JP2002502525A - 文脈上の相関関係を使用するパターン認識方法及び装置 - Google Patents

Abstract

(57)【要約】 パターン認識の目的のために、データセットにおけるデジタル情報量を減少させるための方法であって、ａ）少なくとも一つの既知パターンに関連するデジタルのアプリオリな情報値を決定するステップと、ｂ）認識パターンに関連する第１の要素のデジタル情報値を決定するステップと、ｃ）第１の要素を二つ以上ペアリングさせて第２の要素とし、それによってそれぞれの第２の要素に対するデジタル情報値の数を少なくとも２倍とするステップと、ｄ）デジタルのアプリオリな情報値に基づいて、第２の要素の各々に対して最低二つのデジタル情報値を併合させて、その情報値の数が削減された、削減された第２の要素とするステップとを有する。

Description

【発明の詳細な説明】 文脈上の相関関係を使用するパターン認識方法及び装置 本発明は、そこからあるデータのパターンを認識しなければならないデータセ ットにおけるデータ量を、関連する情報の損失を最小としながらも、減少させる ための方法に関する。 データセットは、そのそれぞれがここで情報値あるいは符号と呼ばれる多数の 値を採用できる、イメージのピクセルまたは画素のような要素配列を含むことが できる。データセットのパターンを認識することの重要性は大きい。もしデータ セットが例えばタイプまたは手書きのテキストのピクセルを含んでいるなら、こ のテキストの別々の文字はパターン認識によって認識可能である。ノイズが認識 イメージの中に存在したとしても、オリジナルパターンを認識することは、なお しばしば可能である。もしデータセットが例えば医療用写真であれば、細胞異常 あるいは細胞腫瘍がパターン認識によって早い段階で認識できる。 従来技術においては、多様な方法がデータセットのパターン認識に関して知ら れている。しかしながら複雑なパターンにおけるつながり（リンク）に関する構 造的な情報をあまりうまく処理することができない統計手法がある。例えば、認 識パターンの特徴を定義する試みが成される記述的な方法も存在する。しかし、 認識パターンが複雑なときには、これらの方法は問題をもたらす。パターンを認 識するために、ニューラルネットワークを使用することも可能である。しかしな がら、大きなデータセットにおいてこのニューラルネットワークを使用すると、 ニューラルネットワークが計算される現在のコンピュータの容量の限界に直面す る。 本発明の方法は、トレーニング段階の間に本発明の装置に与えられる既に知ら れた（アプリオリな；先験的な）パターンのトレーニングセットに存在する統計 特性から評価される内部情報コンテクストに基づいて、データセットから関連す る情報を抽出する。関連しない、または余分な情報は、本発明に方法によれば無 視される。データセットのサイズは、関連する情報の損失を最小としながらも、 減じられる。 本発明は、パターン認識の目的のために、データセットにおけるデジタル情報 量を減少させる方法および装置に関するものである。その方法は、次のようなス テップ、すなわち、 少なくとも一つの既知パターンに関連するデジタルのアプリオリ（先験的）な 情報値を決定する決定ステップと、 認識パターンに関連する第１の要素のデジタル情報値を決定する決定ステップ と、 二つまたはそれ以上の第１の要素をグループに分けるグループ化ステップと、 前記第１の要素を二つ以上ペアリングさせて第２の要素とし、それによってそ れぞれの第２の要素に対するデジタル情報値の数が少なくとも２倍となるように するペアリング・ステップと、 トレーニング段階で形成されたトレーニングセットからのパターン情報に基づ いて、前記第２の要素の各々に対して最低二つのデジタル情報値を併合させて、 その情報値の数が削減された、削減された第２の要素にする併合ステップと、を 含むことを特徴とする。これらのアプリオリな情報値はパターン認識のその後の ステップで使用されるトレーニングセットを形成する。第１の要素は例えば、認 識しなければならないイメージのピクセルであり得る。デジタル情報値はそのと きは例えばピクセルのグレー階調値またはカラー値である。パターン情報はデ ジタル情報値が特定のパターンと結び付けられるという確率の統計上の見積もり をベースにして計算される。この統計的評価はトレーニングセットのデータから 計算される。 可能な限りほとんどパターン情報が失われないような方法で、最終ステップに おいて関連する情報値の併合が行われる。アプリオリな既知のパターンをベース にして、決められた情報値と決められたパターンが生じる確率の最も良い評価を 計算できる。情報値とパターンのすべての可能な組み合わせについて確率の計算 された評価をベースにして、併合されるときにパターン情報の最小損失を実現す るパターン及び情報の組み合わせをそれによって決定することができる判断基準 が定式化される。 以下、本発明の好ましい実施の態様を詳細に説明する。実施態様は、下記の図 面を参照して説明される。 図１は、本発明による装置の概略図である。 図２は、認識パターンのイメージの一部を示した図である。 図３は、パターン及びピクセル値の組み合わせが生じる回数のリストを示した 図である。 図４は、ピクセルの併合を概略的に示した図である。 図５は、ペアリング後の情報値の符号化の変換を示した図である。 図６は、ペアリングと併合のステップの関数として、全情報の発展をグラフで 示した図である。 図１は、本発明に係る装置を示した図である。この装置は、特に、 以下において説明される本発明による方法を実行することができるコンピュー タ１と、 デジタル情報値をキーボードを使ってコンピュータ１に入力するための入力端 末２と、 コンピュータ１と入力端末２との間、及びコンピュータ１と出力端末４との間 をそれぞれ接続して、これらの間におけるデータ伝送を可能ならしめる接続ライ ン３と、 本発明による方法の結果を出力するための出力端末４と、 を備えている。しかしながら、一般に、入力は、ビデオカメラ、スキャナ等から のピクセルのようなものであり、ビデオカメラ、スキャナ等の如き外部電子装置 が発信源である。 図２は、値「１」（＝黒）または値「０」（＝白）を採用することができる９ つのピクセルから成るイメージの一例を示している。単純化のために、グレー階 調またはグレー色なしの白黒イメージが出発点として採用される。この図では、 ３つのピクセルがそれぞれＲ、ＳおよびＴで指定される。また、２つのパターン 、すなわち「／」と「＼」、がシステムによって見分けられると想定する。まず 最初に、いわゆるトレーニング（訓練）段階または準備段階において、ピクセル がパターン「／」を表示するとき、及びピクセルがパターン「＼」を表示すると きの、その両方のときに、パターンのすべての値が決定される。トレーニング段 階の結果は、ピクセルのパターンαと値ｉのすべての組み合わせを含むリストが ピクセル毎に完成されたトレーニングセットを形成する。 図３は、三つのピクセルＲ、ＳおよびＴに対するリストを示している。このリ ストをベースにして、認識のためのピクセル値及びパターンの組み合わせがトレ ーニングセットの関連するピクセルに生じる頻度が決定される。 本例では、それぞれのパターンはピクセル値の同じ組み合わせを有する。しか しながら、これは一般に当てはまらない。例えば文字認識では、文字は異なった 方法で表現できるために、決定された文字は様々な変形を持つ。それ故に同じパ ターン（「文字」）を生じさせるピクセル値の異なった組み合わせが可能である 。文宇は複数の表現を持つことができるけれども、大きな度合いの相互類似性が しかしながら存在する。 図３に示されたリストから、特定のパターンとピクセル値の組み合わせが生じ る頻度が決定される。このような組み合わせが生じる回数は「ｎ^R _{i α}」で記され る。ここで、Ｒは関連するピクセル、ｉはデジタルのピクセル値、αは問題のパ ターンを表す。表１はピクセルＲ、ＳおよびＴに関して、ｎ_{i α}の対応する値を 示す。 表１：パターンとピクセル値の組み合わせが生じる回数 すべてのピクセルおよびすべての可能なピクセル値に対して、特定のパターン にこれらが生じる確率Ｐが計算される。この確率は、いわゆるラプラス・サンプ ルサイズ・コレクタ（Laplace Samplesize Corrector）を使って計算される。 上記表現の仕方を使用すると、３つのピクセルＲ、ＳおよびＴに対して、ピク セル値及びパターン毎の確率が表２で示される。他のピクセルの確率は類似の方 法で計算できる。 表２：ピクセルＲ、ＳおよびＴに対するピクセル値及びパターン毎の確率 続いて、ピクセルは、２つのピクセルのグループにグループ化（grouping）さ れる。隣接したピクセルの間の相関は一般に互いに遠くに引き離されたピクセル の間の相関よりも大きいので、隣接するピクセルがグループ化されるのが好まし い。グループ化された１対のピクセルは、その後に、一つの新しいピクセルとし て組み合わされる。従って、ピクセルの合計数は半減する。可能なピクセル値の 数量は、しかしながら、２倍になる。情報はこれによって失われない。ピクセル のグループ化はこの他多くの異なった方法で挙行できる。例えば、最初は水平線 上に配置されたピクセルの間でグループ化され、続いて垂直線上に配置されたピ クセルの間でグループ化される。本例では、水平線上に配置されたピクセルＲと Ｓとが対（ペアリング）にされる。 図４は、ピクセルをペアリングする過程を示している。この図では、番号付け された平行四辺形はピクセルを表す。一つの層から他の層への各ステップにおい て、この場合には４回のペアリングによって単一のピクセルが残るまで、ピクセ ル数が半減する。 新しい符号化（coding）がピクセルの可能な組み合わせに使用できる。図５は ピクセルＲとＳの異なった組み合わせに対して新しい符号化を与える。２つのピ クセルＲとＳを併合した結果、この場合にはピクセル値０，１，２または３の単 一ピクセルが得られる。ピクセルＲがピクセル値ｉを持ち、ピクセルＳがピクセ ル値ｊを持ち、かつパターンがαに等しい確率Ｐ_{ij α}は逐次代入で決定、または 次式で近似できる。 これにより、そして図３からの情報を使って、新しいピクセル値とパターンの それぞれの組み合わせに対する確率が決定できる。表３は、その結果を示してい る。 表３：ピクセルＶのピクセル値及びパターン毎の確率 ピクセル数が毎回半減する一方で、ピクセル値の数が２倍になる上記過程は繰 り返しができる。 可能なピクセル値の数は、ピクセル対の組み合わせの数と共に増大するため、 この数を減らすことが必要である。これは、「枝打ち（pruning）」とも呼ばれ る、ピクセル値を一つの新たなピクセル値に併合することによって達成され得る 。その結果、初期のピクセル値はもはや区別できず、ピクセル値に含まれる情報 が失われることは不可避である。しかし、ピクセル値の数は減少された。ピクセ ル値の併合による情報の損失を最小にするために、どのピクセル値が併合される のが好ましいかを決定するための一つの基準が設けられた。 本発明のこの好ましい実施態様の目的はパターン認識であるので、ピクセル値 の併合によるパターンに関する情報損失は最小でなければならない。パターン情 報は次式のように記述できる。 それ故に情報値ｉとｉ’を併合することによるパターン情報の損失は、結局、 以下の式になる。 この情報損失は、特定のピクセルに対する情報値ｉおよびｉ’のすべての組み 合わせに対して決定される。表４では、上記例に関して、ピクセルＶのピクセル 値のすべての組み合わせに対して決定された情報損失が示されている。 表４：ピクセル値のすべての可能な組み合わせに対する情報損失 情報の最小損失を持つ情報値の組み合わせのピクセル値は併合のために選択さ れる。この場合、０と１の組み合わせ、または２と３の組み合わせは情報の最小 損失をもたらす。０と１の組み合わせが選択されると、その結果、各０は１に、 または各１は０になる。２と３の組み合わせが選択されると、その結果、各２は ３に、または各３は２になる。 ピクセル値ｉおよびｉ’を併合することによって併合されたピクセルの確率は 、Ｐ_{i+i', α}＝Ｐ_{i α}＋Ｐ_{i' α}になる。 イメージ認識の間に最後の段階における併合に関する情報を使用できるように なるために、どのピクセル値が併合されたかを、コードリストまたはコードブッ クに記録することが必要である。ピクセル値を併合する方法は、一般に、すべて のピクセルに対して個別に実行されなければならない。従って、上記の計算はそ れぞれのピクセルに対して実行されなくてはならない。ただし、そこでの結果は 、コードブックにピクセル毎に記憶される。 もしピクセル値の数が併合の後もまだ大きすぎるなら、この方法は、ピクセル 値の数が十分に減らされるまで、繰り返し可能である。その結果、ピクセルをペ アリングして、ピクセル値を可能な限り併合する過程は、やり直しができる。 ピクセルをペアリングして、ピクセル値を併合する方法は、すべてのピクセル が対にされ、ピクセル値の数が受容可能な水準まで減少するまで、必要なだけ繰 り返しできる。 図６は、イメージの全パターン情報がピクセルをペアリングし（Ｃで指摘）、 ピクセル値を併合または枝打ちする（Ｓで指摘）ステップに対してプロットされ たグラフを示している。ピクセルをペアリングする各ステップにおいて、パター ン情報は、認識イメージのピクセルの間の強い相関のために増大する。ピクセル 値を併合または枝打ちする各ステップにおいて、（僅かな量の）パターン情報が 失われる。イメージ全体が処理されるほど頻繁にペアリングと併合が実行された 後、認識はほとんど完璧なので、パターン情報の値はゼロに近い値に収束する。 パターン情報の最終値（すなわちゼロ値との差）は認識誤差である。この値は、 ピクセル値の併合と、トレーニングセットの制限された統計的特徴の結果である 固有の曖昧さが原因となったすべての情報損失の累積作用である。 上記好ましい実施態様におけるピクセルのペアリングとピクセル値の併合は、 ニューラルネットワークに適した入力が結果として生じるまで、必要なだけ繰り 返すことができる。パターン認識は、その後、ニューラルネットワークに引き継 がれる。ニューラルネットワークが直に（それ故に上記方法に依ることなく）ピ クセルに適用できない理由は、現在のコンピュータ技術では、ニューラルネット ワークのノード数があまりにも大きくなるので迅速な方法でパターンを認識でき なくなるためである。 イメージのパターンは、ピクセルをペアリングして、ピクセル値を併合するこ とによっても直に認識できる。本発明による方法及び装置の上記好ましい実施態 様においては、隣接的かつ近接的に配置された要素の間で各層の相関だけが調べ られたが、遠く離れた要素との相関はその後、「もっと深い」層で生じる。本発 明によるデータ減少によって階層構造が形成され、そこでは、環境（状況）に応 じて要素が組み合わされ、あるいは状況に応じた相関を使用したパターン認識が もたらされる。

【手続補正書】特許法第１８４条の８第１項 【提出日】平成１１年６月１８日（１９９９．６．１８） 【補正内容】 請求の範囲（補正） １． パターン認識の目的のために、データセットにおけるデジタル情報量を 減少させるための方法であって、 認識用のパターンに関連する第１の要素のデジタル情報値を決定する決定ステ ップと、 前記第１の要素を二つ以上ペアリングさせて第２の要素とし、それによってそ れぞれの第２の要素に対するデジタル情報値の数を少なくとも２倍とするペアリ ング・ステップと、 最低二つのデジタル情報値を併合させて、その情報値の数が削減された、削減 された第２の要素とする併合ステップと、 をそれぞれ有し、 前記併合ステップにおける情報値の併合は、トレーニング段階の間に与えられ る一つ以上の既知のアプリオリなパターンのトレーニング可能なセットから決定 されるデジタルのアプリオリな情報値に基づくことを特徴とするパターン認識方 法。 ２． 前記ペアリング・ステップと前記併合ステップは繰り返されることを特 徴とする請求項１に記載のパターン認識方法。 ３． 少なくとも一つのアプリオリな既知のパターンの情報値から、認識パタ ーンの情報値がアプリオリな既知のパターンに属する確率が決定されることを特 徴とする請求項１または２に記載のパターン認識方法。 ４． 前記確率は、ｎ_{i α}を情報値ｉ及び既知のパターンαのペアリングの回 数、Ｐ_{i α}を情報値ｉ及び既知のパターンαのペアリングが発生する確率、Ｐ_α を確率Ｐ_{i α}のすべての情報値についての総和とすると、 で与えられることを特徴とする請求項３に記載のパターン認識方法。 ５． Ｐ_{i α}を情報値ｉ及び既知のパターンαのペアリングが発生する確率、 Ｐ_iをある一つの情報値が生じる確率とすると、パターン情報値は、 によって計算されることを特徴とする請求項４に記載のパターン認識方法。 ６． 情報値の併合の前後のパターン情報値の差異は情報値のすべてのペアリ ングに対して決定されることを特徴とする請求項５に記載のパターン認識方法。 ７． 請求項１に記載された前記併合ステップにおいて、パターン情報値の最 小損失を与えるデジタル情報値が併合されることを特徴とする請求項１乃至６の 何れか１項に記載のパターン認識方法。 ８． 第１の要素のペアリングは隣接する第１の要素に対して行われることを 特徴とする請求項１に記載のパターン認識方法。 ９． 前記第１の要素は、一緒にイメージを形成するピクセルによって形成さ れることを特徴とする請求項１に記載のパターン認識方法。 １０． 前記情報値は、前記ピクセルが採用することができるデジタル値によ って形成されることを特徴とする請求項１に記載のパターン認識方法。 １１． 前記第１の要素はスペクトラムを形成することを特徴とする請求項１ に記載のパターン認識方法。 １２． デジタル情報値の併合の後に、残存するデジタル情報値が整理し直さ れることを特徴とする請求項１に記載のパターン認識方法。 １３． 前記第２の要素のデジタル情報値がニューラルネットワークの入力値 として使用されることを特徴とする請求項１乃至１２の何れか１項に記載のパタ ーン認識方法。 １４． パターン認識の目的のために、データセットにおけるデジタル情報量 を減少させるための装置であって、 デジタル情報を記憶するための電子メモリ手段と、 前記電子メモリ手段にデジタル情報値を入力するための入力手段と、 前記第１の要素を二つ以上ペアリングさせて第２の要素とし、それによってそ れぞれの第２の要素に対するデジタル情報値の数を少なくとも２倍とするペアリ ング手段、および、最低二つのデジタル情報値を併合して、その情報値の数が削 減された、削減された第２の要素とする併合手段をそれぞれ含む計算手段と、 前記計算手段と前記メモリ手段とを接続する接続手段、および、前記計算手段 と前記入力手段とを接続する接続手段と、 をそれぞれ備えるパターン認識装置において、 トレーニング段階の間に当該装置に与えられる一つ以上の既知のアプリオリな パターンのトレーニング可能なセットからデジタルのアプリオリな情報値を決定 するための決定手段が備えられ、かつ、前記併合手段は前記デジタルのアプリオ リな情報値に基づいて情報値を併合することを特徴とするパターン認識装置。 １５． 前記決定手段、前記グループ化手段、前記ペアリング手段、および前 記併合手段は、前記計算手段のソフトウェア制御によって施行されることを特徴 とする請求項１４に記載のパターン認識装置。 １６． 前記１乃至１２の何れか１項に記載のパターン認識方法を施行する手 段も備えたことを特徴とする請求項１４または１５に記載のパターン認識装置。

───────────────────────────────────────────────────── フロントページの続き (81)指定国 ＥＰ(ＡＴ，ＢＥ，ＣＨ，ＣＹ， ＤＥ，ＤＫ，ＥＳ，ＦＩ，ＦＲ，ＧＢ，ＧＲ，ＩＥ，Ｉ Ｔ，ＬＵ，ＭＣ，ＮＬ，ＰＴ，ＳＥ)，ＯＡ(ＢＦ，ＢＪ ，ＣＦ，ＣＧ，ＣＩ，ＣＭ，ＧＡ，ＧＮ，ＭＬ，ＭＲ， ＮＥ，ＳＮ，ＴＤ，ＴＧ)，ＡＰ(ＧＨ，ＧＭ，ＫＥ，Ｌ Ｓ，ＭＷ，ＳＤ，ＳＺ，ＵＧ，ＺＷ)，ＥＡ(ＡＭ，ＡＺ ，ＢＹ，ＫＧ，ＫＺ，ＭＤ，ＲＵ，ＴＪ，ＴＭ)，ＡＬ ，ＡＭ，ＡＴ，ＡＵ，ＡＺ，ＢＡ，ＢＢ，ＢＧ，ＢＲ， ＢＹ，ＣＡ，ＣＨ，ＣＮ，ＣＵ，ＣＺ，ＤＥ，ＤＫ，Ｅ Ｅ，ＥＳ，ＦＩ，ＧＢ，ＧＥ，ＧＨ，ＧＭ，ＧＷ，ＨＵ ，ＩＤ，ＩＬ，ＩＳ，ＪＰ，ＫＥ，ＫＧ，ＫＰ，ＫＲ， ＫＺ，ＬＣ，ＬＫ，ＬＲ，ＬＳ，ＬＴ，ＬＵ，ＬＶ，Ｍ Ｄ，ＭＧ，ＭＫ，ＭＮ，ＭＷ，ＭＸ，ＮＯ，ＮＺ，ＰＬ ，ＰＴ，ＲＯ，ＲＵ，ＳＤ，ＳＥ，ＳＧ，ＳＩ，ＳＫ， ＳＬ，ＴＪ，ＴＭ，ＴＲ，ＴＴ，ＵＡ，ＵＧ，ＵＳ，Ｕ Ｚ，ＶＮ，ＹＵ，ＺＷ

Claims (1)

1. 【特許請求の範囲】 １． パターン認識の目的のために、データセットにおけるデジタル情報量を 減少させるための方法であって、 少なくとも一つの既知パターンに関連するデジタルのアプリオリな情報値を決 定する決定ステップと、 認識パターンに関連する第１の要素のデジタル情報値を決定する決定ステップ と、 前記第１の要素を二つ以上ペアリングさせて第２の要素とし、それによってそ れぞれの第２の要素に対するデジタル情報値の数が少なくとも２倍となる、ペア リング・ステップと、 前記デジタルのアプリオリな情報値に基づいて、前記第２の要素の各々に対し て最低二つのデジタル情報値を併合させて、その情報値の数が削減された、削減 された第２の要素とする併合ステップと、 を含むことを特徴とするパターン認識方法。 ２． 前記ペアリング・ステップと前記併合ステップは繰り返されることを特 徴とする請求項１に記載のパターン認識方法。 ３． 少なくとも一つのアプリオリな既知のパターンの情報値から、認識パタ ーンの情報値がアプリオリな既知のパターンに属する確率が決定されることを特 徴とする請求項１または２に記載のパターン認識方法。 ４． 前記確率は、ｎ_{i α}を情報値ｉ及び既知のパターンαのペアリングの回 数、Ｐ_{i α}を情報値ｉ及び既知のパターンαのペアリングが発生する確率、Ｐ_α を確率Ｐ_{i α}のすべての情報値についての総和とすると、 で与えられることを特徴とする請求項３に記載のパターン認識方法。 ５． Ｐ_{i α}を情報値ｉ及び既知のパターンαのペアリングが発生する確率、 Ｐ_iをある一つの情報値が生じる確率とすると、パターン情報値は、によって計算されることを特徴とする請求項４に記載のパターン認識方法。 ６． 情報値の併合の前後のパターン情報値の差異は情報値のすべてのペアリ ングに対して決定されることを特徴とする請求項５に記載のパターン認識方法。 ７． 請求項１に記載された前記併合ステップにおいて、パターン情報値の最 小損失を与えるデジタル情報値が併合されることを特檄とする請求項１乃至６の いずれかに記載のパターン認識方法。 ８． 第１の要素のペアリングは隣接する第１の要素に対して行われることを 特徴とする請求項１に記載のパターン認識方法。 ９． 前記第１の要素は、一緒にイメージを形成するピクセルによって形成さ れることを特徴とする請求項１に記載のパターン認識方法。 １０． 前記情報値は、前記ピクセルが採用することができるデジタル値によ って形成されることを特徴とする請求項１に記載のパターン認識方法。 １１． 前記第１の要素はスペクトラムを形成することを特徴とする請求項１ に記載のパターン認識方法。 １２． デジタル情報値の併合の後に、残存するデジタル情報値が整理し直さ れることを特徴とする請求項１に記載のパターン認識方法。 １３． 前記第２の要素のデジタル情報値がニューラルネットワークの入力値 として使用されることを特徴とする請求項１乃至１２の何れか１項に記載のパタ ーン認識方法。 １４． パターン認識の目的のために、データセットにおけるデジタル情報量 を減少させるための装置であって、 デジタル情報を記憶するための電子メモリ手段と、 前記電子メモリ手段にデジタル情報値を入力するための入力手段と、 少なくとも一つの既知パターンに関連するデジタルのアプリオリな情報値を決 定し、かつ認識パターンに関連する第１の要素のデジタル情報値を決定する決定 手段と、前記第１の要素を二つ以上グループ化させるグループ化手段と、グルー プ化された前記第１の要素をペアリングさせて第２の要素とし、それによってそ れぞれの第２の要素に対するデジタル情報値の数を少なくとも２倍とするペアリ ング手段と、既知パターンに関連する前記デジタルのアプリオリな情報値に基づ いて、前記第２の要素のそれぞれに対して最低二つのデジタル情報値を併合させ る併合手段とを含む計算手段と、 前記計算手段と前記電子メモリ手段と前記入力手段とを接続する接続手段と、 を備えたことを特徴とするパターン認識装置。 １５． 前記決定手段、前記グループ化手段、前記ペアリング手段、そして前 記併合手段は、前記計算手段のソフトウェア制御によって実現されることを特徴 とする請求項１４に記載のパターン認識装置。 １６． 前記１乃至１２の何れか１項に記載された方法を実行する手段も備え たことを特徴とする請求項１４または１５に記載のパターン認識装置。