JP3450522B2 - 情報処理方法及び装置 - Google Patents
情報処理方法及び装置Info
- Publication number
- JP3450522B2 JP3450522B2 JP15466195A JP15466195A JP3450522B2 JP 3450522 B2 JP3450522 B2 JP 3450522B2 JP 15466195 A JP15466195 A JP 15466195A JP 15466195 A JP15466195 A JP 15466195A JP 3450522 B2 JP3450522 B2 JP 3450522B2
- Authority
- JP
- Japan
- Prior art keywords
- reference pattern
- pattern
- output
- information processing
- dimension
- 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.)
- Expired - Fee Related
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Image Analysis (AREA)
Description
【０００１】
【産業上の利用分野】本発明は、パターン認識に用いる
情報処理方法及び装置に関するものである。
情報処理方法及び装置に関するものである。
【０００２】
【従来の技術】従来より、パターン認識の手法として、
参照パターンをあらかじめ用意し、用意されたパターン
のうち入力されたパターンに最も良く適合するものを認
識結果とする方法がある。
参照パターンをあらかじめ用意し、用意されたパターン
のうち入力されたパターンに最も良く適合するものを認
識結果とする方法がある。
【０００３】通常、入力されるパターンは、複数の特徴
量を組み合わせた特徴ベクトルである。
量を組み合わせた特徴ベクトルである。
【０００４】一方、参照パターンは、認識結果を代表す
る特徴ベクトル、あるいは、特徴ベクトルを入力とする
関数として表現される。
る特徴ベクトル、あるいは、特徴ベクトルを入力とする
関数として表現される。
【０００５】前者においては、参照パターンと入力され
たパターンとの適合度は、参照パターンの特徴ベクトル
と入力パターンの特徴ベクトルとの間の距離として表現
される。後者においては、参照パターンと入力されたパ
ターンとの適合度は、参照パターンである関数に入力パ
ターンの特徴ベクトルを入力して得られる値として表現
される。
たパターンとの適合度は、参照パターンの特徴ベクトル
と入力パターンの特徴ベクトルとの間の距離として表現
される。後者においては、参照パターンと入力されたパ
ターンとの適合度は、参照パターンである関数に入力パ
ターンの特徴ベクトルを入力して得られる値として表現
される。
【０００６】また、後者における参照パターン関数とし
て、多次元確率密度関数が用いられることが多い。すな
わち、入力された特徴ベクトルをｘ，ｓ番目の参照パタ
ーンである確率密度関数をｂs （・）とすると、ｓ番目
の参照パターンと入力されたパターンとの適合度は、 ｂs （ｘ） （１） となる。
て、多次元確率密度関数が用いられることが多い。すな
わち、入力された特徴ベクトルをｘ，ｓ番目の参照パタ
ーンである確率密度関数をｂs （・）とすると、ｓ番目
の参照パターンと入力されたパターンとの適合度は、 ｂs （ｘ） （１） となる。
【０００７】前記の確率密度関数としては、ガウス分布
関数などの関数が用いられる。また、複数の確率密度関
数の重み付け和である混合密度関数が用いられることも
ある。混合密度関数を用いた場合、前記適合度は、ｓ番
目の参照パターンの混合数をＭs ，ｍ番目の確率密度関
数をｂs,m （・），ｓ番目の参照パターンのｍ番目の確
率密度関数の重みをｗs,m として
関数などの関数が用いられる。また、複数の確率密度関
数の重み付け和である混合密度関数が用いられることも
ある。混合密度関数を用いた場合、前記適合度は、ｓ番
目の参照パターンの混合数をＭs ，ｍ番目の確率密度関
数をｂs,m （・），ｓ番目の参照パターンのｍ番目の確
率密度関数の重みをｗs,m として
【０００８】
【外１】
となる。
【０００９】さらに、式（２）において、特徴ベクトル
の各次元間の無相関を仮定して、
の各次元間の無相関を仮定して、
【００１０】
【外２】
を参照パターン関数とすることもある。ここで、ｘi は
入力ベクトルｘのｉ次元目の特徴量、ｂs,m,i （・）
は、ｓ番目の参照パターンのｍ番目の確率分布のｉ次元
目に対応する確率密度関数である。Ｎは特徴ベクトル空
間の次元数である。
入力ベクトルｘのｉ次元目の特徴量、ｂs,m,i （・）
は、ｓ番目の参照パターンのｍ番目の確率分布のｉ次元
目に対応する確率密度関数である。Ｎは特徴ベクトル空
間の次元数である。
【００１１】また、実際のパターン認識において、ｂs
（・）は入力ベクトルと参照パターンとの適合度でしか
ないため、ｂs （・）は厳密な意味での確率密度関数で
ある必要はない。特に、ｂs （・）を、入力ベクトルと
参照パターンベクトルとの距離と解釈することもでき
る。さらに、ｂs （・）は距離関数以外の一般の関数で
もよい。従って、以上の説明では、確率密度関数という
用語を用いる代わりに、参照パターン関数、あるいは、
適合度関数と呼ぶことにする。
（・）は入力ベクトルと参照パターンとの適合度でしか
ないため、ｂs （・）は厳密な意味での確率密度関数で
ある必要はない。特に、ｂs （・）を、入力ベクトルと
参照パターンベクトルとの距離と解釈することもでき
る。さらに、ｂs （・）は距離関数以外の一般の関数で
もよい。従って、以上の説明では、確率密度関数という
用語を用いる代わりに、参照パターン関数、あるいは、
適合度関数と呼ぶことにする。
【００１２】また、音声認識などにおいては、ＨＭＭ
（隠れマルコフモデル）がよく用いられる。この場合に
は、参照パターンはＨＭＭの各状態に対応し、前記適合
度は、ＨＭＭの各状態が入力されたパターンを出力する
出力確率となる。
（隠れマルコフモデル）がよく用いられる。この場合に
は、参照パターンはＨＭＭの各状態に対応し、前記適合
度は、ＨＭＭの各状態が入力されたパターンを出力する
出力確率となる。
【００１３】ところで、入力ｘに対して式（３）の計算
を高速に行う方法として、入力ベクトルの各次元の値を
スカラ量子化する方法がある。
を高速に行う方法として、入力ベクトルの各次元の値を
スカラ量子化する方法がある。
【００１４】これは、以下のような処理を行うものであ
る。
る。
【００１５】第１に、パターン認識を行う前に次の処理
を行っておく。 １．各次元ｉに関して、入力値の代表値集合｛ξi,q ｜
ｑ＝１，２，…Ｑi ｝を用意しておく。ここで、Ｑi は
ｉ次元目における代表値の個数である。 ２．すべてのξi,q に対して、ｂs,m,i （ξi,q ）を計
算し、テーブルＴ（ｓ，ｍ，ｉ，ｑ）を作成する。
を行っておく。 １．各次元ｉに関して、入力値の代表値集合｛ξi,q ｜
ｑ＝１，２，…Ｑi ｝を用意しておく。ここで、Ｑi は
ｉ次元目における代表値の個数である。 ２．すべてのξi,q に対して、ｂs,m,i （ξi,q ）を計
算し、テーブルＴ（ｓ，ｍ，ｉ，ｑ）を作成する。
【００１６】第２にパターン認識時に次の処理を行う。
３．入力ｘの各次元の値ｘi のそれぞれについて、入力
値
値
【００１７】
【外３】
が最小となるような数ｑi を求める（スカラ量子化）。
【００１８】
【外４】
についてテーブル参照を行い、
【００１９】
【外５】
を求める。
【００２０】
【外６】
【００２１】以上の処理により、ｂs （ｘ）の計算を簡
易高速化できる。
易高速化できる。
【００２２】また、実際のパターン認識においては、計
算の簡易さなどの点から、ｂs （・）の代りにｌｏｇ
ｂs （・）を用いる場合も多い。この場合、式（３）は
次のように表される。
算の簡易さなどの点から、ｂs （・）の代りにｌｏｇ
ｂs （・）を用いる場合も多い。この場合、式（３）は
次のように表される。
【００２３】
【外７】
ここで、演算ａｄｄｌｏｇは、次のものである。
【００２４】
【外８】
【００２５】この、対数を用いた場合にも上記のスラカ
量子化を用いた高速化を適用できる（式（７））。
量子化を用いた高速化を適用できる（式（７））。
【００２６】
【外９】
Ｔ(s,m,i,q)＝ｌｏｇｂs,m,i（ξi,q） （８）
また、演算ａｄｄｌｏｇに関して、以下のような高速化
方法がある。 ・ａｄｄｌｏｇの代わりに最大値をとる演算ｍａｘを用
いる方法 ・式（９）およびｌｏｇ（１＋ｘ）のテーブルを用いる
方法
方法がある。 ・ａｄｄｌｏｇの代わりに最大値をとる演算ｍａｘを用
いる方法 ・式（９）およびｌｏｇ（１＋ｘ）のテーブルを用いる
方法
【００２７】
【外１０】
【００２８】
【発明が解決しようとしている問題点】しかし、上記従
来例では、次の問題点があった。
来例では、次の問題点があった。
【００２９】入力パターンの適合度を式（４）により求
めるには、１つの参照パターンｓについて、Ｍs ・Ｎ回
のテーブル参照とＭs ・（Ｎ＋１）回の乗算、（Ｍs −
１）回の足し算が必要であり、参照パターンの数が多け
ればそれだけ更に計算量が増加する。すなわち、式
（４）の方法では計算量がＭS にほぼ正比例して増加す
る。
めるには、１つの参照パターンｓについて、Ｍs ・Ｎ回
のテーブル参照とＭs ・（Ｎ＋１）回の乗算、（Ｍs −
１）回の足し算が必要であり、参照パターンの数が多け
ればそれだけ更に計算量が増加する。すなわち、式
（４）の方法では計算量がＭS にほぼ正比例して増加す
る。
【００３０】また、式（７）においても、１つの参照パ
ターンｓについて、Ｍs ・Ｎ回のテーブル参照とＭs ・
（Ｎ＋１）回の足し算、およびａｄｄｌｏｇ演算が必要
である。特に、ａｄｄｌｏｇ演算については、１つの参
照パターンについて、Ｍs 回の指数計算と（Ｍs −１）
回の足し算および１回の対数計算が必要となる。ａｄｄ
ｌｏｇの簡易計算法の場合でも、条件判断・指数計算が
必要となる。
ターンｓについて、Ｍs ・Ｎ回のテーブル参照とＭs ・
（Ｎ＋１）回の足し算、およびａｄｄｌｏｇ演算が必要
である。特に、ａｄｄｌｏｇ演算については、１つの参
照パターンについて、Ｍs 回の指数計算と（Ｍs −１）
回の足し算および１回の対数計算が必要となる。ａｄｄ
ｌｏｇの簡易計算法の場合でも、条件判断・指数計算が
必要となる。
【００３１】式（４）・式（７）のいずれにおいても、
より高速に処理するには、Ｍs が大きくなっても計算量
があまり増加しない手法が望まれる。
より高速に処理するには、Ｍs が大きくなっても計算量
があまり増加しない手法が望まれる。
【００３２】
【課題を解決するための手段】上記従来の課題を解決す
る為に、本発明は入力値の各次元の値の代表値集合であ
る量子化コードブックを設計して記憶し、特徴ベクトル
空間の次元を、混合密度型の参照パターンの関数を構成
する個々の関数が大きく異なる値を出力する次元と混合
密度型の参照パターンの関数を構成する個々の関数がい
ずれも近い値を出力する次元とに分類し、前記分類され
た混合密度が他の参照パターンの関数を構成する個々の
関数が大きく異なる値を出力する次元について、前記量
子化コードブックに記憶されている代表値について出力
値を計算し、単一出力テーブルとして記憶し、前記分類
された混合密度型の参照パターンの関数を構成する個々
の関数が近い値を出力する次元について、前記量子化コ
ードブックに記憶されている代表値について出力値を計
算し、混合出力テーブルとして記憶する情報処理方法及
び装置を提供する。
る為に、本発明は入力値の各次元の値の代表値集合であ
る量子化コードブックを設計して記憶し、特徴ベクトル
空間の次元を、混合密度型の参照パターンの関数を構成
する個々の関数が大きく異なる値を出力する次元と混合
密度型の参照パターンの関数を構成する個々の関数がい
ずれも近い値を出力する次元とに分類し、前記分類され
た混合密度が他の参照パターンの関数を構成する個々の
関数が大きく異なる値を出力する次元について、前記量
子化コードブックに記憶されている代表値について出力
値を計算し、単一出力テーブルとして記憶し、前記分類
された混合密度型の参照パターンの関数を構成する個々
の関数が近い値を出力する次元について、前記量子化コ
ードブックに記憶されている代表値について出力値を計
算し、混合出力テーブルとして記憶する情報処理方法及
び装置を提供する。
【００３３】上記従来の課題を解決するために、本発明
は好ましくは入力された特徴ベクトルの各次元の値を、
前記量子化コードブックを用いて量子化し、前記参照パ
ターンの関数を構成する個々の関数が大きく異なる値を
出力する各次元について、前記単一出力テーブルを参照
して得た値を単一出力データとして累積し、前記参照パ
ターンの関数を構成する個々の関数がいずれも近い値を
出力する各次元について、前記混合出力テーブルを参照
して得た値を混合出力データとして累積し、前記単一出
力データと前記混合出力データとから入力された特徴ベ
クトルと前記参照パターンとの適合度を決定する。
は好ましくは入力された特徴ベクトルの各次元の値を、
前記量子化コードブックを用いて量子化し、前記参照パ
ターンの関数を構成する個々の関数が大きく異なる値を
出力する各次元について、前記単一出力テーブルを参照
して得た値を単一出力データとして累積し、前記参照パ
ターンの関数を構成する個々の関数がいずれも近い値を
出力する各次元について、前記混合出力テーブルを参照
して得た値を混合出力データとして累積し、前記単一出
力データと前記混合出力データとから入力された特徴ベ
クトルと前記参照パターンとの適合度を決定する。
【００３４】上記従来の課題を解決する為に、本発明は
好ましくは前記決定された適合度に応じて、適合度の再
計算を行う参照パターンを判別し、該判別された参照パ
ターンの適合度を再計算する。
好ましくは前記決定された適合度に応じて、適合度の再
計算を行う参照パターンを判別し、該判別された参照パ
ターンの適合度を再計算する。
【００３５】上記従来の課題を解決する為に、本発明は
好ましくは前記適合度の再計算は、より精密な計算によ
り行う。
好ましくは前記適合度の再計算は、より精密な計算によ
り行う。
【００３６】上記従来の課題を解決する為に、本発明は
好ましくは前記適合度の再計算は、全次元にわたり混合
密度型の参照パターンの関数を構成する各関数が大きく
異なる値を出力するものとして行う。
好ましくは前記適合度の再計算は、全次元にわたり混合
密度型の参照パターンの関数を構成する各関数が大きく
異なる値を出力するものとして行う。
【００３７】上記従来の課題を解決する為に、本発明は
好ましくは参照パターンを構成する各関数がいずれも近
い値を出力すると判定される次元については参照パター
ンを構成する各関数の出力値の代表値を用いて、該参照
パターンと学習用データとの適合度を計算し、前記計算
された適合度により該参照パターンが適当と判断される
場合には、該参照パターンを認識用に記憶する。
好ましくは参照パターンを構成する各関数がいずれも近
い値を出力すると判定される次元については参照パター
ンを構成する各関数の出力値の代表値を用いて、該参照
パターンと学習用データとの適合度を計算し、前記計算
された適合度により該参照パターンが適当と判断される
場合には、該参照パターンを認識用に記憶する。
【００３８】上記従来の課題を解決する為に、本発明は
好ましくは前記記憶された参照パターンを用いて入力パ
ターンの認識を行う。
好ましくは前記記憶された参照パターンを用いて入力パ
ターンの認識を行う。
【００３９】
（実施例１）以下、図面を参照しながら本発明の一実施
例を説明する。
例を説明する。
【００４０】尚、本発明は音声、画像等のパターン認識
に利用し得る。
に利用し得る。
【００４１】図１は本発明の一実施例における情報処理
装置の構成を示すブロック図である。
装置の構成を示すブロック図である。
【００４２】図１において、Ｈ１はパターン認識の結果
あるいはパターン認識の結果得られた応答を出力する出
力装置であり、ＣＲＴや液晶表示器等の表示手段や、Ｌ
ＢＰやインクジェット方式のプリンタである。
あるいはパターン認識の結果得られた応答を出力する出
力装置であり、ＣＲＴや液晶表示器等の表示手段や、Ｌ
ＢＰやインクジェット方式のプリンタである。
【００４３】Ｈ２は音声や画像といった認識すべき対象
を入力する入力装置であり、音声はマイクから、画像は
スキャナから、また、音声・画像共外部装置により入力
されたものを通信手段を介して入力しても良い。
を入力する入力装置であり、音声はマイクから、画像は
スキャナから、また、音声・画像共外部装置により入力
されたものを通信手段を介して入力しても良い。
【００４４】Ｈ３は数値演算・制御等の処理を行う中央
処理処置であり、記憶装置Ｈ４に記憶されている制御プ
ログラムに従って各種制御、演算を行う。
処理処置であり、記憶装置Ｈ４に記憶されている制御プ
ログラムに従って各種制御、演算を行う。
【００４５】Ｈ４はディスク装置等の外部メモリ装置や
ＲＡＭ・ＲＯＭ等の内部メモリといった記憶装置であ
り、後述するフローチャートの制御プログラムを格納
し、また、本発明の手順および処理に必要な一時的デー
タ、参照パターン関数、スカラ量子化のための量子化コ
ードブック、参照パターンの関数の出力値のテーブルで
ある単一出力テーブルおよび混合出力テーブルが格納さ
れる。
ＲＡＭ・ＲＯＭ等の内部メモリといった記憶装置であ
り、後述するフローチャートの制御プログラムを格納
し、また、本発明の手順および処理に必要な一時的デー
タ、参照パターン関数、スカラ量子化のための量子化コ
ードブック、参照パターンの関数の出力値のテーブルで
ある単一出力テーブルおよび混合出力テーブルが格納さ
れる。
【００４６】以上のハードウェア構成を踏まえて本発明
の一実施例を説明する。
の一実施例を説明する。
【００４７】図２及び図３は本発明の一実施例を示すフ
ローチャートである。
ローチャートである。
【００４８】まず、パターン認識を行う前に、以下の処
理を行う。
理を行う。
【００４９】まず、量子化コードブック設計ステップＳ
１において、各次元ｉに関して、入力値の代表値集合
｛ξi,q ｜ｑ＝１，２，…Ｑi ｝を用意しておく。ここ
で、Ｑ i はｉ次元目における代表値の個数である。
１において、各次元ｉに関して、入力値の代表値集合
｛ξi,q ｜ｑ＝１，２，…Ｑi ｝を用意しておく。ここ
で、Ｑ i はｉ次元目における代表値の個数である。
【００５０】次に、次元判定ステップＳ２において、各
ｓについて、特徴ベクトル空間の次元をＣs ，
ｓについて、特徴ベクトル空間の次元をＣs ，
【００５１】
【外１１】
の２種類に分類する。すなわち、
【００５２】
【外１２】
ここで、Ｃs は、混合密度関数を構成する個々の関数が
入力
入力
【００５３】
【外１３】
に対して、大きく異なる値を出力する次元の集合であ
り、
り、
【００５４】
【外１４】
は、混合密度関数を構成する個々の関数が入力
【００５５】
【外１５】
に対して、いずれも同程度の値を出力する集合である。
また、Ｃs の要素数を
また、Ｃs の要素数を
【００５６】
【外１６】
の要素数を
【００５７】
【外１７】
とする
【００５８】
【外１８】
【００５９】例えば、図４〜図７の混合数３の参照パタ
ーン関数の適当な次元を４種類示した図である。図４お
よび図５では、入力に対して３つの関数が大きく異なる
値を出力することがわかる。これに対して、図６および
図７では、入力に対して３つの関数が出力する値はあま
り異ならない。従って、図４および図５で示した次元は
Ｃs に属し、図６および図７で示された次元は
ーン関数の適当な次元を４種類示した図である。図４お
よび図５では、入力に対して３つの関数が大きく異なる
値を出力することがわかる。これに対して、図６および
図７では、入力に対して３つの関数が出力する値はあま
り異ならない。従って、図４および図５で示した次元は
Ｃs に属し、図６および図７で示された次元は
【００６０】
【外１９】
に属す。
【００６１】次に、単一出力テーブル作成ステップＳ３
において、Ｃs に属する次元ｉのすべてのξi,q につい
て、ｂs,m,i （ξi,q ）を計算するステップＳ３を繰り
返し、単一出力テーブル
において、Ｃs に属する次元ｉのすべてのξi,q につい
て、ｂs,m,i （ξi,q ）を計算するステップＳ３を繰り
返し、単一出力テーブル
【００６２】
【外２０】
を作成する。作成された単一テーブルは記憶装置Ｈ４内
の単一出力テーブル記憶エリアに記憶する。
の単一出力テーブル記憶エリアに記憶する。
【００６３】次に、混合出力テーブル作成ステップＳ４
において、
において、
【００６４】
【外２１】
に属する次元ｉのすべてのξi,q について、ｍに関して
ｂs,m,i （ξi,q ）を代表する値
ｂs,m,i （ξi,q ）を代表する値
【００６５】
【外２２】
を計算するステップＳ４を繰り返し、混合出力テーブル
【００６６】
【外２３】
を作成する。作成された混合出力テーブルは記憶装置Ｈ
４内の混合出力テーブル記憶エリアに記憶する。
４内の混合出力テーブル記憶エリアに記憶する。
【００６７】ここで、ｂs,m,i （ξi,q ）のｍに関する
代表値
代表値
【００６８】
【外２４】
として、平均値（式（１２））、加重平均値（式（１
３））、最大値（式（１４））などが考えられる。
３））、最大値（式（１４））などが考えられる。
【００６９】
【外２５】
【００７０】次にパターン認識の処理を図３のフローチ
ャートに従って説明する。
ャートに従って説明する。
【００７１】まず、スカラ量子化ステップＳ５におい
て、入力ｘの各次元の値ｘi のそれぞれについて、入力
値
て、入力ｘの各次元の値ｘi のそれぞれについて、入力
値
【００７２】
【外２６】
が最小となるような数
【００７３】
【外２７】
を求める。
【００７４】次に、単一出力テーブル参照ステップＳ６
において、Ｃs に属するｉについて記憶装置Ｈ４に記憶
された単一出力テーブルを参照し、
において、Ｃs に属するｉについて記憶装置Ｈ４に記憶
された単一出力テーブルを参照し、
【００７５】
【外２８】
を得る（Ｓ７）。
【００７６】次に、Ｓ６におけるテーブル参照と、その
テーブル参照によって得られた
テーブル参照によって得られた
【００７７】
【外２９】
のＳ７における累積をｉ∈Ｃs ，ｍについて繰り返し、
式（１５）で表される
式（１５）で表される
【００７８】
【外３０】
を得る。この得られた
【００７９】
【外３１】
は記憶装置Ｈ４に記憶される。
【００８０】
【外３２】
【００８１】次に、混合出力テーブル参照ステップＳ８
において、
において、
【００８２】
【外３３】
に属するｉについて記憶装置Ｈ４に記憶された混合出力
テーブルを参照し、
テーブルを参照し、
【００８３】
【外３４】
を得る（Ｓ９）。
【００８４】次に、Ｓ８におけるテーブル参照と、その
テーブル参照によって得られた
テーブル参照によって得られた
【００８５】
【外３５】
のＳ８における累積を
【００８６】
【外３６】
について繰り返し、式（１６）で表される
【００８７】
【外３７】
を得る。この得られた
【００８８】
【外３８】
は、記憶装置Ｈ４に記憶される。
【００８９】
【外３９】
【００９０】次に、適合度計算ステップＳ１０におい
て、前記Ｓ７及びＳ９で記憶装置Ｈ４に記憶された
て、前記Ｓ７及びＳ９で記憶装置Ｈ４に記憶された
【００９１】
【外４０】
の積を計算し、参照パターンｓと入力ｘとの適合度ｂs
（ｘ）の近似値を得る。
（ｘ）の近似値を得る。
【００９２】以上の処理を、記憶装置Ｈ４に記憶されて
いるパターン認識プログラムで用いる辞書に格納されて
いる参照パターンについて行い、最大の適合度ｂs
（ｘ）の近似値を得ることができた参照パターンを認識
結果として出力する。
いるパターン認識プログラムで用いる辞書に格納されて
いる参照パターンについて行い、最大の適合度ｂs
（ｘ）の近似値を得ることができた参照パターンを認識
結果として出力する。
【００９３】（実施例２）従来技術で説明したように、
適合度としてｂs （ｘ）の対数をとった関数ｌｏｇ ｂ
s （ｘ）を用いることがある。
適合度としてｂs （ｘ）の対数をとった関数ｌｏｇ ｂ
s （ｘ）を用いることがある。
【００９４】この場合、実施例１のステップは以下のよ
うになる。
うになる。
【００９５】まず、単一出力テーブル作成ステップＳ３
において作成されるテーブルＴｃs（ｓ，ｍ，ｉ，ｑ）
の内容はｌｏｇ ｂs,m,i （ξi,q ）となる。
において作成されるテーブルＴｃs（ｓ，ｍ，ｉ，ｑ）
の内容はｌｏｇ ｂs,m,i （ξi,q ）となる。
【００９６】次に、混合出力テーブル作成ステップＳ４
において作成されるテーブルの内容は、
において作成されるテーブルの内容は、
【００９７】
【外４１】
となる。ここで、ｌｏｇ ｂs,m,i （ξi,q ）のｍに関
する代表値は、式（１２）に対応して式（１７）、式
（１３）に対応して式（１８）、式（１４）に対応して
式（１９）のようになる。
する代表値は、式（１２）に対応して式（１７）、式
（１３）に対応して式（１８）、式（１４）に対応して
式（１９）のようになる。
【００９８】
【外４２】
【００９９】次に、単一出力累積ステップＳ７において
は、
は、
【０１００】
【外４３】
を得る（式（２０）。
【０１０１】
【外４４】
ここで、従来技術で述べられた、ａｄｄｌｏｇに関する
高速化手法を適用しても良い。
高速化手法を適用しても良い。
【０１０２】次に、混合出力累積ステップＳ９における
累積計算は、式（２１）のようになる。
累積計算は、式（２１）のようになる。
【０１０３】
【外４５】
【０１０４】次に、適合度計算ステップＳ１０では、
【０１０５】
【外４６】
の和が計算される。
【０１０６】（実施例３）実施例２では、まず、単一出
力テーブル作成ステップＳ３において作成される単一出
力テーブルＴｃs （ｓ，ｍ，ｉ，ｑ）の内容をｌｏｇ
ｂs,m,i （ξi,q）としたが、これはｂs,m,i （ξ
i,q ）であっても良い。この場合、単一出力累積ステッ
プＳ７において、和が積になる代わりにａｄｄｌｏｇの
計算がなくなる。
力テーブル作成ステップＳ３において作成される単一出
力テーブルＴｃs （ｓ，ｍ，ｉ，ｑ）の内容をｌｏｇ
ｂs,m,i （ξi,q）としたが、これはｂs,m,i （ξ
i,q ）であっても良い。この場合、単一出力累積ステッ
プＳ７において、和が積になる代わりにａｄｄｌｏｇの
計算がなくなる。
【０１０７】単一出力累積ステップＳ７における計算は
式（２２）となる。
式（２２）となる。
【０１０８】
【外４７】
【０１０９】（実施例４）前記各実施例の特殊な例とし
て、Ｃs ＝０の場合がある。この場合、次元判定ステッ
プＳ２、単一出力テーブル作成ステップＳ３、単一出力
テーブル参照ステップＳ６、単一出力累積ステップＳ
７、適合度計算ステップＳ１０が省略される。そして、
混合出力累積ステップＳ９の結果が参照パターンｓと入
力ｘとの適合度となる。
て、Ｃs ＝０の場合がある。この場合、次元判定ステッ
プＳ２、単一出力テーブル作成ステップＳ３、単一出力
テーブル参照ステップＳ６、単一出力累積ステップＳ
７、適合度計算ステップＳ１０が省略される。そして、
混合出力累積ステップＳ９の結果が参照パターンｓと入
力ｘとの適合度となる。
【０１１０】さらに、Ｃs の要素数が１で、かつ、混合
出力テーブル作成ステップＳ４において代表値として加
重平均値を用いた場合には、Ｃs ＝０の場合と全く等価
になる。
出力テーブル作成ステップＳ４において代表値として加
重平均値を用いた場合には、Ｃs ＝０の場合と全く等価
になる。
【０１１１】（実施例５）前記各実施例によって、全参
照パターンｓと入力ｘとの適合度を求めた後、次の再計
算処理によって、より適正な適合度を計算しても良い。
この場合の処理を図８のフローチャートに示すが、図３
のフローチャートと同様の処理ステップについては同一
のステップ番号を付加し、ここでの説明は省略する。よ
って、ステップＳ１１から説明する。再計算対象判別Ｓ
１１において、認識辞書の各参照パターンについてＳ５
〜Ｓ１０により求められた適合度に従って、適合度の再
計算の対象となる参照パターンを求める。求める方法
は、参照パターンのうち、入力ｘとの適合度の大きい順
に適当な個数を再計算の対象とする。この、対象として
選択する個数は、予めパラメータとして、記憶装置Ｈ４
に記憶されているものとする。
照パターンｓと入力ｘとの適合度を求めた後、次の再計
算処理によって、より適正な適合度を計算しても良い。
この場合の処理を図８のフローチャートに示すが、図３
のフローチャートと同様の処理ステップについては同一
のステップ番号を付加し、ここでの説明は省略する。よ
って、ステップＳ１１から説明する。再計算対象判別Ｓ
１１において、認識辞書の各参照パターンについてＳ５
〜Ｓ１０により求められた適合度に従って、適合度の再
計算の対象となる参照パターンを求める。求める方法
は、参照パターンのうち、入力ｘとの適合度の大きい順
に適当な個数を再計算の対象とする。この、対象として
選択する個数は、予めパラメータとして、記憶装置Ｈ４
に記憶されているものとする。
【０１１２】次に、再計算ステップＳ１２において、前
記再計算対象判別ステップＳ１１で選ばれた参照パター
ンについて、適合度を再計算する。適合度の再計算のた
めに、従来例で述べた式（３）あるいは式（５）を用い
る。
記再計算対象判別ステップＳ１１で選ばれた参照パター
ンについて、適合度を再計算する。適合度の再計算のた
めに、従来例で述べた式（３）あるいは式（５）を用い
る。
【０１１３】（実施例６）前記実施例５の再計算ステッ
プＳ１２において、従来法であるスカラ量子化を用いた
方法を用いることができる。
プＳ１２において、従来法であるスカラ量子化を用いた
方法を用いることができる。
【０１１４】これは
【０１１５】
【外４８】
として前記実施例１〜４で述べた高速計算法を行い、そ
の結果を再計算の結果とみなす方法である。
の結果を再計算の結果とみなす方法である。
【０１１６】すなわち、適合度を再計算すべき参照パタ
ーンについて、すべての次元ｉおよび混合ｍについて単
一出力テーブルを参照し累積する。
ーンについて、すべての次元ｉおよび混合ｍについて単
一出力テーブルを参照し累積する。
【０１１７】（実施例７）パターン認識用の参照パター
ンの作成方法として、あらかじめ用意された学習用デー
タを用いる方法がある。
ンの作成方法として、あらかじめ用意された学習用デー
タを用いる方法がある。
【０１１８】すなわち、用意された学習用データに対し
て、最も適当になるように参照パターンを作成する方法
である。この「適当さ」の基準として、学習用データと
参照パターンとの適合度を用いる。
て、最も適当になるように参照パターンを作成する方法
である。この「適当さ」の基準として、学習用データと
参照パターンとの適合度を用いる。
【０１１９】この処理を、図９のフローチャートに示
す。
す。
【０１２０】記憶装置Ｈ４に記憶された学習用データと
参照パターンの適合度をＳ１４で計算し、この計算され
た適合度が予め定められた基準値以上であれば終了条件
を満たすと判定し（Ｓ１５）参照パターンの作成処理を
終了する。Ｓ１５で終了条件を満たさないと判定される
場合は参照パターンを更新し（Ｓ１３）、終了条件を満
たすと判定されるまでＳ１３とＳ１４の処理を繰り返
す。
参照パターンの適合度をＳ１４で計算し、この計算され
た適合度が予め定められた基準値以上であれば終了条件
を満たすと判定し（Ｓ１５）参照パターンの作成処理を
終了する。Ｓ１５で終了条件を満たさないと判定される
場合は参照パターンを更新し（Ｓ１３）、終了条件を満
たすと判定されるまでＳ１３とＳ１４の処理を繰り返
す。
【０１２１】また、Ｓ１５における終了条件は、単に適
合度が基準値以上であるか否かだけではなく、適合度の
向上率が上がらなくなったと判定されることを終了条件
とすれば、より適切な判断となるし、また、繰り返し回
数を予め定めておくことにより、より簡便な判断とする
ことができる。
合度が基準値以上であるか否かだけではなく、適合度の
向上率が上がらなくなったと判定されることを終了条件
とすれば、より適切な判断となるし、また、繰り返し回
数を予め定めておくことにより、より簡便な判断とする
ことができる。
【０１２２】また、最も適当な参照パターンを得るため
の方法として、適合度関数から直接参照パターンを求め
る方法と、「ＥＭアルゴリズム」のような反復的アルゴ
リズムによって逐次的に参照パターンを更新する方法が
ある。
の方法として、適合度関数から直接参照パターンを求め
る方法と、「ＥＭアルゴリズム」のような反復的アルゴ
リズムによって逐次的に参照パターンを更新する方法が
ある。
【０１２３】この、参照パターンを作成する際における
適合度の計算において、前記実施例１の適合度計算を用
いても良い。
適合度の計算において、前記実施例１の適合度計算を用
いても良い。
【０１２４】すなわち、参照パターンを作成する際に次
元判定ステップＳ１５を設け、「適当さ」の基準として
用いる適合度を、
元判定ステップＳ１５を設け、「適当さ」の基準として
用いる適合度を、
【０１２５】
【外４９】
として、最も適当な参照パターンを求める。
【０１２６】次元判定ステップＳ１６は、図１０のフロ
ーチャートに示すように、反復アルゴリズムの反復の過
程で毎回行っても良いし、図１１のフローチャートに示
すように、反復の前に１度だけ行っても良い。
ーチャートに示すように、反復アルゴリズムの反復の過
程で毎回行っても良いし、図１１のフローチャートに示
すように、反復の前に１度だけ行っても良い。
【０１２７】このようにして求められた参照パターンに
対して、前記実施例１〜４で述べたパターン認識方法を
適用しても良い。
対して、前記実施例１〜４で述べたパターン認識方法を
適用しても良い。
【０１２８】（実施例８）前記実施例７において、ｂ
s,m,i （ｘi ）のｍに関する代表値
s,m,i （ｘi ）のｍに関する代表値
【０１２９】
【外５０】
として、次元毎に重みの異なる加重平均値（式（２
４））を用いても良い。
４））を用いても良い。
【０１３０】
【外５１】
【０１３１】
【発明の効果】以上説明したように、本発明によればパ
ターン認識を行う為に必要な参照パターン関数に対する
適合度の計算を容易にする為の情報を用意することがで
きる。
ターン認識を行う為に必要な参照パターン関数に対する
適合度の計算を容易にする為の情報を用意することがで
きる。
【０１３２】また、以上説明したように、本発明によれ
ばパターン認識を行う為に必要な、参照パターン関数に
対する適合度の計算に必要な計算量を減少させるので、
装置の負担を軽くし、処理効率を向上させることができ
る。
ばパターン認識を行う為に必要な、参照パターン関数に
対する適合度の計算に必要な計算量を減少させるので、
装置の負担を軽くし、処理効率を向上させることができ
る。
【０１３３】また、以上説明したように、本発明によれ
ば前記決定された適合度に応じて、適合度の再計算を行
う参照パターンを判別し、該判別された参照パターンの
適合度を再計算するので、より正確に適合度を得ること
ができる。
ば前記決定された適合度に応じて、適合度の再計算を行
う参照パターンを判別し、該判別された参照パターンの
適合度を再計算するので、より正確に適合度を得ること
ができる。
【０１３４】また、以上説明したように、本発明によれ
ば、前記適合度の再計算は、より精密な計算により行う
ことにより、より正確に適合度を得ることができる。
ば、前記適合度の再計算は、より精密な計算により行う
ことにより、より正確に適合度を得ることができる。
【０１３５】また、以上説明したように、本発明によれ
ば、前記適合度の再計算は、全次元にわたり混合密度型
の参照パターンの関数を構成する各関数が大きく異なる
値を出力するものとして行うことにより、より参照パタ
ーンに適した処理を行うことができる。
ば、前記適合度の再計算は、全次元にわたり混合密度型
の参照パターンの関数を構成する各関数が大きく異なる
値を出力するものとして行うことにより、より参照パタ
ーンに適した処理を行うことができる。
【０１３６】また、以上説明したように、本発明によれ
ば、参照パターンを構成する各関数がいずれも近い値を
出力すると判定される次元については参照パターンを構
成する各関数の出力値の代表値を用いて、該参照パター
ンと学習用データとの適合度を計算し、前記計算された
適合度により該参照パターンが適当と判断される場合に
は、該参照パターンを認識用に記憶することにより、学
習データを提供することでその学習データに適した参照
パターン作成することができる。
ば、参照パターンを構成する各関数がいずれも近い値を
出力すると判定される次元については参照パターンを構
成する各関数の出力値の代表値を用いて、該参照パター
ンと学習用データとの適合度を計算し、前記計算された
適合度により該参照パターンが適当と判断される場合に
は、該参照パターンを認識用に記憶することにより、学
習データを提供することでその学習データに適した参照
パターン作成することができる。
【０１３７】また、以上説明したように、本発明によれ
ば、前記記憶された参照パターンを用いて入力パターン
の認識を行うことにより、所望の状態になった参照パタ
ーンを用いて高認識率の認識を行うことができる。
ば、前記記憶された参照パターンを用いて入力パターン
の認識を行うことにより、所望の状態になった参照パタ
ーンを用いて高認識率の認識を行うことができる。
【図１】実施例における情報処理装置の構成を示すブロ
ック図。
ック図。
【図２】本発明の一実施例における、パターン認識前の
処理を示したフローチャート。
処理を示したフローチャート。
【図３】本発明の一実施例における、パターン認識時の
処理を示したフローチャート。
処理を示したフローチャート。
【図４】混合数３の参照パターン関数の例であり、入力
に対して３つの関数が大きく異なる値を出力する次元を
示した図。
に対して３つの関数が大きく異なる値を出力する次元を
示した図。
【図５】混合数３の参照パターン関数の例であり、入力
に対して３つの関数が大きく異なる値を出力する次元を
示した図。
に対して３つの関数が大きく異なる値を出力する次元を
示した図。
【図６】混合数３の参照パターン関数の例であり、入力
に対して３つの関数があまり異ならない値を出力する次
元を示した図。
に対して３つの関数があまり異ならない値を出力する次
元を示した図。
【図７】混合数３の参照パターン関数の例であり、入力
に対して３つの関数があまり異ならない値を出力する次
元を示した図。
に対して３つの関数があまり異ならない値を出力する次
元を示した図。
【図８】再計算処理の一実施例を示したフローチャー
ト。
ト。
【図９】参照パターンの作成過程を示したフローチャー
ト。
ト。
【図１０】参照パターンの作成過程において本発明で用
いた適合度計算法を適用した実施例を示したフローチャ
ート。
いた適合度計算法を適用した実施例を示したフローチャ
ート。
【図１１】参照パターンの作成過程において本発明で用
いた適合度計算法を適用した実施例を示したフローチャ
ート。
いた適合度計算法を適用した実施例を示したフローチャ
ート。
フロントページの続き
(56)参考文献 特開 平６−214591（ＪＰ，Ａ)
特表 平10−505687（ＪＰ，Ａ)
特許2845018（ＪＰ，Ｂ２)
小坂，嵯峨山，混合連続分布ＨＭＭ音
素モデルの構造自動決定法の検討，日本
音響学会平成４年度秋季研究発表会講演
論文集，日本，1992年10月 ５日，２−
１−１，Ｐａｇｅｓ 79−80
渡辺，篠田，高木，山田，服部，磯,
木構造確率分布を用いた音声認識，日本
音響学会平成５年度秋季研究発表会講演
論文集，日本，1993年10月 ５日，１−
８−７，Ｐａｇｅｓ 13−14
小森，山田，山本，大洞，少数分布Ｈ
ＭＭによる出力確率推定に基づいた効率
的な混合連続分布ＨＭＭ音声認識，電子
情報通信学会技術研究報告［音声］，日
本，1994年10月13日，Ｖｏｌ．94，Ｎ
ｏ．271，ＳＰ94−52，Ｐａｇｅｓ 31
−38
山田，山本，小坂，小森，大洞，パラ
メータのスカラ量子化と混合分布ＨＭＭ
の次元独立演算による高速出力確率計
算，電子情報通信学会技術研究報告［音
声］，日本，1995年 ６月22日，Ｖｏ
ｌ．95，Ｎｏ．122，ＳＰ95−22，Ｐａ
ｇｅｓ 31−38
(58)調査した分野(Int.Cl.7，ＤＢ名)
G10L 15/14
G06T 7/00
ＪＩＣＳＴファイル（ＪＯＩＳ)
Claims (23)
- 【請求項１】 入力値の各次元の値の代表値集合である
量子化コードブックを設計して記憶し、 特徴ベクトル空間の次元を、混合密度型の参照パターン
の関数を構成する個々の関数が大きく異なる値を出力す
る次元と混合密度型の参照パターンの関数を構成する個
々の関数がいずれも近い値を出力する次元とに分類し、 前記分類された混合密度型の参照パターンの関数を構成
する個々の関数が大きく異なる値を出力する次元につい
て、前記量子化コードブックに記憶されている代表値に
ついて出力値を計算し、単一出力テーブルとして記憶
し、 前記分類された混合密度型の参照パターンの関数を構成
する個々の関数が近い値を出力する次元について、前記
量子化コードブックに記憶されている代表値について出
力値を計算し、混合出力テーブルとして記憶することを
特徴とする情報処理方法。 - 【請求項２】 入力された特徴ベクトルの各次元の値
と、前記量子化コードブックを用いて量子化し、 前記参照パターンの関数を構成する個々の関数が大きく
異なる値を出力する各次元について、前記単一出力テー
ブルを参照して得た値を単一出力データとして累積し、 前記参照パターンの関数を構成する個々の関数がいずれ
も近い値を出力する各次元について、前記混合出力テー
ブルを参照して得た値を混合出力データとして累積し、 前記単一出力データと前記混合出力データとから入力さ
れたベクトルと前記参照パターンとの適合度を決定する
ことを特徴とする請求項１に記載の情報処理方法。 - 【請求項３】 前記決定された適合度に応じて、適合度
の再計算を行う参照パターンを判別し、 該判別された参照パターンの適合度を再計算することを
特徴とする請求項２に記載の情報処理方法。 - 【請求項４】 前記適合度の再計算は、より精密な計算
により行うことを特徴とする請求項３に記載の情報処理
方法。 - 【請求項５】 前記適合度の再計算は、全次元にわたり
混合密度型の参照パターンの関数を構成する各関数が大
きく異なる値を出力するものとして行うことを特徴とす
る請求項２に記載の情報処理方法。 - 【請求項６】 参照パターンを構成する各関数がいずれ
も近い値を出力すると判定される次元については参照パ
ターンを構成する各関数の出力値の代表値を用いて、該
参照パターンと学習用データとの適合度を計算し、 前記計算された適合度により該参照パターンが適当と判
断される場合には、該参照パターンを認識用に記憶する
ことを特徴とする請求項１に記載の情報処理方法。 - 【請求項７】 前記記憶された参照パターンを用いて入
力パターンの認識を行うことを特徴とする請求項６に記
載の情報処理方法。 - 【請求項８】 前記パターンは音声データを表すパター
ンとすることを特徴とする請求項7に記載の情報処理方
法。 - 【請求項９】 前記パターンは画像データを表すパター
ンとすることを特徴とする請求項7に記載の情報処理方
法。 - 【請求項１０】 前記入力パターンは通信手段を介して
入力したパターンとすることを特徴とする請求項7に記
載の情報処理方法。 - 【請求項１１】 前記認識の結果を出力することを特徴
とする請求項7に記載の情報処理方法。 - 【請求項１２】 入力値の各次元の値の代表値集合であ
る量子化コードブックを設計する量子化コードブック設
計手段と、 特徴ベクトル空間の次元を、混合密度型の参照パターン
の関数を構成する個々の関数が大きく異なる値を出力す
る次元と混合密度型の参照パターンの関数を構成する個
々の関数がいずれも近い値を出力する次元とに分類する
分類手段と、 前記分類された混合密度型の参照パターンの関数を構成
する個々の関数が大きく異なる値を出力する次元につい
て、前記量子化コードブックに記憶されている代表値に
ついて出力値を計算し、単一出力テーブルとして記憶す
る単一出力テーブル記憶手段と、 前記分類された混合密度型の参照パターンの関数を構成
する個々の関数が近い値を出力する次元について、前記
量子化コードブックに記憶されている代表値について出
力値を計算し、混合出力テーブルとして記憶する混合出
力テーブル記憶手段とを有することを特徴とする情報処
理装置。 - 【請求項１３】 入力された特徴ベクトルの各次元の値
を、前記量子化コードブックを用いて量子化する量子化
手段と、 前記参照パターンの関数を構成する個々の関数が大きく
異なる値を出力する各次元について、前記単一出力テー
ブルを参照して得た値を単一出力データとして累積する
単一出力データ累積手段と、 前記参照パターンの関数を構成する個々の関数がいずれ
も近い値を出力する各次元について、前記混合出力テー
ブルを参照して得た値を混合出力データとして累積する
混合出力データ累積手段と、 前記単一出力データと前記混合出力データとから入力さ
れた特徴ベクトルと前記参照パターンとの適合度を決定
する混合度決定手段とを有することを特徴とする請求項
１２に記載の情報処理装置。 - 【請求項１４】 前記決定された適合度に応じて、適合
度の再計算を行う参照パターンを判別する再計算参照パ
ターン判別手段と、 該判別された参照パターンの適合度を再計算する歳計蚕
種談とを有することを特徴とする請求項１３に記載の情
報処理装置。 - 【請求項１５】 前記適合度の再計算は、より精密な計
算により行うことを特徴とする請求項１４に記載の情報
処理装置。 - 【請求項１６】 前記適合度の再計算は、全次元にわた
り混合密度型の参照パターンの関数を構成する各関数が
大きく異なる値を出力するものとして行うことを特徴と
する請求項１３に記載の情報処理装置。 - 【請求項１７】 参照パターンを構成する各関数がいず
れも近い値を出力すると判定される次元については参照
パターンを構成する各関数の出力値の代表値を用いて、
該参照パターンと学習用データとの適合度を計算する適
合度計算手段と、 前記計算された適合度により該参照パターンが適当と判
断される場合には、該参照パターンを認識用に記憶する
参照パターン記憶手段とを有することを特徴とする請求
項１２に記載の情報処理装置。 - 【請求項１８】 前記記憶された参照パターンを用いて
入力パターンの認識を行う認識手段を有することを特徴
とする請求項１７に記載の情報処理装置。 - 【請求項１９】 前記記憶された参照パターンを用いて
入力パターンの認識を行う認識手段を有することを特徴
とする請求項１８に記載の情報処理装置方法。 - 【請求項２０】 前記パターンは音声データを表すパタ
ーンとすることを特徴とする請求項１８に記載の情報処
理装置。 - 【請求項２１】 前記パターンは画像データを表すパタ
ーンとすることを特徴とする請求項１８に記載の情報処
理装置。 - 【請求項２２】 前記入力パターンを入力する通信手段
を有することを特徴とする請求項１８に記載の情報処理
装置。 - 【請求項２３】 前記認識の結果を出力する出力手段を
有することを特徴とする請求項１９に記載の情報処理装
置。
Priority Applications (4)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP15466195A JP3450522B2 (ja) | 1995-06-21 | 1995-06-21 | 情報処理方法及び装置 |
| US08/666,219 US5706391A (en) | 1995-06-21 | 1996-06-20 | Method and an apparatus for processing information |
| EP96304580A EP0750273B1 (en) | 1995-06-21 | 1996-06-20 | Pattern recognition with a quantization codebook |
| DE69615288T DE69615288T2 (de) | 1995-06-21 | 1996-06-20 | Mustererkennung mit einem Quantisierungskodebuch |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP15466195A JP3450522B2 (ja) | 1995-06-21 | 1995-06-21 | 情報処理方法及び装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPH096382A JPH096382A (ja) | 1997-01-10 |
| JP3450522B2 true JP3450522B2 (ja) | 2003-09-29 |
Family
ID=15589130
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP15466195A Expired - Fee Related JP3450522B2 (ja) | 1995-06-21 | 1995-06-21 | 情報処理方法及び装置 |
Country Status (4)
| Country | Link |
|---|---|
| US (1) | US5706391A (ja) |
| EP (1) | EP0750273B1 (ja) |
| JP (1) | JP3450522B2 (ja) |
| DE (1) | DE69615288T2 (ja) |
Families Citing this family (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH09258771A (ja) * | 1996-03-25 | 1997-10-03 | Canon Inc | 音声処理方法及び装置 |
| US6466894B2 (en) * | 1998-06-18 | 2002-10-15 | Nec Corporation | Device, method, and medium for predicting a probability of an occurrence of a data |
| AU2186599A (en) * | 1999-02-05 | 2000-08-25 | Hitachi Limited | Data processing system |
| US6424960B1 (en) | 1999-10-14 | 2002-07-23 | The Salk Institute For Biological Studies | Unsupervised adaptation and classification of multiple classes and sources in blind signal separation |
| JP3814459B2 (ja) * | 2000-03-31 | 2006-08-30 | キヤノン株式会社 | 音声認識方法及び装置と記憶媒体 |
| US6993452B2 (en) * | 2000-05-04 | 2006-01-31 | At&T Corp. | Distance measure for probability distribution function of mixture type |
| JP4080236B2 (ja) * | 2002-05-15 | 2008-04-23 | 株式会社リコー | 射出成形の見積りシステム及び見積りプログラム |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2845018B2 (ja) | 1992-03-31 | 1999-01-13 | 三菱電機株式会社 | 類似度演算装置 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5535305A (en) * | 1992-12-31 | 1996-07-09 | Apple Computer, Inc. | Sub-partitioned vector quantization of probability density functions |
| US5592227A (en) * | 1994-09-15 | 1997-01-07 | Vcom, Inc. | Method and apparatus for compressing a digital signal using vector quantization |
-
1995
- 1995-06-21 JP JP15466195A patent/JP3450522B2/ja not_active Expired - Fee Related
-
1996
- 1996-06-20 DE DE69615288T patent/DE69615288T2/de not_active Expired - Lifetime
- 1996-06-20 US US08/666,219 patent/US5706391A/en not_active Expired - Lifetime
- 1996-06-20 EP EP96304580A patent/EP0750273B1/en not_active Expired - Lifetime
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2845018B2 (ja) | 1992-03-31 | 1999-01-13 | 三菱電機株式会社 | 類似度演算装置 |
Non-Patent Citations (4)
| Title |
|---|
| 小坂，嵯峨山，混合連続分布ＨＭＭ音素モデルの構造自動決定法の検討，日本音響学会平成４年度秋季研究発表会講演論文集，日本，１９９２年１０月 ５日，２−１−１，Ｐａｇｅｓ ７９−８０ |
| 小森，山田，山本，大洞，少数分布ＨＭＭによる出力確率推定に基づいた効率的な混合連続分布ＨＭＭ音声認識，電子情報通信学会技術研究報告［音声］，日本，１９９４年１０月１３日，Ｖｏｌ．９４，Ｎｏ．２７１，ＳＰ９４−５２，Ｐａｇｅｓ ３１−３８ |
| 山田，山本，小坂，小森，大洞，パラメータのスカラ量子化と混合分布ＨＭＭの次元独立演算による高速出力確率計算，電子情報通信学会技術研究報告［音声］，日本，１９９５年 ６月２２日，Ｖｏｌ．９５，Ｎｏ．１２２，ＳＰ９５−２２，Ｐａｇｅｓ ３１−３８ |
| 渡辺，篠田，高木，山田，服部，磯，木構造確率分布を用いた音声認識，日本音響学会平成５年度秋季研究発表会講演論文集，日本，１９９３年１０月 ５日，１−８−７，Ｐａｇｅｓ １３−１４ |
Also Published As
| Publication number | Publication date |
|---|---|
| DE69615288T2 (de) | 2002-06-27 |
| JPH096382A (ja) | 1997-01-10 |
| EP0750273B1 (en) | 2001-09-19 |
| EP0750273A3 (en) | 1997-06-18 |
| DE69615288D1 (de) | 2001-10-25 |
| EP0750273A2 (en) | 1996-12-27 |
| US5706391A (en) | 1998-01-06 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US5812975A (en) | State transition model design method and voice recognition method and apparatus using same | |
| AU702903B2 (en) | Speech recognition | |
| CN111916111B (zh) | 带情感的智能语音外呼方法及装置、服务器、存储介质 | |
| EP0847041B1 (en) | Method and apparatus for speech recognition performing noise adaptation | |
| JP2996926B2 (ja) | 音素シンボルの事後確率演算装置及び音声認識装置 | |
| US7127393B2 (en) | Dynamic semantic control of a speech recognition system | |
| EP0706171B1 (en) | Speech recognition method and apparatus | |
| US6108628A (en) | Speech recognition method and apparatus using coarse and fine output probabilities utilizing an unspecified speaker model | |
| JP3412496B2 (ja) | 話者適応化装置と音声認識装置 | |
| US6725196B2 (en) | Pattern matching method and apparatus | |
| EP1209659B1 (en) | Method and apparatus for text input utilizing speech recognition | |
| EP0617827A4 (en) | Composite expert. | |
| JP3450522B2 (ja) | 情報処理方法及び装置 | |
| US6243695B1 (en) | Access control system and method therefor | |
| US6226610B1 (en) | DP Pattern matching which determines current path propagation using the amount of path overlap to the subsequent time point | |
| JPH11338491A (ja) | 固有声に基いた最尤法を含む話者と環境適合化 | |
| EP1771841B1 (en) | Method for generating and using a vector codebook, method and device for compressing data, and distributed speech recognition system | |
| JPH08211889A (ja) | 木構造を用いたパターン適応化方式 | |
| EP0688012B1 (en) | A speech recognizer | |
| JP3088357B2 (ja) | 不特定話者音響モデル生成装置及び音声認識装置 | |
| JP3467556B2 (ja) | 音声認識装置 | |
| JP2003535376A (ja) | 分類システムの反復訓練用の方法と装置 | |
| JP2973805B2 (ja) | 標準パターン作成装置 | |
| EP0731447A2 (en) | Reference pattern training system and speech recognition system using the same | |
| CN110782879A (zh) | 基于样本量的声纹聚类方法、装置、设备及存储介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20030624 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20070711 Year of fee payment: 4 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20080711 Year of fee payment: 5 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20080711 Year of fee payment: 5 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20090711 Year of fee payment: 6 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20090711 Year of fee payment: 6 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20100711 Year of fee payment: 7 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20100711 Year of fee payment: 7 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20110711 Year of fee payment: 8 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20120711 Year of fee payment: 9 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20120711 Year of fee payment: 9 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20130711 Year of fee payment: 10 |
|
| LAPS | Cancellation because of no payment of annual fees |