JP2017138866A - 情報処理装置、データ比較方法、およびデータ比較プログラム - Google Patents
情報処理装置、データ比較方法、およびデータ比較プログラム Download PDFInfo
- Publication number
- JP2017138866A JP2017138866A JP2016020424A JP2016020424A JP2017138866A JP 2017138866 A JP2017138866 A JP 2017138866A JP 2016020424 A JP2016020424 A JP 2016020424A JP 2016020424 A JP2016020424 A JP 2016020424A JP 2017138866 A JP2017138866 A JP 2017138866A
- Authority
- JP
- Japan
- Prior art keywords
- hyperplane
- binary value
- feature vector
- vector
- feature
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 230000010365 information processing Effects 0.000 title claims abstract description 16
- 238000000034 method Methods 0.000 title claims description 46
- 239000013598 vector Substances 0.000 claims abstract description 314
- 238000003860 storage Methods 0.000 claims abstract description 55
- 238000012545 processing Methods 0.000 claims abstract description 37
- 238000004364 calculation method Methods 0.000 claims description 35
- 210000003462 vein Anatomy 0.000 description 177
- 238000006243 chemical reaction Methods 0.000 description 47
- 238000000605 extraction Methods 0.000 description 22
- 230000015654 memory Effects 0.000 description 19
- 238000010586 diagram Methods 0.000 description 18
- 230000006870 function Effects 0.000 description 11
- 238000012795 verification Methods 0.000 description 7
- 238000004891 communication Methods 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 6
- 238000009826 distribution Methods 0.000 description 4
- 230000002093 peripheral effect Effects 0.000 description 3
- 238000009827 uniform distribution Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000001174 ascending effect Effects 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000007667 floating Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 210000001525 retina Anatomy 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/903—Querying
- G06F16/90335—Query processing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2457—Query processing with adaptation to user needs
- G06F16/24578—Query processing with adaptation to user needs using ranking
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2411—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/245—Classification techniques relating to the decision surface
- G06F18/2451—Classification techniques relating to the decision surface linear, e.g. hyperplane
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
- G06V10/751—Comparing pixel values or logical combinations thereof, or feature values having positional relevance, e.g. template matching
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/761—Proximity, similarity or dissimilarity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/14—Vascular patterns
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Databases & Information Systems (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Multimedia (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computing Systems (AREA)
- Software Systems (AREA)
- Medical Informatics (AREA)
- Computational Linguistics (AREA)
- Human Computer Interaction (AREA)
- Vascular Medicine (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
Description
記憶部は、所定の次元数の空間の設けられた第1超平面、第1超平面の法線ベクトルの方向に、第1超平面に対して所定の間隔を開けて平行に設けられた第2超平面、および第1超平面の法線ベクトルの逆方向に、第1超平面に対して所定の間隔を開けて平行に設けられた第3超平面を示す超平面情報を記憶する。
〔第1の実施の形態〕
まず、第1の実施の形態について説明する。第1の実施の形態は、検索対象のレコードに対し2種類のバイナリ列を保持し、クエリとして入力されたデータに対して別の種類のバイナリ列を生成し、それらバイナリ列間の演算によって、マージンを持たせた超平面を用いた類似判断を可能とするものである。
記憶部11は、所定の次元数の空間の設けられた第1超平面HC、第2超平面HR、および第3超平面HLを示す超平面情報11aを記憶する。第1超平面HCには、法線ベクトル8が設定されている。第2超平面HRは、第1超平面HCの法線ベクトル8の方向に、第1超平面HCに対して所定の間隔を開けて平行に設けられている。第3超平面HLは、第1超平面HCの法線ベクトル8の逆方向に、第1超平面HCに対して所定の間隔を開けて平行に設けられている。
次に第2の実施の形態について説明する。第2の実施の形態は、手のひら静脈を用いてオフィスへの入室時の本人確認を行うシステムにおいて、真に特定したい照合データの取りこぼしを防止し、かつ本人確認を高速に行えるようにするものである。
<特徴ベクトルのバイナリ変換>
まず、超平面を用いた、特徴ベクトルのバイナリ列への変換について説明する。静脈データの特徴を示す特徴ベクトルは、例えば浮動小数点数の固定長列として表される。列の長さ(数値の個数)が次元数である。
明確にするために、ベクトルxから生成したバイナリ列「ベクトルb(ベクトルx)」のi番目のビットを、「ベクトルb(ベクトルx)i」と書くと、バイナリ列は以下の式で表される。
バイナリ列間の非類似度は、例えばハミング距離で求めることができる。2つのバイナリ列(ベクトルc1とベクトルc2)の間のハミング距離は、バイナリ列内のビット同士の排他的論理和(xor)と、バイナリ列中の1の数を数えるポピュレーションカウントとで計算される。ポピュレーションカウントを「popc()」としたとき、ベクトルc1とベクトルc2とのハミング距離「Hamm()」は、以下の式で表される。
第2の実施の形態では、空間を分割する超平面(境界超平面)に平行な2つの超平面(平行超平面)が設けられる。ここで、三枚の平行な超平面HL,HC,HRを考える。これらの方程式はそれぞれ以下のようになる。
図6は、超平面で分割された領域と各領域に属するベクトルのバイナリ値とを示す図である。図6には、3つの超平面HL,HC,HRを境界とする領域ごとに点a1,a2,a3,a4が与えられている。図6において、超平面HL,HC,HRは、右側が表(法線ベクトル方法)であり、左側が裏である。点a1,a2,a3,a4は、予めサーバ100内のデータベースに、検索対象のレコードとして登録しておく、社員の静脈データの特徴ベクトルで指し示される点である。検索対象のレコードとして登録しておく特徴ベクトルには、対応する点の位置と超平面HL、HRとの位置関係に基づいてバイナリ値が付与される。すなわち超平面HL、HRの表側にある点にはバイナリ値「1」が付与され、裏側にある点にはバイナリ値「0」が付与される。
ここで、クエリに応じた特徴ベクトルxと、データベースに保持されている特徴ベクトルyとの非類似度を、以下のように定義する。
図7は、非類似度の計算例を示す図である。図7には、クエリに応じた特徴ベクトルxが指し示す位置と、データベースに保持されている特徴ベクトルyが指し示す位置との組み合わせに応じた、非類似度の計算結果が示されている。図7の例では、特徴ベクトルxが点q1の位置を示している場合、特徴ベクトルyが点a4の位置を示していれば、非類似度は「1」となり、特徴ベクトルyが点a1〜a3の位置を示していれば、非類似度は「0」である。特徴ベクトルxが点q2を指している場合、特徴ベクトルyが点a1の位置を示していれば、非類似度は「1」となり、特徴ベクトルyが点a2〜a4の位置を示していれば、非類似度は「0」である。
上記のような特徴ベクトルを変換して得られるバイナリ列の各値は、超平面の位置に依存する。特徴ベクトルを適切に分類するためには、超平面を、特徴ベクトルが多数存在している領域を分割するように設定するのが適切である。そこで、第2の実施の形態では、複数の社員の静脈データに応じた特徴ベクトルが登録されている場合、登録済みの特徴ベクトルに応じて超平面の位置を決定する。
超平面HCは特徴ベクトルが分布している領域を分割する。この際、分割した双方の領域にほぼ同数の特徴ベクトルが配置されるように超平面を配置するのが適切である。しかし、データベースに社員の静脈データに応じた特徴ベクトルが格納されていない場合、どこに特徴ベクトルが分布するか分からずない。そのため、超平面HCを配置すべき場所が分からない。そこで、データベースに社員の静脈データに応じた特徴ベクトルが未格納の場合、例えばサーバ100は、法線ベクトルとオフセットをランダムに生成する。
d(i)=−平均ベクトルμ・法線ベクトルn(i)
超平面HCの法線ベクトルを多変量標準正規分布から標本抽出した後、オフセットを前記の式で定めれば、適切な超平面の配置が得られる。オフセットdを更新することで、図11に示すように、超平面HCの表側の特徴ベクトル数と超平面HCの裏側の特徴ベクトル数とが均等になる位置に、超平面HCが配置される。
以上のような特徴ベクトル間の非類似度判定を用いることで、手のひら静脈を用いた信頼性の高い個人認証を、効率的に実施することができる。
図13は、境界超平面記憶部のデータ構造の一例を示す図である。例えば境界超平面記憶部110は、境界超平面を規定するデータを含む境界超平面データファイル111を有している。境界超平面データファイル111には、境界超平面を規定するレコードが、例えばCSV(Comma-Separated Values)形式で設定される。図13の例では、境界超平面ごとに、超平面番号、法線ベクトル、およびオフセットを有するレコードが登録されている。
[ステップS103]超平面生成部141は、特徴ベクトルが手のひら静脈DB130に格納されているか否かを判断する。特徴ベクトルが格納されていれば、処理がステップS105に進められる。特徴ベクトルが格納されていなければ、処理がステップS104に進められる。
[ステップS106]超平面生成部141は、法線ベクトルn(i)と平均ベクトルμの内積の値にマイナスを掛けた値を、オフセットd(i)とする。つまり「d(i)=−ベクトルμ・ベクトルn(i)」が計算される。
[ステップS111]超平面生成部141は、生成した超平面を格納する。例えば超平面生成部141は、B個の超平面HCそれぞれを示すレコードを含む境界超平面データファイル111を生成する。超平面HCを示すレコードには、超平面番号、法線ベクトルn(i)、およびオフセットd(i)が含まれている。超平面生成部141は、生成した境界超平面データファイル111を、境界超平面記憶部110に格納する。
図18は、データ登録処理の手順の一例を示すフローチャートである。以下、図18に示す処理をステップ番号に沿って説明する。
図20は、検索・照合処理の手順の一例を示すフローチャートである。以下、図20に示す処理をステップ番号に沿って説明する。
[ステップS305]類似検索部153は、手のひら静脈DB130内のi番目のレコード内のバイナリ列Lとバイナリ列Rとを取得する。
[ステップS309]類似検索部153は、非類似度MSimBの小さい順に、手のひら静脈DB130内のレコードを並べ替える。
2 第1特徴ベクトル
3 第1バイナリ値
4 第2バイナリ値
5 第2比較対象データ
6 第2特徴ベクトル
7 第3バイナリ値
8 法線ベクトル
10 情報処理装置
11 記憶部
11a 超平面情報
12 演算部
HC 第1超平面
HR 第2超平面
HL 第3超平面
Claims (5)
- 所定の次元数の空間の設けられた第1超平面、前記第1超平面の法線ベクトルの方向に、前記第1超平面に対して所定の間隔を開けて平行に設けられた第2超平面、および前記第1超平面の法線ベクトルの逆方向に、前記第1超平面に対して所定の間隔を開けて平行に設けられた第3超平面を示す超平面情報を記憶する記憶部と、
第1比較対象データの特徴を前記空間内の位置で示す第1特徴ベクトルを取得し、前記第1特徴ベクトルで示される位置が前記第2超平面に対して前記法線ベクトルの方向にあるか否かにより第1バイナリ値を生成し、前記第1特徴ベクトルで示される位置が前記第3超平面に対して前記法線ベクトルの方向にあるか否かにより第2バイナリ値を生成し、第2比較対象データの特徴を前記空間内の位置で示す第2特徴ベクトルを取得し、前記第2特徴ベクトルで示される位置が前記第1超平面に対して前記法線ベクトルの方向にあるか否かにより第3バイナリ値を生成し、前記第1バイナリ値と前記第3バイナリ値との排他的論理和と、前記第2バイナリ値と前記第3バイナリ値との排他的論理和との乗算結果に基づいて、前記第1比較対象データと前記第2比較対象データとの類似度を判断する演算部と、
を有する情報処理装置。 - 前記記憶部は、前記第1超平面、前記第2超平面、および前記第3超平面を含む複数の超平面セットを記憶しており、
前記演算部は、前記複数の超平面セットそれぞれに対して、前記第1バイナリ値、前記第2バイナリ値、前記第3バイナリ値の生成、および前記第1バイナリ値と前記第3バイナリ値との排他的論理和と、前記第2バイナリ値と前記第3バイナリ値との排他的論理和との乗算を行い、前記複数の超平面セットそれぞれの乗算結果の合計に基づいて、前記第1比較対象データと前記第2比較対象データとの類似度を判断する、
請求項1記載の情報処理装置。 - 前記記憶部は、さらに、前記第1特徴ベクトルを複数記憶しており、
前記演算部は、さらに、前記第1特徴ベクトルの平均ベクトルで示される位置を通る前記第1超平面を生成し、生成した前記第1超平面に応じた前記第2超平面および前記第3超平面を生成し、前記第1超平面、前記第2超平面および第3超平面を示す前記超平面情報を前記記憶部に格納する、
ことを特徴とする請求項1または2に記載の情報処理装置。 - コンピュータが、
所定の次元数の空間の設けられた第1超平面、前記第1超平面の法線ベクトルの方向に、前記第1超平面に対して所定の間隔を開けて平行に設けられた第2超平面、および前記第1超平面の法線ベクトルの逆方向に、前記第1超平面に対して所定の間隔を開けて平行に設けられた第3超平面を示す超平面情報を記憶部に格納し、
第1比較対象データの特徴を前記空間内の位置で示す第1特徴ベクトルを取得し、
前記第1特徴ベクトルで示される位置が前記第2超平面に対して前記法線ベクトルの方向にあるか否かにより第1バイナリ値を生成し、
前記第1特徴ベクトルで示される位置が前記第3超平面に対して前記法線ベクトルの方向にあるか否かにより第2バイナリ値を生成し、第2比較対象データの特徴を前記空間内の位置で示す第2特徴ベクトルを取得し、
前記第2特徴ベクトルで示される位置が前記第1超平面に対して前記法線ベクトルの方向にあるか否かにより第3バイナリ値を生成し、前記第1バイナリ値と前記第3バイナリ値との排他的論理和と、前記第2バイナリ値と前記第3バイナリ値との排他的論理和との乗算結果に基づいて、前記第1比較対象データと前記第2比較対象データとの類似度を判断する、
データ比較方法。 - コンピュータに、
所定の次元数の空間の設けられた第1超平面、前記第1超平面の法線ベクトルの方向に、前記第1超平面に対して所定の間隔を開けて平行に設けられた第2超平面、および前記第1超平面の法線ベクトルの逆方向に、前記第1超平面に対して所定の間隔を開けて平行に設けられた第3超平面を示す超平面情報を記憶部に格納し、
第1比較対象データの特徴を前記空間内の位置で示す第1特徴ベクトルを取得し、
前記第1特徴ベクトルで示される位置が前記第2超平面に対して前記法線ベクトルの方向にあるか否かにより第1バイナリ値を生成し、
前記第1特徴ベクトルで示される位置が前記第3超平面に対して前記法線ベクトルの方向にあるか否かにより第2バイナリ値を生成し、第2比較対象データの特徴を前記空間内の位置で示す第2特徴ベクトルを取得し、
前記第2特徴ベクトルで示される位置が前記第1超平面に対して前記法線ベクトルの方向にあるか否かにより第3バイナリ値を生成し、前記第1バイナリ値と前記第3バイナリ値との排他的論理和と、前記第2バイナリ値と前記第3バイナリ値との排他的論理和との乗算結果に基づいて、前記第1比較対象データと前記第2比較対象データとの類似度を判断する、
処理を実行させるデータ比較プログラム。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2016020424A JP6607061B2 (ja) | 2016-02-05 | 2016-02-05 | 情報処理装置、データ比較方法、およびデータ比較プログラム |
US15/381,576 US10783152B2 (en) | 2016-02-05 | 2016-12-16 | Information processing apparatus and data comparison method |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2016020424A JP6607061B2 (ja) | 2016-02-05 | 2016-02-05 | 情報処理装置、データ比較方法、およびデータ比較プログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2017138866A true JP2017138866A (ja) | 2017-08-10 |
JP6607061B2 JP6607061B2 (ja) | 2019-11-20 |
Family
ID=59496437
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2016020424A Active JP6607061B2 (ja) | 2016-02-05 | 2016-02-05 | 情報処理装置、データ比較方法、およびデータ比較プログラム |
Country Status (2)
Country | Link |
---|---|
US (1) | US10783152B2 (ja) |
JP (1) | JP6607061B2 (ja) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20190207946A1 (en) * | 2016-12-20 | 2019-07-04 | Google Inc. | Conditional provision of access by interactive assistant modules |
US10127227B1 (en) | 2017-05-15 | 2018-11-13 | Google Llc | Providing access to user-controlled resources by automated assistants |
US11436417B2 (en) | 2017-05-15 | 2022-09-06 | Google Llc | Providing access to user-controlled resources by automated assistants |
US10452958B2 (en) | 2017-10-06 | 2019-10-22 | Mitsubishi Electric Research Laboratories, Inc. | System and method for image comparison based on hyperplanes similarity |
US11023473B2 (en) * | 2018-02-09 | 2021-06-01 | Microsoft Technology Licensing, Llc | Recurrent binary embedding for information retrieval |
US11455418B2 (en) | 2018-08-07 | 2022-09-27 | Google Llc | Assembling and evaluating automated assistant responses for privacy concerns |
EP3882781A4 (en) * | 2018-11-16 | 2021-11-24 | Fujitsu Limited | SIMILARITY CALCULATION DEVICE, SIMILARITY CALCULATION METHOD, AND SIMILARITY CALCULATION PROGRAM |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005316996A (ja) * | 2004-04-12 | 2005-11-10 | Clairvoyance Corp | テキスト分類及びフィルタリングを行うサポートベクタマシンのモデル閾値を調整する方法ならびに装置 |
JP2006330988A (ja) * | 2005-05-25 | 2006-12-07 | Toshiba Corp | データ分割装置、データ分割方法およびプログラム |
JP2013254339A (ja) * | 2012-06-06 | 2013-12-19 | Toyota Motor Corp | 言語関係判別装置、言語関係判別プログラム、言語関係判別方法 |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002278761A (ja) | 2001-03-16 | 2002-09-27 | Hitachi Ltd | 否定項を含む相関ルール抽出方法およびシステム |
WO2007131545A2 (en) | 2005-12-09 | 2007-11-22 | Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. | A method and apparatus for automatic comparison of data sequences |
US8037120B2 (en) * | 2006-12-05 | 2011-10-11 | Analog Devices, Inc. | System and method for an efficient comparison operation of multi-bit vectors in a digital logic circuit |
US20080195322A1 (en) * | 2007-02-12 | 2008-08-14 | The Board Of Regents Of The University Of Texas System | Quantification of the Effects of Perturbations on Biological Samples |
US8589397B2 (en) * | 2007-09-28 | 2013-11-19 | Nec Corporation | Data classification method and data classification device |
JP2009230169A (ja) | 2008-03-19 | 2009-10-08 | Mitsubishi Electric Corp | パラメータ決定支援装置 |
JP2010287135A (ja) | 2009-06-12 | 2010-12-24 | Usho Mo | データ分類装置、データ分類方法およびその方法をコンピュータに実行させるプログラム |
JP2011221689A (ja) | 2010-04-07 | 2011-11-04 | Sony Corp | 学習装置、学習方法、認識装置、認識方法、およびプログラム |
JP2013206187A (ja) | 2012-03-28 | 2013-10-07 | Fujitsu Ltd | 情報変換装置、情報検索装置、情報変換方法、情報検索方法、情報変換プログラム、情報検索プログラム |
JP5862413B2 (ja) | 2012-03-28 | 2016-02-16 | 富士通株式会社 | 情報変換規則生成プログラム、情報変換規則生成装置および情報変換規則生成方法 |
-
2016
- 2016-02-05 JP JP2016020424A patent/JP6607061B2/ja active Active
- 2016-12-16 US US15/381,576 patent/US10783152B2/en active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005316996A (ja) * | 2004-04-12 | 2005-11-10 | Clairvoyance Corp | テキスト分類及びフィルタリングを行うサポートベクタマシンのモデル閾値を調整する方法ならびに装置 |
JP2006330988A (ja) * | 2005-05-25 | 2006-12-07 | Toshiba Corp | データ分割装置、データ分割方法およびプログラム |
JP2013254339A (ja) * | 2012-06-06 | 2013-12-19 | Toyota Motor Corp | 言語関係判別装置、言語関係判別プログラム、言語関係判別方法 |
Also Published As
Publication number | Publication date |
---|---|
US20170228376A1 (en) | 2017-08-10 |
US10783152B2 (en) | 2020-09-22 |
JP6607061B2 (ja) | 2019-11-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6607061B2 (ja) | 情報処理装置、データ比較方法、およびデータ比較プログラム | |
TWI738011B (zh) | 用戶身分確定方法、裝置及電子設備 | |
US20160239520A1 (en) | Biometric matching engine | |
Bologa et al. | Big data and specific analysis methods for insurance fraud detection. | |
CN110851461A (zh) | 非关系型数据库的审计方法、装置和存储介质 | |
Branitskiy et al. | Applying machine learning and parallel data processing for attack detection in IoT | |
CN111008620A (zh) | 目标用户识别方法、装置及存储介质、电子设备 | |
Satish et al. | Big data processing with harnessing hadoop-MapReduce for optimizing analytical workloads | |
Ergezer et al. | Time series classification with feature covariance matrices | |
Lee et al. | Patenting trends in biometric technology of the Big Five patent offices | |
US10121085B2 (en) | Information processing apparatus and method of searching for similar data | |
S More et al. | Random forest classifier approach for imbalanced big data classification for smart city application domains | |
Eren et al. | Semi-supervised classification of malware families under extreme class imbalance via hierarchical non-negative matrix factorization with automatic model selection | |
Valliyammai et al. | Distributed and scalable Sybil identification based on nearest neighbour approximation using big data analysis techniques | |
Yeh et al. | An efficient content-based time series retrieval system | |
JP7492088B2 (ja) | 重み付き知識移転装置、方法、及びシステム | |
Maruthi Padmaja et al. | Class imbalance and its effect on PCA preprocessing | |
Abinaya et al. | Effective Feature Selection For High Dimensional Data using Fast Algorithm | |
Alharbi et al. | Demographic group prediction based on smart device user recognition gestures | |
Parmar et al. | An optimized intelligent malware detection framework for securing digital data | |
Fernández-Saúco et al. | Computing anomaly score threshold with autoencoders pipeline | |
CN111611251A (zh) | 一种数据处理系统 | |
Goldstein | Anomaly detection | |
Leghari et al. | Online signature verification using deep learning based aggregated convolutional feature representation | |
Zhang | A novel data preprocessing solution for large scale digital forensics investigation on big data |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20181011 |
|
TRDD | Decision of grant or rejection written | ||
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20190918 |
|
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20190924 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20191007 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6607061 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |