ẳẵ ấ ìéỉ ỉ ểễỉ ẹ ì ỉ ểề ẳẳẵ ẳ ềạ ì ặằ ỉệể ì ì ềỉ è ấ ễệ ẹ ệ ỉ ìỉ ì ệ ìéỉ ỉì ìểềỉ ẹểềỉệ ì ặểẹ ệ ềạ ầễỉ ẹ ị ỉ ìỉ ẳẵ ắ ểềỉệ ỉ ểề è ĩ ầễỉ ẹ ị ĩ é ểệ ỉ ẹ ì ĩ ẹ ề ỉ ểệệ ìễểề ềạ ầễỉ ẹ ị ễểệ é ễ ệỉì ìểềỉ é ì ẹ ẹ è ĩ ầễỉ ẹ ị ệ ỉ ểềề ẹ ềỉ ìì é ì ẹ ẹ ì ễ ệ ẹ ỉệ ì ễểệ ệ ệ ìệ é ì ẹ ẹ ì ìì ềì ề ệ ệ ễéì ệ ề ặểẹ ệ ệ ỉ ểềề ẹ ềỉ ìệ ễ ẹ ặể ì ắ ẩệể ểề ệ ắ ặằ ẳẳẵ ắ ặằ ặằ ẵ ặằ ấ ìéỉ ỉ ểễỉ ẹ ì ỉ ểề ẳ ìễ ệ ệ ỉ ểềề ẹ ềỉ ìệ ề ệ ặằ ắ è ĩ ầễỉ ẹ ị ặểẹ ệ ềạ ì ẳẳắẳẳẳ ềạ ì ặằ ầễỉ ẹ ị è ẳẳắẳẳẳ ặằ ặằ ắẳ ặằ ìỉ é ẹ ẹ ểì ểẹẹ é ễệ ặằ ệ ỉ ểềề ẹ ềỉ ìệ ệ ì ềỉ ỉ ìỉá ểề ề ễ ỉ ễ ì ểễỉ ẹ ì ệ é ì ệ ệ ì ễ ẹ ế ìỉ ểềìỉệ ỉ ễ ệ ềể ìàá ểề ể ỉ ềỉ ề ệ ìéỉ ỉ ẹ éé ệ ểề ệ ỉ ẹ ềỉá ểề 0.08854 ểềỉệ ệ é ệ ệ ểềìỉệ ỉ ễ ệ ĩ ẹ ì ẹ ì ệ ệ éể é ìểéỉ ểề ẹ éé ệ éểệì é ệ ệ ẹ éé ệ ế é ề 0.08463 ề ểễ ệ ìểề éể é ệ ỉ ểềề ẹ ềỉ ề ỉệể ề ề ì é ề ỉệể ề ề ì é ễ ỉ ỉệể ệ ề ìểéỉ ểề ệ ỉ ểềề ẹ ềỉ ẵ ầ ì ệ ỉ ểề é ề ề ìỉệỉệ ệ ệ ỉ ìì ề ỉ ìỉ ễểệ ĩễéểệ ệ é ệ é ỉ ểề ềỉệ é ỉ éé é ểẹễé ĩ ỉ ệ ệ ỉé ễ ỉ ề ẵẵ ểềề ềỉ é ì ẹ ẹ ì ệ ìéỉ ỉì ìệ ề ềỉá ìỉ ễểìì é ế é ệ ệ ầề ề ễéì ệ ề ìỉ é ệ ế ì é ệ ệ ễ ề ìễ ệ ắẳ ấ ìéỉ ỉ ểễỉ ẹ ì ỉ ểề ề ệ ỉ ệ ì ẩểệ é ệ ệ ẩệể ểề ệ ặằ ặể ì ểễỉ ẹ ì ỉ ểề ầề ềỉ é ì ế é é ểệ ỉ ẹ ềì é ỉ ìỉá í ềỉ é ì ỉ éé ì ềì ẹ é ì ểềìỉệ ỉ ểề ì éểề ệ ỉ ệ ì ễ ệẹ ỉệ ì ìểềỉ ẹễéểí ì ễểệ ễệể ệ ệ ềỉ ì ỉ éé ệ ệ ìỉ ẹ ìệ ễ ệ é ềểẹ ệ ì ệ ệ ì ềể ì ỉ ìì é ễệể ểề ệ ìễ ệ ì ệ ìéỉ ỉì ềỉ ĩ ì ỉ ìỉ ìểềỉ ểềề ĩ ề ĩ ỉ ềì ế ỉệ ỉ ệ é ỉ ểề ềỉệ é ểẹễé ĩ ỉ ề ệ é ỉ ểề é ề ẵ é í ệ ệ ầ ì ệ ỉ ểề ệ ệ ệ ệ éể é ỉ é ễ ỉ é ề ề ểễỉ ẹ ì ỉ ểề ề ìỉ ễ ì ìỉ ỉệ ì ì ềì ỉ é ìểéỉ ểề ề ỉ é ệ ìéỉ ỉ ề ĩ ẹ ề ệ ềểỉệ ẹ ề ìẹ ỉ ề ỉ ìỉ ế ẹểềỉệ é ệ é ỉ ểề ềỉệ ìểéỉ ểề ề ỉ é ỉ ìỉ ìỉ ệ é ì ểẹẹ é ỉ ẵẳ ểệệ ìễểềạ ẵ é ẹểềỉệ ỉể ểệì ề ểì ế ìểéỉ ểề ề ỉ é ìểéỉ ểề ẩểệ é ĩ ì ệ ễỉ ểề ì ỉ ẵ ệ ệ éể é ìỉ ệ ệ ỉ é ệ ìéỉ ỉ éể é ểề ệ ệ ễ ệỉ ệ ề ìỉệ ỉệ ệ ệ ế è ĩ ầễỉ ẹ ị ầễỉ ẹ ị ầễỉ ẹ ị ầễỉ ẹ ị ầễỉ ẹ ị è ặểẹ ệ ặể ì ẩệể ểề ệ ìễ ệ ềạ ì ẳẵẵ ẵ ẳ ềạ ì ẳẵẳ ẵ ắ ẳ ềạ ì ẳẵẵ ềạ ì ẳẵẳ ềạ ì ẳẵẵ ẵắ ềạ ì ẳẵẳ ẳẵẳ ềạ ì ẳẵắ ẳ ắ ềạ ì ẳẵẵ ắ ềạ ì ẳẵắ ẳ ắ ẳ ềạ ì ẳẵẵ ẵ ắ ầ ì ệ ỉ ểề ề ề é ìỉệ ỉệ ẵ ệ ệ ìệ ễ ẹ ểễỉ ẹ ì ỉ ểề ì é è ĩ ầễỉ ẹ ị ầễỉ ẹ ị è ặểẹ ệ ặể ì ẩệể ểề ệ ìễ ệ ềạ ì ẳẳắ ắ ắ ắ ềạ ì ẳẳắẵ ắ ắẵ ềạ ì ẳẳắ ắẵ ắ ềạ ì ẳẳắ ắẵ ắ ẵ ầ ì ệ ỉ ểề ề ề é ìỉệ ỉệ ẳẳ ệ ệ ìệ ề ệ ểễỉ ẹ ì ỉ ểề ệ ỉ ểềề ẹ ềỉ ìỉ ề ệ ễ ệ ì ệ ẩểệ ì é ểệ ỉ ẹ ì ỉệ ĩ ềể ì ệ ệ ế ìỉệ ỉệ ểề ệ ìéỉ ỉ ểệệ ìễểề (x, y) ệ ễệ ì ềỉ ề é ìì ỉ ểề é ệ ệ ỉ ì ệ é ề ì ỉ ểề ễễé ế é ệ ệ ỉ ẵẳẳ ể ì ềỉ ìỉ ééìỉệ ểì ỉ ểềề éìá ểề ệ ỉ ểề ệ ệ ỉ é ỉ ìỉ ỉ (x, y) ìỉ ề ỉễé ỉ ắ ìệ é ệ ệ ể ỉ ề é ỉể ệ ềì ề ệ ễ ế ề ỉ é ỉ ề é ì ệ ìéỉ ỉì ìểềỉ ệ ỉ ểềề ẹ ềỉ ỉ ệ ệ ềì é ế é ế ễể ềỉ ềểẹ ệ ẹ ì ìễ ệé ì ệ ì ắá è ĩ ầễỉ ẹ ị ầễỉ ẹ ị ầễỉ ẹ ị ầễỉ ẹ ị ầễỉ ẹ ị è ặểẹ ệ ặể ì ẩệể ểề ệ ìễ ệ ềạ ì ẳẵẵ ẵ ẳ ềạ ì ẳẵẳẳắ ềạ ì ẳẵẵ ềạ ì ẳẵẳ ềạ ì ẳẵẵ ẵắ ềạ ì ẳẵẳ ẵ ẳ ềạ ì ẳẵắ ẳ ắ ềạ ì ẳẵẵẵ ắ ẳ ềạ ì ẳẵắ ẳ ắ ẳ ềạ ì ẳẵẵắ ắ ẳ ẳẵ ẵ ầ ì ệ ỉ ểề ề ề é ìỉệ ỉệ ệ ệ ìệ ễ ẹ ểễỉ ẹ ì ỉ ểề ệ ỉ ểềề ẹ ềỉ è ĩ ầễỉ ẹ ị ầễỉ ẹ ị è ẵẳ ặểẹ ệ ặể ì ẩệể ểề ệ ìễ ệ ềạ ì ẳẳắ ắ ắ ắ ềạ ì ẳẳẵ ẳ ắ ắẵ ềạ ì ẳẳắ ắẵ ắ ẳẳ ềạ ì ẳẳẵ ẳ ắẵ ắ ẳ ầ ì ệ ỉ ểề ề ề é ìỉệ ỉệ ệ ệ ìệ ề ệ ểễỉ ẹ ì ỉ ểề ệ ỉ ểềề ẹ ềỉ ẵ ẳ ỉ ìỉạệ ìéỉạ ẵ ẵ ẳ ẵ ẵ ẳ ẵ ẵ ẳ ẵ ẵẳ ẵắ ẵ ẳ ẵ ẳ ắẳẳ ìỉệ ỉ ểề ắẵẳ ắắẳ ỉ ỉĩỉ ì ề ắ ắẳ ắ ẳ ắ ẳ ẵẳẳ ể ì ểễỉ ẹ ì ỉ ểề ệ ệ ắ ẳ ắ ẳ é ỉể ệ ễ ẹ 15 seuil fractionnement 14 13 12 11 10 74 76 ẵ 78 80 82 ấ é ỉ ểề ềỉệ é ỉ éé ẳ 84 86 ệ ệ ỉ ìỉạệ ìéỉạ 88 90 ỉé ễ ỉ 92 94 ểễỉ ẹ ì ỉ ểề ì ề ắ ỉ ỉĩỉ ẳ ắ ắẳ ẵ ẵẳ ẳ ắẳ ắ ìỉệ ỉ ểề ầề ỉệể ế é ệ ềểềỉ ễ ì é ểệẹ é ề ẳ ẳ ẵẳẳ ể ì ểễỉ ẹ ì ỉ ểề ệ ệ éể é ế ểề ễệểễểì ệ èểì é ì ẳ é ỉể ệ ằ ề ệ ì ìỉ ìì ị ểềề ệ é ì ìỉệ ỉ ểềì ìểềỉ ễệể é ìỉệ ỉ ểềì ìỉệ ỉ ểề ìì ắắ ỉ ìỉạệ ìéỉạ ắẳ ỉ ỉĩỉ ì ề ắ ẵ ẵ ẵ ẵắ ẵẳ ắẳ ắ ẳ ẳ ìỉệ ỉ ểề ắ ầễỉ ẹ ì ỉ ểề é é ì ệ ệì ệ é ẵ ẳ ẵ ẳ ẵ ẳ é ỉể ệ ề ệ ẵẳạ ểé é é ểệ ỉ ẹ ểễỉ ẹ ì ỉ ểề ệ ìéỉ ỉ ìỉ é ệ ỉ ệ é ỉ ểề ễệể ệ ì ỉ ễ ì ẵ ệ ỉ ểề é ỉể ệ ắ ệ ỉ ểề ĩ ểé ì ểềề ĩ ềì ẹ é ẵắẳ ì ểề ỉ ỉ ểề ệể ìì ểẹễé ỉ ì ểẹễểì ẵẳẳ ẵẳẳ ể ì ểễỉ ẹ ì ỉ ểề ệ ệ ềì ỉ ìỉá ểề ệ ỉ ìỉ ẳ ểềề ễễệ ềỉ ìì ềề ềỉ ééểềì ễễệ ềỉ ìì ểé ì ỉ é ệ ìỉ ễểệ ỉ ìỉ ệ ầề ểệệ ìễểề ềỉ ĩ ềì ẹ é ỉ ìỉ ễễé ế ề é ểệ ỉ ẹ ỉệ ỉ ểềề é ễểệ ể ỉ ệề ệ é ệ ệ ể ỉ ễễé ế ệ é é ểệ ỉ ẹ ĩ ẵẳ ể ì ỉ ểề è ìỉ ệ ệ ẹểí ề ỉệ ềỉ é é ềì ẹ é ĩ ệ ìéỉ ỉ ỉ ìỉ ỉ ểề ì ểề ề ỉ é ầề ĩ ệ ệ ì ỉ ìỉ ểệệ ìễểề é ìỉ ẹ ỉ ểề ềỉ ệ ìéỉ ỉ ề é ìỉ é ỉ ĩ ệệ ệ é ểệ ỉ ẹ ỉ ểềề é ầễỉ ẹ ì ỉ ểề ì ệ ệ ì ề ỉ ĩ ỉ é ệ ệ ểễỉ ẹ ì è ìỉ ệ ệ ểễỉ ẹ ì é ẹểí ề ỉ é ệ ệ ề ỉ é ìểềỉ é ẹ ẹ é ềì ẹ é ĩ ệ ìéỉ ỉ ềì é ì ể éểễỉ ẹ ì ỉ ểề ề ễ ì ỉ ìỉ ỉ ểề ỉ ìỉ ểệệ ìễểề é ìỉ ẹ ỉ ểề ềỉ ệ ìéỉ ỉ ề é ìỉ ỉ ĩ ệệ ệ é ểệ ỉ ẹ ểễỉ ẹ ì ỉ ểề ỉỉ ễệể ệ ìểềỉ é ì ìỉ ệ é ì ìì ĩ ể ì ỉ é ì ẹểí ềì é ểẹễ ệ ìểề ầề ìì í é ỉ ìỉ ĩ ìỉ ẹ ỉ ểềì ệệ ệ ì ỉ éé ì ệ ềỉ ì ệ ệ ắ ỉ ìỉạệ ìéỉạ ắ ắ ắắ ắẳ ẵ ẵ ẳ ìỉệ ỉ ểề ìỉạ ệ ĩ ể ì ễễé ỉ ểề ễểệ ề ềì ẹ é ễ ệ ẹ ỉệ ễệể ệ ìểì ẳ ể ìá ểề ệ ềì ỉ ìỉá ểề ẹễéể ĩ ẹ ề ìẹ é ềì ẹ é ĩ ẹềẹ é áé ì é ệ é ỉ ểề ềỉệ é ỉ éé ắẳẳ ắ ẳ é ỉể ệ ễ ệ ẹ ỉệ ì ì ểềề é ễẹ ệ ệ ề ề ệ ệ ỉ ểề ệ ệ ểỉ ỉ ệ ệ é ề ỉ é ầề ẹ ỉỉệ ề ể ệ ềì é ễệ ẹ ệ ẹ ề ìẹ ềểẹ ệ ể ì ệ ỉ ểề ệ ỉ ểềề ẹ ềỉ ỉ é ễệể ểề ệ ẹ ĩ ẹ é ẩểệ é ĩ ẹ ểề ể ì ệ ỉ ểề ễểệ é ĩ ẹ ề ìẹ ì ệ ệ ệ ỉ ểề ỉ ểềỉệ é ểềỉệ é é ỉ éé ỉé ễ ỉ ề é ềỉ ỉ ĩ ệệểệ ễễệ ềỉ ìì ệ ệ ệệểệ ễ ệ é ềỉ é ỉ ểễỉ ẹ ì ỉ ểề ệể ìì ệ ệ ỉ é ệ ệ ệ ệ é ỉ éé ệ ìểề ìỉ ĩ ẹ ề ệ ềé ểễỉ ẹ ì ỉ ểề ì ệ ìéỉ ỉì ìểềỉ ễệ ì ềỉ ì ìểì ểệẹ ì ệ ễ ế ìá ề ỉ éé ẳẳ ệ ệ ì ềểềạểễỉ ẹ ì ì ỉ ẳẳ ệ ệ ểễỉ ẹ ì ỉệể ì ễ ệ ẹ ỉệ ì ềỉ é ì ế é ềểẹ ệ ễểệ é ế éé ểề ể ệ ệ ỉ ểềá ễ ệ ĩ ẹễé ểề ểềỉệểéé ệ é ỉ éé ìỉ ểềìỉ ỉ ẵẳẳ ể ì ểễỉ ẹ ì ỉ ểề ệ ệ ểề ềế ềì ẹ é ì ìì ẳ ẵẳẳ ẵ ẳ ẵ ẵắ ỉ ỉĩỉ ì ề ắ ìỉ ệ ễệ ì ềỉ ềì é ìế éì é í ế ỉệ é ề ì ề ỉ é ỉ ểễỉ ẹ ì é ìỉ ẹ ỉ ểề ế ễể ềỉ ểệệ ễểề ễ ệ é ễệể ểề ệ ìễ ệ ỉ ĩ ẵ ẳ ẵ ẳ ỉ ỉĩỉ ì ề ắ ẵ ẳ ẵ ẳ ẵẳ ẵắẳ ẵẵẳ ẵẳẳ ẵ ẳ ỉ ìỉạệ ìéỉạ ắẳẳ ắẵẳ ìỉệ ỉ ểề ắắẳ ắẳ ắ ẳ ắ ẳ ẵẳẳ ể ì ểễỉ ẹ ì ỉ ểề ệ ệ ắ ẳ é ỉể ệ ắ ẳ ề ễẹ 0.4 trees error rate trees CV error rate Optimized trees error rate Optimized trees CV error rate 0.35 0.3 0.25 0.2 0.15 0.1 1.5 2.5 ầễỉ ẹ ì ỉ ểề 3.5 ì ệ ệ ì 4.5 5.5 ỉ éé ễ ệ ễệể ểề ệ ìễ ệ 0.4 trees error rate trees CV error rate Optimized trees error rate Optimized trees CV error rate 0.35 0.3 0.25 0.2 0.15 0.1 1.8 2.2 ầễỉ ẹ ì ỉ ểề 2.4 ì ệ ệ ì 2.6 2.8 ỉ éé ễ ệ ềểẹ ệ ì ể ì ệ ỉ ểề 0.3 trees error rate trees CV error rate Optimized trees error rate Optimized trees CV error rate 0.28 0.26 0.24 0.22 0.2 0.18 0.16 0.14 0.12 0.1 1.6 ẵẳ 1.8 ầễỉ ẹ ì ỉ ểề 2.2 2.4 ì ệ ệ ì 2.6 2.8 3.2 3.4 ễ ẹ ỉ éé ễ ệ ềểẹ ệ 3.6 3.8 ì ể ì ệ ỉ ểềì 0.3 trees error rate trees CV error rate Optimized trees error rate Optimized trees CV error rate 0.28 0.26 0.24 0.22 0.2 0.18 0.16 0.14 0.12 0.1 1.5 ầễỉ ẹ ì ỉ ểề ểềìỉệ ỉ ểề ỉ ìỉ ệề ệ ìỉ ì ệ ệ ì ệ ệ é ễệể ệ ĩ ễỉ ỉ ì ì ì ể ì ệ ỉ ểề ề ể ệ é ềể éé ễệể ệ ỉ ìỉ ìỉ ỉệể ệ ề ểề ểềề ế ểề ỉ ềì é ỉ ìỉ ểễỉ ẹ ì ỉ ểề ề ẹ ềỉì ềì é ỉ ễ ắàá ễệ ì ể ệ ệ ì ỉ ẹ ỉỉệ ỉ ểề ệ ỉ ì ểề é ỉ ìỉ ìỉ é ẹ ẹ ì ễ ỉ ỉì 3.5 ì ềỉ éểễỉ ẹ ì ỉ ểề ì ểề ì ễ ệ ẹ ỉệ ì ễ ẹ ỉ éé ễ ệ ềểẹ ệ ì ệ ệ ểềìỉệ ỉ ểề ệ ệ ềì ẹ é 2.5 ề é ểềề ĩ ễ ệỉ ìá é ễ ệỉ ễễệ ềỉ ìì ỉỉ ểềìỉệ ỉ ểề ỉ é ễ ệỉ ểềề ìỉ ề ểễỉ ẹ ì ỉ ểề ì éểề é ì ễ ệ ẹ ỉệ ì ểềề ì é ểệ ỉẹ é ỉểỉ é é ểệ ỉ ẹ ểềề ểềìỉệ ỉ ểề ệ ệ ểềề ễễệ ềỉ ìì ễễệ ềỉ ìì ểềề ễễệ ềỉ ìì ễ ệ é ì é ểệ ỉ ẹ ì ỉệ ễểệ éểễỉ ẹ ì ỉ ểề ểềìỉệ ỉ ểề ểễỉ ẹ ì ỉ ểề ệ ểệ ỉ é ễ ệỉ ểễỉ ẹ ì ỉ ểề é ỉểỉ é ề ì ệ ế é ì ỉ ĩ ệệ ệ ỉ é ề ỉ é ệ ểệ ệ é ễ ệỉ ì ệ ệ ì ểệ ìểềỉ ỉ ểềề éì ệể ì ề ì ế ìểềỉ ểềìỉệ ỉì ễ ệỉ ệ é ỉểạ ềì é ểẹễ ệ ìểề ì ệ ệ ì ểềìỉệ ỉì ềì ỉ ìỉ ề ể ềỉ ế é ệ é ề ìểéỉ ểề ề ỉ é 0.3 trees error rate trees CV error rate Optimized trees error rate Optimized trees CV error rate 0.28 0.26 0.24 0.22 0.2 0.18 0.16 0.14 ẵẵ 1.5 ểềìỉệ ỉ ểề 2.5 3.5 ì ềỉ ễ ệỉ ỉ ểề ạẵ ì ềì ẹ ềỉ ễ ẹ 0.3 trees error rate trees CV error rate Optimized trees error rate Optimized trees CV error rate 0.28 0.26 0.24 0.22 0.2 0.18 0.16 0.14 ẵắ 1.5 ểềìỉệ ỉ ểề 2.5 3.5 ì ềỉ ễ ệỉ ỉ ểề ạẵ ẹ ềỉ ễ ẹ ẳ 0.3 trees error rate trees CV error rate Optimized trees error rate Optimized trees CV error rate 0.28 0.26 0.24 0.22 0.2 0.18 0.16 0.14 ẵ 1.5 ểềìỉệ ỉ ểề 2.5 3.5 ì ềỉ ễ ệỉ ỉ ểề ạẵ ẹ ềỉ ễ ẹ 0.3 trees error rate trees CV error rate PBO-trees CV error rate nonoverlap-3-1 trees CV error rate overlap-3-1 trees CV error rate overlap-4-1 trees CV error rate 0.28 0.26 0.24 0.22 0.2 0.18 0.16 0.14 1.5 ẵ 2.5 ểẹễ ệ ìểề ẵ ì ệ ìéỉ ỉì 3.5 ễ ỉệ ầặ ầề ệ ìểé é ì ễệể é ẹ ì ễệểễểì ì é ệ é ệ ìéỉ ỉ ề é ề ìỉ ễ ì ệ ẹ ềỉ ểề ề ẹ ì ểề ễ ỉ ệ ễéì é ệ ì é ểệ ỉ ẹ ì ề ậầặ ì ểì ì ểềìỉệ ỉ ểề ệ ệ ì ểề ỉ é ì ềỉ é ễễệể ểềề ềỉ ễ ì é ì ệ ệ ì é ì ẹ éé ệì ểễỉ ẹ ì ỉ ểề ềì é ễéễ ệỉ ì ềỉ ấẻẻ ễểệ é ễệể é ẹ éểỉ ềỉ ì ệ ệ ì ểề ìỉ ề ệ ỉ ểề ễểỉ ềỉ éé ậ éểề é ì ỉ ìỉìá ểề ỉệể ế ỉệểễ ễ ỉ ỉ ềểỉệ ệ ệ ểì ễểệ é ì ệ ệ ì ểễỉ ẹ ì ỉ éé éể é ìỉ ềỉ é ểềìỉệ ỉ ểề ệ ề éểỉ ềỉ ì ỉ ẩ ệẹ ểị ề ế ỉệ ì é ì ỉ ểề ệể ì ệệ ệ ệ ìểề ì ì ì ẹể ềì ề é ẹ é ểệ ệ ẩểệ ỉ ệ ểề ề ễ ì ểễ ỉ ệ ỉ ểề ề é ỉ ềỉ ệ ễ ệ é ỉ ểề ệể ì ỉ ìỉì é ì ỉ éé ì ỉ ểề ệể ì ế ỉ ệ ỉ ểề ệ ề ề ìỉ ễ ì ế ểề ệ ềỉ ìá ểề ềể ỉ ềỉ ế ỉệể ì ể ễéìá ì ì ề ễễ ệỉ ềề ềỉ ềì é ệ ểề ểễỉ ẹ é ì éểề é ềỉệ ỉ ĩ ệệ ệ ễễệ ềỉ ìì ỉ ỉ ĩ ìỉ é ễéì ễ ỉ ỉ ì ễ ệ ì ệ ìéỉ ỉì ễ ỉ ỉệ ểềề ỉ ìỉ ìểềỉ ễ ỉ ỉ ì ỉ ì ẹễé ì ĩ ỉỉệ ỉì ềỉ ề ì ì é ìểéỉ ểề é ễ ì ẹ é ìểềỉ ễ ỉ ỉì ỉ ề ểệ é ìễ ì é ểễ ìỉ é ẹ ẹ ìỉ ễệể ểề á é ể ĩ ề ìểéỉ ểề é ẹ éé ệ ềì é ế éé é é é ệ ệ ẹ éé ệ ềì é ì ể é ệ ệ ềỉ ế éểề ề ễ ì ễ ỉ ềểì ểềề ệ ề ệ ìéỉ ỉ éể ề ệ é ỉ é ệ ìéỉ ỉ í ềỉ ẹ ì é ìì ỉ ểề ề ìỉ ễ ì éể é ễ ỉ ểềề ệ ề ỉệ é ì ệ ệ ì ễ ỉ ỉìá é ễễệể ễ ề ề ệ ệ ểềề é ì é ểệ ỉ ẹ ì ỉệ ì é ệ ệ ềỉ ééểềì ễệể ì ắ ì éểệìá é ì ệ ệ ì ểềề ề ệ ì ìỉ ìì ễ ỉ ỉ ỉ ìỉ ìểềỉ ìì ị ễệểễệ ì ỉ ểềề éì ìểềỉ ế ểề á é ì ệ ệ ì ểềìỉệ ỉì ễ ệ éểễỉ ẹẹ ì ì ì ì ểềề ỉ ìỉ ìểềỉ ễ ỉ ỉ ìá é ễ ệỉ ìỉ ìì ễ ỉ ỉ ệ ệ ễ ỉ ì ệ ễéễ ệỉ éểệìá é ì ệ ìéỉ ỉì ìểềỉ ỉệ ì ì ềì ỉ ì ề ề ệ ì ể ềểỉệ ểễ é ểệ ỉ ẹ ễ ỉ ỉ ì ệ ệ ì ễễ ệ ề ềỉ ìì ìễ ệ ế ểề ệ ỉ ìỉ ễểệ é é ề ẹ ềỉ ễ ỉ ỉ ệ ìéỉ ỉ ề é ìỉ ềì é ì ệ ỉ ểề ệể ìạ ểệệ ìễểề ểềì ềỉ é ệ ềểỉệ ễ ỉ ẹể ềì ệ ệ ề ệ ệ ềỉ ĩ é ì ỉ éé ì ểề ểễỉ ẹ é éểệìá ểề ẹ ẹ ỉ ĩ ệệ ệ ẹ ì ễéì ì ẹễé ềể éé ễệể ệ í ề ểệ ểềìỉệ ỉ ểề ìỉ ề ề ỉ ễ ềì é ế éé ểề ề ề ễ ì ểễ ì é ểềề ề ễ ệ é ỉ éé ì ễéì ễ ỉ ỉ ì ễ ệỉ ì ậ é ềỉ ééểềìá é ì ễ ệỉ ì ễễệ ềỉ ìì ềểềỉ ễ ì ì ì ẹ ềỉ ề ểệẹ ỉ ểề ễểệ ểềìỉệ ệ ệ ẹ ềỉ é ẹ ề ìẹ ềì ềểỉệ é ểệ ỉ ẹ é í ệ ệ é ễệ ẹ ệ ệì ểềá é ì ẹễé ỉ ỉể ệ ì ễ ề ềỉá ềểỉệ ỉệ é ỉ ẹ ì ỉ ểề ỉ ìì é ễệể ệ ì ì ểềề ì é éể é ỉé ễé ề ề ỉ ểề ỉệ ễệể ìỉ ì ỉệ ì ĩ ìỉ ì é ểề á ềì ỉ ìỉệ ỉệ ểềìỉệ ỉ ểề ệ ệ ểẹễé ế ệ ểềề ệ ỉ ểề ỉ ề ệ ễ ệỉ é ì ễệ ểệ ỉ ìá éểệì ểề ềì é ệ é ỉ ểễỉ ẹ ì ỉ ểề ỉ ểễỉ ẹ ì ệ é ẹể ỉỉ ểề ỉ ểềá ểề ề ễ ỉ ễ ì ì ểẹễỉ ệ ề ệ ìéỉ ỉ ễ ệ ỉ ẹ ềỉá ểềề ìễểì ể ì ề ẩểệ ì ểẹễểì ềỉì é ỉ ìỉ ệ é é ểệ ỉ ẹ ì ểề ểễạ ì ệ ề ì ầ ấ ẩ è íéểệ ậễ é éỉ ệá ỉểệ ề é ệề ề ặ ệ é ề ậỉ ỉ ìỉ é é ìì ỉ ểề ẩệ ềỉ ééá éíá ẵ ắ ẩ ệ éểì ẩ ểệìỉá ấ ề ặ ẻ è ể ềỉệể ỉ ểề ỉể éể é ầễỉ ẹ ị ỉ ểề ẵ é ệ ẹ ắẳẳẳ ấ ễ é ểệề ềạ ể ể ẹễ ệ é ìỉ ì ể ệ ìỉ éể é ì ệ ểệ ểềìỉệ ềỉ ìểé ề ề ẩệ ề ễé ì ề ẩệ ỉ ể ểềìỉệ ềỉ ẩệể ệ ẹẹ ề ễ ì ẵ ắẳ ẵ ấ ệ ầéì ề ệé ì ậỉểề ể ệ ẹ ềá ệểẹ ệ ỉ ểề ề ấ ệ ìì ểề èệ ì ễẹ ề ééá ẵ ẹ ề é ìì ệ ẩ ềỉểề ề í ẩ éé ễì èệ ề ể ề ẽ ề ệ ẩ ệệí ệ íá ẽ éé ẹ ệỉ ìệ í ể éể é ểễỉ ẹ ị ỉ ểề ẹ ỉ ể ì è ề é ệ ễểệỉá ậ ề ặ ỉ ểề é ểệ ỉểệ ì ặ ề é ềể ẩ ệ ềì ề ề ềỉệể ỉ ểề ỉể ệ é ề è ề é ệ ễểệỉá ấ ệểễ ỉ ì ỉ ấ ệ ì ểềìá ệ ệí ẵ ặ ề é ềể ẩ ệ ềì ề ẻ ệ ễễé ỉ ểềì è ề é ệ ễểệỉá ấ ề éíì ì ì ểềìá éí ắẳẳẳ ặ ề é ềể ẩ ệ ềì ề è ề é ệ ễểệỉá ấ ệểễ ì ểềìá éí ắẳẳ ấ ẫ ềé ề ẵẳ ểé ề ấ ấ ìá ể ề ẽ é íá ẵ ẵẵ ẩ ẽ ềìỉểề ểệ ểể ì ệ ề ề éíì ì é ề ểệ ểể ì ệ ì ẩệ ề ễé ì ề ệểễ ỉ ì ỉ ấ ệ ề ỉỉểệ é ểề ệ é ề ỉ ì ỉ ấ ệ ểệ ểể ì ệ ề ề éíì ì ẩệể ệ ẹì ểệ ề ệề ề ểệ ề ẹ ềá ẵ ỉểệ ể ệề ệ ìỉ è ề ế ì ểệ ểẹ ề ỉểệ é ẩệể é ẹì ệỉ é ềỉ éé ề ìểềạẽ ìé íá ẵ ắ [...]... ểề ỉ ểề ể ỉ ế é ề ệ ệ T stopSearching f alse LT = createSearchingList(TN ) é stopSearching = f alse ể f oundBetterSolution f alse ểệ éé t LT ể ểệ éé r R ể T = changeSplitingRule(T, t, r) f (T ) < f (T ) T T ỉ ề f oundBetterSolution = true ề ề ệ ểệ f oundBetterSolution = true ề ề ỉ ề ệ ểệ f oundBetterSolution = f alse ỉ ề stopSearching true éì stopSearching f alse ề ề é ẹ ề é ìì ỉ ểề ề ềể... ềỉ é ì ể ì ềì ề ìểéỉ ểề x ấ ế ệ localSearch(x) ìỉ ề ểề ỉ ểề ẹ éé ìì ế ìỉ ệ ềỉ ệ ệ éể é ế ệ ỉểệề ề ìểéỉ ểề x ì éểề éị ỉệể á ì ềểề éé ệ ỉểệề é ẹ ẹ ìểéỉ ểề x k1 é kK ể x random(Nk (x)) x localSearch(x ) f (x ) < f (x) ỉ ề x x k1 éì k k+1 ề ề é ềì ỉ é ểệ ỉ ẹ á é í ìề N ỉ é ìễ ế ìá ểề ểề ỉ ểề ềỉ ì ỉệ ì ễểệ ỉ ề ệ é ìì ì ĩ ệ ệ ỉ ệì ẹễểệỉ ềỉìá ìểềỉ é ìỉệ ỉệ éể é localSearche ệ ềỉ ẹ ềỉ ì ĩ ỉ ệì ì ểẹễểì... ìỉ ề ẻể ì ề ì ẻ ệ é ì ìỉệ ỉệ ể ì ề ểẹễểì ỉ ểề ểẹễểì ềỉ K ểề ỉ ểềì Nk (x) ỉ ệẹ ề ềỉ é ì ể ì ềì ề ìểéỉ ểề x ấ ế ệ localSearch(x) ìỉ ề ểề ỉ ểề ẹ éé ìì ế ìỉ ệ ềỉ éể é ế ệ ỉểệề ề ìểéỉ ểề x ì éểề éị ỉệể á ì ềểề éé ệ ỉểệề é ẹ ẹ ìểéỉ ểề x k1 é kK ể x random(Nk (x)) y project(x, v) y localSearch(y ) x resolve(y ) f (x ) < f (x) ệ ệ ỉ ề xx k1 éì k k+1 ề ề é ắ é ì éé ì ểệệ ìễểề ềỉ ì é ểệ ỉ ẹ ậ ẹ ì... kK ể p0 é pP ể T = pertubate(T, p) T = optimizeSplitingRules(T ) f (T ) > f (T ) ỉ ề k1 p0 éì pp+1 ề ề é k k+1 ề é ềì ì ẹ á é ểề ỉ ểề optimizeSplitingRule(T ) ể é ệ é ắ é RechercheLocale ỉ é ìỉệ ỉệ ể ì ề ỉ é ễ ệ ẹ ỉệ P ề ệ ỉ ểềề ẹ ềỉ ỉ ểề ì ểẹẹễểì ềỉ ễ ệ ểề ỉ ểề pertubate(T, p) ì ềể ễ ệ ẹ ỉệ P ìỉ é ỉ éé ì ễể ềỉ ềì é ể ì ề ề p ễ ệỉạ é ìỉệ ỉệ ểề ỉ ểề pertubate(T, p) ệ ệ ề ềể ệ ệ ề ể... impurity 0 ỉ ề setClass(S) éì test getBestT est(S) ểệ i = 1 ỉể getNumberBranch(test) ể Si getP atition(S, test, i) buildT ree(Si à ề ề ểệ ì é ểệ ỉ ẹ ì ì ệ ềỉ ễệ ề ễ é ẹ ềỉ ễ ệ ỉệể ì ểề ỉ ểềì getBestT est() ỉ setClass(S) èểì é ì ỉệể ì ểề ỉ ểềì ềỉ ééểềì ểẹẹ ề ỉá é ẹễệ ỉ ìễ ế ẹ ềỉ ì ìỉ ế ì ỉ ì ìệ é ì ễệể é ềỉệểễ ỉ ệẹ ề é ẹễệ ỉ ế é ểệ ỉ ẹ éỉ ì é ìì ẹ ề ẹ ì ệ é ẹễệ ỉ ểề ỉ ểề setClass(S) ì é ìì ì ẹ... á R ìỉ é ềì ẹ é ĩễệ ẹ ễ ệ ề ẹ ễễ ỉ ểề é ễ ệ ề ệ é ì ễ ệẹ ỉệ ì ệ ỉ ểềề ẹ ềỉ ề ềì ẹ é ểề á ỉ ềỉ ểềề ế TN ìỉ ềì ẹ é ềì ẹ é ì ể ề ì ệ é ìá ểề á é ệ ệ ễ ỉ ểề ỉ ểề s : TN R ềì ềểỉệ ìá ểề é ẹ ỉ { (a, v) : a A, v dom (A) } ầề ểềìỉệ ệ é ẹ ễễ ỉ é ế é ẹ ề ẹ ì ệ ểề ỉ ểề ể s ỉ f = R(TT , s) éể ệ ỉ ẹ ế ểề ễệểễểì ễểệ ểễỉ ẹ ì ệ ề ệ ệ ề ì ềỉ ìệ ấẻẻ ìỉ ệ ỉ ềì é ì ẹ é ểệ ỉ ấ ế ệ ấ ế ệ ấ ế ệ ấ ế ệ ẹ ậ ẹ T ìỉ ề ệ ệ... ẹ ậ ẹ ì ấ ế ệ N = {N1 , , NK } ìỉ ấ ệ ẻể ì ề ì ìíẹ ỉ ế ề ìỉệ ỉệ ể ì ề ểẹễểì ềỉ K ểề ỉ ểềì Nk (x) ỉ ệẹ ề ềỉ é ì ể ì ềì ề ìểéỉ ểề x ấ ế ệ (x1 , x2 ) ìỉ ề ểề ỉ ểề ế é é é x2 ) k1 é kK ể x random(Nk (x)) x localSearch(x ) f (x ) < f (xopt ) ỉ ề xopt x ề (x ) (x, x ) < f (x) ỉ ề x x k1 éì k k+1 ề ề é ẳ ìỉ ề ềỉệ ĩ ìểéỉ ểề x1 ỉ ễ ỉệ ấ ấ ầấè ấ ấ ễể ềỉ ậ ầẩèậ ậ ậầặ ậ ỹ ẻầậặ ế é ễệể ììì ẻ ềỉ ééểề... ậỉệ ỉệ é ểệ ỉ ẹ ậ ẹ ệ ỉ ểề é ậỉệ ỉệ ẻể ì ề ấ ế ệ TN ìỉ é ềì ẹ é ì ềể ì ềểềạỉ ệẹ ề ĩ ấ ế ệ R ìỉ é ềì ẹ é ì ệ é ì ệ ỉ ểềề ẹ ềỉ ễểìì ấ ế ệ p é ề ể ì ề ểệ i = 1 ỉể p ể ỉ ềỉ ẻể ì ề é ì t randomize(TN ) r randomize(R) T = changeSplitingRule(T, t, r) ề ểệ ểềìỉệ ỉ ểề ệ ệ ì ềỉ é é ểệ ỉ ẹ ầễỉ ẹ ì ỉ ểề ỉ ĩ ệệ ệ ề é ề ệ ệ é ỉ ĩ ệệ ệ ìỉ ẹ ĩ ẹễé ỉ ìỉ é ệ ệ é ạẹ ẹ ỉ ểề ệể ìì à ễ ỉ ỉệ ểẹễểì ề ì ềỉ ìệ ĩ ễ ệỉ... ĩ ềể ì ề ìỉ é ẹ ẹ ì ềỉ ìệ ỉỉ ẹ ìệ ệ ế ềể ềểềạỉ ệẹ ĩ ệ ễệ ì ềỉ ễểệ ề ìểìạ ệ ệ ềì ềểỉệ ẹễé ẹ ềỉ ỉ ểề é ểệ ỉ ẹ á ểề ể ệ ỉểì é ì ỉệể ì ểệ ệ ì é é ìỉ ểẹẹ ề ễ ệ ẹ ỉệ ểẹễểì ềỉ ấ ệ ể é á ìỉạ ạ ệ é createSearchingList() ìỉ ề ễ ệ ẹ ỉệ ậỉệ ỉệ ìỉệ ỉệ ẻể ì ề ể ì ề é ỉể ệ ẹ ềỉ ề ể ì ề ì ệ ệ ì ềì é ế é ềì é ì ẹ ểề ỉ ểề éể é ì ể ì ề ệ ệ ẹễé ỉ ẹ ềỉ ễ ệ ề ể ì ề ìỉ ệ ỉ ểềề ẹ ềỉ ì ìỉệ ỉệ ì ééìỉệ ệểỉ ề ấ ệ... ầề ềểỉ é ệ é ễểệ ỉỉ ệ é ỉ ỉ ểề é ìì j ễểệ ề ềể t ễ ệ j(t) ỉ é ễệ ề ễ ìỉ p(j|t) min ắ à p(j |t) = max p(j|t) ắ à j=j(t) ậễ ế ẹ ềỉá ỉ ềỉ ểềề ế j ỉ j (t) ìỉ é ệ é ỉ ỉ ểề ể ì á éểệì j (t) = j ắắ ậ ểề ềểỉ ế r(t) ìỉ é ìỉ ẹ ỉ ểề ềể tá ì éểề ắ àá r(t) ìỉ ễệể éỉ ẹ ì ạ é ìì ỉ ểề ỉ ệẹ ề ắẵẳà r(t) = 1 max p(j|t) j ễệ ề ễé ểềì ệ ế é ì ể ỉì é ìì j ìểềỉ é ìạẹ ẹ ì ề ẹ éạ é ìì ề ệ é ỉ á ể ỉ ìỉ ệ ềỉệ ề é ìì