مدل‌های زاینده‌ مرز شکل‌ در تشخیص و درک از تصویر کاربرد دارد. تلاش آن است تا این مدل زاینده را با یادگیری از مجموعه‌ای آموزشی از تابع‌های شکل (یا به طور معادل، منحنی‌های درون‌یابی شده از مرز شکل‌ها)، بیاموزیم. برقراری تناظر، یا به طور معادل، نحوه‌ی نمونه‌برداری از تابع‌های شکل، بر کیفیت مدل‌های شکل بسیار اثرگذار است. راهکار روزآمد برای برقراری تناظر، تعریف یک ریسک تجربی تنظیم‌شده برای مدل‌های زاینده است که با کمینه‌سازی این ریسک، تناظر بین شکل‌ها مشخص می‌شود. انتخاب پارامترهای تنظیم به کار رفته در تابع‌های ریسک، تأثیری شگرف بر بهینه‌سازی دارد. در این مقاله با تخمین بُعد مؤثر مدل تحلیل سازه‌ی اساسی و به کارگیری الگوریتم تخمین آنتروپی مقدارهای ویژه، اثر واریانس خطا در گزینش تناظر را در مدل‌های شکل آماری در نظر می‌گیریم. استفاده از الگوریتم پیشنهادی باعث شده است در مدل اندام‌های موجود در تصویرهای رادیوگرافی قفسه‌ی سینه از نظر معیار ویژه‌بودن به اندازه‌ی 0.5 میلی‌متر نسبت به روش طول توصیف کمینه بهبود ایجاد شود و زمان پیدا کردن تناظر نقاط بین شکل‌ها از 600 ثانیه به 300 ثانیه کاهش پیدا کند. همچنین، تناظر برقرار شده با روش پیشنهادی، از نظر معیار ویژه بودن، بر تناظر برقرار شده با نقطه‌گذاری توسط پزشکان برتری دارد.