Wold cho th y m t mô hình máy tính có cùng m t tài s n x p x cho m t b ng ấ ộ ộ ả ấ ỉ ộ ả
dữ liệu c a cùng m t tài s n x p x cho m t b ng d u c a d ủ ộ ả ấ ỉ ộ ả ữliệ ủ ữliệu trong một
khoảng th i gian h n ch ; các mô hình máy tính có th ờ ạ ế ể được xem như là một s m ự ở
rộng c a b ng d ủ ả ữliệu Taylor. Các địa điểm gần gi ng nhau giố ữa các đối tượng, các
điều khoản ít hơn là cần thi t trong vi c m rế ệ ở ộng để đạt được m t s t t lành x p x ộ ự ố ấ ỉ
nhất định. các điều ki n tiên quy t cho cách gi i thích này c a PCA là m t vài gi ệ ế ả ủ ộ ả
thuyết v s khác nhau và liên t c c a quá trình t o d ề ự ụ ủ ạ ữliệu, đã được tìm thấy để
giữ trong nhiều trường hợp. Điều này gi i thích, ít nh t là m t ph n, các ti n ích ả ấ ộ ầ ệ
thiết th c c a PCA. ự ủ
Do đó, một phương pháp nhận d ng m u có th d a trên các mô hình máy tính ạ ẫ ể ự
riêng bi t, m t cho t ng loệ ộ ừ ại đối tượng. Các đối tượng mới được phân loại theo để
phù h p c a h ho c thi u phù h p v i mô hình l p hợ ủ ọ ặ ế ợ ớ ớ ọc, trong đó cung cấp một
phân lo i theo xác suạ ất. Đây là cơ sở cho các phương pháp Simca (Soft Independent
Modelng c a Class Analogies) N u mu n phân bi t mủ ế ố ệ ột cách tối ưu giữa hai l p ớ
của Thụy Điển, m t mô hình máy tính có th ộ ể được trang b cho m i l p. K t qu ị ỗ ớ ế ả
cho th y rấ ằng th c s có s giự ự ự ống nhau trong l p h c (mô hình hai ho c ba thành ớ ọ ặ
phần mô t ả đầy đủ các d ữliệu) và các l p hớ ọc được tách t t (m u m i phù h p vố ẫ ớ ợ ới những "lớp lưu trữ" xấu và ngược l i); ạ