107 
-4 -2 
0 2 4 
-4 -2 
0 2 4 
-4 -2 
0 2 4 
-4 -2 
0 2 4 
r - 
-4 -2 C 2 
Abb.4.9: Verteilungen der Vektorkomponenten von Lernvektoren, die mittels des Minimaldistanz-Verfahrens 
selektiert wurden. Als Beispiel wurde ein klassifizierendes Zeitmuster gewählt mit einem Indikationszeitraum 
von zwei Zeitpunkten und einem Prognosezeitraum von 18 Zeitpunkten (insgesamt 20 Zeitpunkte). Es 
wurden 100 Lernvektoren selektiert. Die Verteilungen der einzelnen Vektorkomponenten variieren zwar in 
ihrer Form, behalten aber grundsätzlich den monomodalen Charakter der Normalverteilung bei. 
ponente der Zeitmustervektoren mit Hilfe derjenigen statistischen Größen vorverarbeitet 
werden, die zuvor aus den einzelnen Zeitreihen errechnet wurden (Tab.4.3, Kap.4.2.4). An 
schließend kann aus den vorverarbeiteten Zeitmustervektoren mit Hilfe beider Selektionsver 
fahren in Kombination die insgesamt gewünschte Anzahl an Lernvektoren selektiert werden. 
Dabei muß der Anteil an Lernvektoren, den jedes Verfahren selektieren soll, vorher festgelegt 
sein. Zum Schluß können diese so selektierten Vektoren von den Kohonen-Netzen angelernt 
werden. 
4.3.3. Vergleich beider Verfahren 
Um das Minimaldistanz-Verfahren mit dem Verfahren der zirkularen Gruppenreduktion zu 
vergleichen, werden zwei Wege beschritten. Zuerst wird anhand eines Beispiels demonstriert, 
welche Arten von Vektoren die Verfahren jeweils bevorzugt selektieren. Dazu wurde ein 
klassifizierendes Zeitmuster gewählt, das insgesamt 20 Zeitpunkte lang ist. 18 Zeitpunkte 
davon entfallen auf den Prognosezeitraum und zwei auf den Indikationszeitraum. Doch für 
die Selektion spielt die Unterscheidung in diese zwei Zeiträume keine Rolle. Als Basiszeitrei 
he wurde ein Ausschnitt gewählt, der fast genau so groß schon in Kap.4.1.1 für Demon-