JPH04352296A - パターン認識装置及び認識辞書変更方法 - Google Patents

Abstract

(57)【要約】本公報は電子出願前の出願データであるた
め要約のデータは記録されません。

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】この発明は、パターンを読み取り
等によって認識するパターン認識装置、特に入力データ
と比較する認識辞書を変更することによってパターンの
認識確率を向上するパターン認識装置に関するものであ
る。

【０００２】

【従来の技術】近年、計算機などへの大量かつ高速にデ
ータを入力する手段としてパターン読み取り装置が注目
されており、このようなパターン読み取りの一例として
は文字パターンを読み取る光学式文字読み取り装置（Ｏ
ＣＲ）が知られている。

【０００３】図９は例えば「Ｔｈｅ　Ｓｅｌｆ−Ｏｒｇ
ａｎｉｚｉｎｇ　Ｍａｐ　」（Ｐｒｏｃｅｅｄｉｎｇｓ
　ｏｆ　Ｔｈｅ　ＩＥＥＥ，ｖｏｌ．７８，ｎｏ．９　
ｓｅｐ　１９９０）に示される音声認識で有効とされる
認識辞書構築法を文字認識に応用した場合の従来の文字
読み取り装置の構成図を示す。図において、１は文字が
記載されている帳票、２は上記帳票１をイメージリーダ
等により走査して帳票上の濃度情報を電気信号に変換し
てディジタル化したパターンの文字イメージ情報信号を
出力する走査手段である。３は上記走査手段２による光
電変換で得られる文字イメージ情報信号に大して、文字
を認識するうえで文字カテゴリの本質的な特徴であり、
未知入力文字がいずれの文字カテゴリに属するかを判定
する上で有効な特徴を取り出す操作を行う特徴抽出手段
である。また、４は抽出した特徴値と認識辞書の演算を
行い、抽出された特徴と認識辞書とを比較し最も類似し
た文字を出力するパターン判定手段、５は文字を正しく
認識できるように認識辞書を変更する認識辞書変更手段
、６は認識辞書を記憶する認識辞書記憶手段である。

【０００４】発明にかかわる部分は、未知パタ−ンを入
力してパタ−ン判定手段により、最も類似した文字を出
力する動作の部分ではなく、認識の基準となる認識辞書
を学習により順次変更していく変更手段に関するもので
ある。こうした場合には図９の従来の装置の構成におい
て、まず既知の幾つかのパタ−ンを与え、それがどのカ
テゴリ−であるかを知らせ、以後、正しいカテゴリ−で
あると十分にパタ−ン判定ができるように認識辞書変更
手段により、認識辞書の基準パタ−ン、つまり認識辞書
を変更する。

【０００５】学習による認識辞書の変更に関して有力な
方法として、Ｌｅａｒｎｉｎｇ　Ｖｅｃｔｏｒ　Ｑｕａ
ｎｔｉｚａｔｉｏｎ（以下ＬＶＱと述べる）モデルと呼
ばれるものがある。これはパタ−ンベクトルの集合｛Ｘ
ｉ　｝に対し、任意にＫ個の参照ベクトル｛Ｍｉ　｝（
ｉ＝１，２，，ｋ）を選ぶ。いまサンプルベクトルＸ（
ｔ）がカテゴリＣｒ　に属し、それに最も近い参照ベク
トルＭｃ　（ｔ）　がカテゴリＣｓ　に属するとする。 このとき以下の式のように参照ベクトルを変える。 　　　　Ｍｃ（ｔ＋１）＝Ｍｃ（ｔ）＋ａ（ｔ）｛Ｘ（
ｔ）　−Ｍｃ（ｔ）｝　　　　　　　　　ｉｆ　　Ｃｓ
　＝Ｃｒ　　　　（１）　　Ｍｃ（ｔ＋１）＝Ｍｃ（ｔ
）−ａ（ｔ）｛Ｘ（ｔ）　−Ｍｃ（ｔ）｝　　　　　　
　　　ｉｆ　　Ｃｓ　≠Ｃｒ　　　　（２）　　　　Ｍ
ｉ（ｔ＋１）＝Ｍｉ（ｔ）　　　　　　　　　　　　　
　　　　　　　　　　　　　　　　　　　ｆｏｒ　ｉ≠
ｃ　　　　　　　（３） ａは単調減少のスカラ−ゲイン因子で、ｔは時間である
。

【０００６】これは以下のことを意味する。参照ベクト
ルは、修正の度毎に、正しいカテゴリに属するサンプル
パタ−ンに近づき、違ったカテゴリに属するサンプルパ
タ−ンからは遠ざかるように変更される。図１０は図９
の装置の構成において、パタ−ン判定手段４の動作を示
すフロ−チャ−ト図である。図では後に述べる文字Ｈと
Ｍの認識辞書の作成の例を示している。学習対象のサン
プルパタ−ンを読み、参照ベクトルである認識辞書との
距離を計算し、十分な認識差があるかどうかを調べ、あ
れば（正読）そのまま、認識差がなければ（誤読・リジ
ェクトでＹ）参照ベクトル群を変更する。

【０００７】具体的な例を説明する。文字ＨとＭの認識
辞書を変更して行く例を述べる。図１１は、文字が記載
されている帳票２０の一例、特に学習用の文字が記載さ
れた帳票を示す説明図で、図において２１、２２は帳票
に記載された文字“Ｈ”、２３、２４、２５は帳票に記
載された文字“Ｍ”である。図１２は、図１１に示した
文字が記載された帳票を走査手段２により走査した結果
得られる文字パターンの一例を示す説明図で、図におい
て、●は文字パターンの黒画素を表わし、空白は白画素
を表わす。３１は帳票に記載された文字“Ｈ”２１の文
字パターン、３２は帳票に記載された文字“Ｈ”２２の
文字パターン、３３は帳票に記載された“Ｍ”２３の文
字パターン、３４は帳票に記載された“Ｍ”２４の文字
パターン、３５は帳票に記載された“Ｍ”２５の文字パ
ターンを示す。

【０００８】図１３は図１２に示した文字パターンを特
徴抽出手段３により特徴抽出した結果得られる特徴値の
一例を説明した図である。図において、４１は文字“Ｈ
”２１の文字パターン３１に対する特徴値、４２は文字
“Ｈ”２２の文字パターン３２に対する特徴値、４３は
文字“Ｍ”２３の文字パターン３３に対する特徴値、４
４は文字“Ｍ”２４の文字パターン３４に対する特徴値
、４５は文字“Ｍ”２５の文字パターン３５に対する特
徴値を示す。図１４は、認識辞書記憶手段６に記憶され
た辞書の一例を説明した図である。図において、５１は
文字“Ｈ”の認識辞書、５２は文字“Ｍ”の認識辞書を
示し、上記特徴値と対応する。

【０００９】図１５〜図２１は、図９の構成でパタ−ン
判定手段４と認識辞書変更手段５の動作を、文字ＨとＭ
の習得の過程に合わせて説明するための図である。図の
中の番号は、詳しくは動作の説明のところで説明するが
、６０番台は認識した入力パタ−ンと認識辞書との距離
を表す。また７０番台は認識結果を表し、８０番台は学
習の結果、認識辞書が順次変わって行くその認識辞書を
表す。

【００１０】認識辞書ＨとＭの変更動作を述べる。これ
はＬＶＱの手法で行う。まず図１１に示した帳票の認識
文字ＨとＭを走査し、図１２の３１〜３５で表される２
値パターン（白か黒）を得る。次に、特徴抽出手段３に
より文字の２値パターンから特徴を抽出する。特徴は数
１に示す式（４）で求める。図１２の文字パターン３１
に対して数１を適用すると文字パターンの左上部の画素
は黒なので特徴値は“１”となり、最上部左から２番目
の画素は白なので特徴値は“−１”となる。すべての画
素について特徴値を求めると、図１３の４１の特徴値が
得られる。同様に図１２の３２〜３５の他の文字パター
ンに対しても特徴値を求めると、図１３の４２〜４５の
特徴値が得られる。

【００１１】

【数１】

【００１２】パターン判定手段４と認識辞書変更手段５
は、認識辞書の学習に際し、まず、図１４に示す認識辞
書記憶手段６の“Ｈ”の認識辞書５１と“Ｍ”の認識辞
書５２の初期値をすべて“０”とする。（図１５の学習
前の辞書８１と辞書８２）次に、パターン判定手段４で
文字“Ｈ”２１に対する特徴値４１と“Ｈ”の認識辞書
８１との距離、文字“Ｈ”２１に対する特徴値４１と“
Ｍ”の認識辞書８２との距離を求める。距離計算は数２
の式（５）と式（６）を用いる。

【００１３】

【数２】

【００１４】数２の式（５）と式（６）より、文字“Ｈ
”２１に対する特徴値４１と“Ｈ”の認識辞書８１との
距離６１は２５となり、おなじ特徴値４１と“Ｍ”の認
識辞書８２との距離６２は２５となる。距離算出の後、
認識辞書変更手段５により認識辞書の変更を行う。 変更は数３の式（７）〜式（１０）を用い、ＴＨ１は“
３”とする。この場合、数４の条件判定により認識辞書
は変更され、数３の式（７）〜式（１０）の算式に従い
、“Ｈ”の認識辞書は８３、“Ｍ”の認識辞書は８４に
変更される。

【００１５】

【数３】

【００１６】

【数４】

【００１７】次に、パターン判定手段４で文字“Ｍ”２
３に対する特徴値４３と“Ｈ”の認識辞書８３との距離
と同じ特徴値４３と“Ｍ”の認識辞書８４との距離を求
める。式（５）と式（６）より、文字“Ｍ”２３に対す
る特徴値４３と“Ｈ”の認識辞書８３との距離６３は１
５．５となり、同じ特徴値４３と“Ｍ”の認識辞書８４
との距離６４は３４．５となる。距離算出の後、認識辞
書変更手段５により認識辞書の変更を行う。この場合、
数４の条件判定により認識辞書は変更され、式（７）〜
式（１０）の算式に従い、“Ｈ”の認識辞書は８５、“
Ｍ”の認識辞書は８６に変更される。

【００１８】次に、パターン判定手段４で文字“Ｈ”２
２に対する特徴値４２と“Ｈ”の認識辞書８５との距離
、同じ特徴値４２と“Ｍ”の認識辞書８６との距離を求
める。文字“Ｈ”２２に対する特徴値４２と“Ｈ”の認
識辞書８５との距離６５は１７．７５となり、同じ特徴
値４２と“Ｍ”の認識辞書８６との距離６６は２２．２
５となる。距離算出の後、認識辞書変更手段５により認
識辞書の変更を行うが、この場合、数４の条件判定によ
り“Ｈ”の認識辞書８５、“Ｍ”の認識辞書８６は変更
されない。

【００１９】次に、パターン判定手段４で文字“Ｍ”２
４に対する特徴値４４と“Ｈ”の認識辞書８５との距離
、同じ特徴値４４と“Ｍ”の認識辞書８６との距離を求
める。式（５）と式（６）より、文字“Ｍ”２４に対す
る特徴値４４と“Ｈ”の認識辞書８５との距離６７は２
１．２５となり、同じ特徴値４４と“Ｍ”の認識辞書８
６との距離６８は１８．７５となる（図１６）。距離算
出の後、認識辞書変更手段５により認識辞書の変更を行
う。パターン判定の結果は、数４の条件判定により“棄
却”７４となり認識辞書は変更される。式（７）〜式（
１０）の算式に従い、“Ｈ”の認識辞書は８７、“Ｍ”
の認識辞書は８８に変更される。

【００２０】上記の処理を図１１の２１〜２５の文字が
すべて正しく認識できるようになるまで繰り返す。その
結果、図２１の８９、９０に示す認識辞書が得られ、図
１１に示した学習に用いる文字をすべて正読することが
できる。

【００２１】

【発明が解決しようとする課題】従来のパタ−ン読み取
り装置は以上のように構成され、動作は参照ベクトルが
同じカテゴリのときも違ったカテゴリの時もサンプルパ
タ−ンに近づき、あるいは遠ざかるように動作し、誤読
と棄却の場合に関連する認識辞書をすべて更新するので
、認識辞書の作成に時間がかかる。

【００２２】この発明は、上記のような問題点を解決す
るためになされたもので、認識辞書の作成を短時間で実
行する装置を得ようとするものである。

【００２３】

【課題を解決するための手段】この発明に係るパタ−ン
認識装置及び認識辞書変更方法は、パタ−ン判定を段階
に分けて行うパタ−ン段階判定手段と、判定結果により
自カテゴリの認識辞書を変更する第１の認識辞書変更手
段と、第１の認識辞書変更結果と入力パタ−ンとを比較
判定しその結果により、他カテゴリの認識辞書を変更す
る第２の認識辞書変更手段を設けた。または基準になる
範囲の入力パタ−ンを自カテゴリ、他カテゴリの認識辞
書と比較判定し、結果によりまず第１の自カテゴリの認
識辞書を変更し、次いでその変更後の認識辞書との比較
結果により第２の他カテゴリの認識辞書を変更するよう
にした。

【００２４】

【作用】この発明においては、パタ−ン段階判定結果に
よりまず自カテゴリの認識辞書だけが変更される。さら
に自カテゴリとの距離だけが再演算され、必要があった
時だけ他カテゴリの認識辞書だけが変更される。

【００２５】

【実施例】

実施例１．以下、この発明の位置実施例を図について説
明する。図１はこの発明の一実施例であるパターン読み
取り装置の一例である文字読み取り装置の構成を示すブ
ロック図であり、図９に示す従来装置のものと同一また
は相当部分は同一符号を用いて示す。図１において、１
４は認識辞書と入力特徴値とを比較し類似したパターン
との類似度を示す距離を出力し、かつ、その判定を２段
に分けて判定出力するパターン段階判定手段である。１
５はエラー時に正解データの認識辞書を変更する第１の
認識辞書変更手段、１６はエラー時に正解データ以外の
最短データの認識辞書を変更する第２の認識辞書変更手
段である。

【００２６】図２は図１のパタ−ン段階判定手段１４の
動作を示すフロ−チャ−トである。図３は図２のステッ
プＡとステップＢの内容を説明する図である。また図４
から図８は図１の構成のパタ−ン読み取り装置の動作を
説明する図であり、従来の動作説明である図１５から図
２１の文字ＨとＭの認識辞書の習得の過程に対応したも
のである。図中の番号で図１５〜図２１と同じになる部
分は、同一番号に＊を付して表し、異なる値になる部分
は、１００番台の番号を与えて区別をしている。

【００２７】ここで用いる手法はＬＶＱモデルであるが
、カテゴリＣｓ　に属する参照ベクトルＭｃ　の変更の
仕方を、第１段階で変更する必要がある場合、つまり誤
読か棄却（リジェクト）の場合、カテゴリＣｒ　に属す
るサンプルベクトルＸと同一カテゴリ（Ｃｓ　＝Ｃｒ　
）の参照ベクトルＭｃ　だけに限定して近付けるように
変更し、第２段階の判定で更に変更する必要がある場合
、つまり誤読か棄却の場合、サンプルベクトルと異なる
他カテゴリ（Ｃｓ　≠Ｃｒ　）の参照ベクトルだけに限
定して遠ざけるように変更する方法とした。つまり、第
１段階で参照ベクトルは正しいカテゴリに属するサンプ
ルパタ−ンに近づき、違ったカテゴリに属する参照ベク
トルの場合はいったんはそのままにしておき、第２段階
でも識別が不正確な場合のみ、今度は違ったカテゴリに
属する参照ベクトルだけがサンプルパタ−ンから遠ざか
ることを意味する。

【００２８】図１のパタ−ン読み取り装置の動作を、従
来例の文字ＨとＭの認識辞書の習得を例に説明する。対
象は図１１の２１〜２５の文字ＨとＭで、走査手段２で
読み取ったパタ−ンは図１２の３１〜３５となり、特徴
抽出手段３の結果の例は図１３の４１〜４５となる。従
来と同じこれらの値により、図１４の認識辞書を変更し
て行く。パタ−ン段階判定手段１４の動作は、図２に示
すように、学習用のサンプルパタ−ンつまり入力特徴値
と参照ベクトルつまり認識辞書との距離を計算し、第１
段階の判定結果では同じカテゴリの認識辞書のみを修正
する。次いで第２段階の判定結果により異なるカテゴリ
の認識辞書のみを修正する。

【００２９】まず、”Ｈ”と”Ｍ”の認識辞書の初期値
をすべて”０”とする（図４の学習前の辞書の８１＊と
８２＊）。次いでパタ−ン段階判定手段１４で文字”Ｈ
”２１にに対する特徴値４１と”Ｈ”の認識辞書８１＊
との距離、同じ特徴値４１と”Ｍ”の認識辞書８２＊と
の距離を式（５）式（６）を用いて計算する。その結果
は図４の６１＊と６２＊に示すように共に２５となる。 本発明によると、条件判定はまず数５の条件により行わ
れ、認識辞書の変更は、式（１２）〜式（１５）に示す
ように自カテゴリだけであり、”Ｈ”の認識辞書は８３
＊のように変更される。

【００３０】

【数５】

【００３１】次いでパタ−ン段階判定手段１４により他
カテゴリの変更された認識辞書と文字”Ｈ”２１との距
離計算がされるが、本発明の場合は他カテゴリの認識辞
書は変更されていない。ともかく第２段階の条件判定は
数６の条件により行われ、その結果により第２の認識辞
書変更手段１６で式（１６）〜式（１９）の変更をする
。このばあいはＴＨ１は”３”なので数６の条件から認
識辞書の変更はされず”Ｍ”の認識辞書は８２＊のまま
である。

【００３２】

【数６】

【００３３】次に、パタ−ン段階判定手段１４で文字”
Ｍ”２３に対する特徴値４３と”Ｈ”の認識辞書８３＊
との距離、同じ特徴値４３と”Ｍ”の認識辞書８２＊と
の距離を求める。式（５）、式（６）からそれぞれの距
離は図４の６３＊の１５．５と１６４で示す２５となる
。距離算出後、第１の認識辞書変更手段１５は数５の条
件により、この場合はＴＨ１は”３”なので式（１２）
〜式（１５）で”Ｍ”の認識辞書は変更されて１８５に
なる。次いで変更後の認識辞書を用いて距離計算をする
が、実際には他カテゴリの”Ｈ”の認識辞書は変更され
ていないので簡単である。パタ−ン段階判定手段１４は
第２段階の判定を数６の条件で行い、この場合ＴＨ１は
”３”なので第２の認識辞書変更手段は動作しない。つ
まり認識辞書８３＊は変更されない。

【００３４】次に、パタ−ン段階判定手段１４で文字”
Ｈ”２２に対する特徴値４２と”Ｈ”の認識辞書８３＊
との距離、同じ特徴値４２と”Ｍ”の認識辞書１８５と
の距離を求める。式（５）、式（６）からそれぞれの距
離は図４の１６５に示す１３．５と１６６で示す１６．
５となる。距離算出後、第１の認識辞書変更手段１５は
数５の条件により、この場合は、ＴＨ１は”３”なので
式（１２）〜式（１５）で”Ｈ”の認識辞書は変更され
て１８６になる。次いで変更後の認識辞書を用いて距離
計算をするが、実際には他カテゴリの”Ｍ”の認識辞書
は変更されていないので簡単である。パタ−ン段階判定
手段１４は第２段階の判定を数６の条件で行い、この場
合ＴＨ１は”３”なので第２の認識辞書変更手段は動作
しない。つまり認識辞書１８５は変更されない。

【００３５】上記の処理を図１１の２１〜２５のすべて
の文字を正しく認識できるまで繰り返す。最終的には図
８の１８７と１８８に示す認識辞書が得られる。上記の
学習の経過をみると、同じ数の文字をすべて正しく認識
する認識辞書の作成に、延べ１６個のパタ−ンを学習す
ればよく、従来の延べ２１個のパタ−ンの学習に比べ、
短時間の学習でよいことがわかる。

【００３６】実施例２．上記実施例ではパタ−ン段階判
定手段、第１の認識辞書変更手段、第２の認識辞書変更
手段を用いたが、これらを同一マイクロプロセッサで構
成してもよい。そして学習にあたり、学習対象のパタ−
ンの特徴抽出後、その判定の際のフロ−チャ−トとして
図２のフロ−チャ−トを用い、第１段階の判定結果で第
１に自カテゴリの認識辞書を変更する。次いで第２段階
で変更後の自カテゴリの認識辞書と入力パタ−ンとを比
較し、その判定結果によって２番目に他カテゴリの認識
辞書を変更する。以後、次の学習対象のパタ−ンを入力
し、第１段階からの判定から同様のことを繰り返す。こ
のようにしてすべての学習対象が正しく認識できるまで
認識辞書を変更して行く方法としてもよい。

【００３７】実施例３．また、上記実施例では“Ｈ”と
“Ｍ”の活字文字パターンの認識を例にあげたが、これ
に限らず手書きの文字（数字、漢字など）の多数の文字
認識にも適用できる。また、特徴として文字の白黒特徴
を用いたが、これに限らず他の特徴を用いてもよい。ま
た、上記実施例では認識辞書の変更順序を正解文字の辞
書の次に誤読あるいは棄却した文字の辞書を変更する例
を示したが、これに限らず上記実施例の逆で誤読あるい
は棄却した文字の辞書の次に正解文字の辞書を変更する
こともできる。

【００３８】実施例４．また、本発明のパターン認識装
置は、文字認識以外にも音声認識などの他のパターン認
識にも適用できる。また、認識辞書の変更を停止する条
件としてすべての文字が認識できることを用いたが、こ
れに限らず９０％の文字が認識できるなどの条件も設定
できる。９０％の文字が認識できるという条件設定にし
た場合には、すべての文字が認識できるという条件設定
に比較して高速に学習できる。また、認識辞書の変更条
件のしきい値を３に設定したがこれに限らず自由に設定
できる。

【００３９】

【発明の効果】以上のようにこの発明によれば、パタ−
ンの判定を段階に分けて行うパタ−ン段階判定手段と、
判定結果により自カテゴリの認識辞書を変更する第１の
認識辞書変更手段と、第１の変更結果との条件判定によ
り他カテゴリの認識辞書を変更する第２の認識辞書変更
手段を設けたので、またはパタ−ンの判定を段階に分け
て行い、第１段階の結果ではまず自カテゴリの認識辞書
の変更を行い、第２段階で他カテゴリの認識辞書の変更
を行うようにしたので、認識辞書の作成が短時間に行え
る効果がある。

【図面の簡単な説明】

【図１】本発明の一実施例であるパタ−ン読み取り装置
の構成を示すブロック図である。

【図２】本発明の一実施例であるパタ−ン段階判定装置
の動作を示すフロ−チャ−トである。

【図３】図２のステップＡ、Ｂの詳細説明図である。

【図４】本発明の一実施例の認識辞書が変更されて行く
過程を説明する図である。

【図５】本発明の一実施例の認識辞書が変更されて行く
過程を説明する図である。

【図６】本発明の一実施例の認識辞書が変更されて行く
過程を説明する図である。

【図７】本発明の一実施例の認識辞書が変更されて行く
過程を説明する図である。

【図８】本発明の一実施例の認識辞書が変更されて行く
過程を説明する図である。

【図９】従来のパタ−ン読み取り装置の構成ブロック図
である。

【図１０】従来のパタ−ン読み取り装置の判定手順と認
識辞書変更手段の説明図である。

【図１１】パタ−ン読み取り装置の認識辞書学習用に入
力する帳票に記載された文字の例を示す図である。

【図１２】パタ−ン読み取り装置の走査で得られる文字
パタ−ンの例を示す図である。

【図１３】パタ−ン読み取り装置の特徴抽出により得ら
れる特徴値の例を示す図である。

【図１４】認識辞書の格納形態の例を示す図である。

【図１５】従来の認識辞書が変更されて行く過程を説明
する図である。

【図１６】従来の認識辞書が変更されて行く過程を説明
する図である。

【図１７】従来の認識辞書が変更されて行く過程を説明
する図である。

【図１８】従来の認識辞書が変更されて行く過程を説明
する図である。

【図１９】従来の認識辞書が変更されて行く過程を説明
する図である。

【図２０】従来の認識辞書が変更されて行く過程を説明
する図である。

【図２１】従来の認識辞書が変更されて行く過程を説明
する図である。

【符号の説明】

１４　　　　パタ−ン段階判定手段 １５　　　　第１の認識辞書変更手段 １６　　　　第２の認識辞書変更手段

Claims (2)

【特許請求の範囲】
1. 【請求項１】　　基準になる範囲の入力パタ−ンを、ま
   ず自カテゴリの認識辞書、他カテゴリの認識辞書とそれ
   ぞれ比較判定し、後述する第１の認識辞書の変更手段に
   よる変更後の演算結果によっては次いで他カテゴリの認
   識辞書と比較判定するパタ−ン段階判定手段と、上記パ
   タ−ン段階判定手段の判定結果により自カテゴリの認識
   辞書を変更する第１の認識辞書変更手段と、上記パタ−
   ン段階判定手段の判定結果により、必要に応じて他カテ
   ゴリの認識辞書を変更する第２の認識辞書変更手段を備
   えたパタ−ン認識装置。
2. 【請求項２】　　基準になる範囲の入力パタ−ンを、ま
   ず自カテゴリの認識辞書、他カテゴリの認識辞書とそれ
   ぞれ比較判定し、次いで上記入力パタ−ンとの比較判定
   結果によってはまず第１に自カテゴリの認識辞書を変更
   し、次いで上記変更後の自カテゴリ−の認識辞書と上記
   入力パタ−ンを比較判定してその結果により、必要に応
   じて第２に他カテゴリの認識辞書を変更することを繰り
   返し、正読判定を得て辞書を定める認識辞書変更方法。