JPH07121709A

JPH07121709A - パターン識別装置

Info

Publication number: JPH07121709A
Application number: JP5287626A
Authority: JP
Inventors: Kenji Wakamatsu; 健司若松; Hiroshi Tomiyasu; 寛富安
Original assignee: N T T DATA TSUSHIN KK; NTT Data Communications Systems Corp
Current assignee: N T T DATA TSUSHIN KK; NTT Data Corp
Priority date: 1993-10-22
Filing date: 1993-10-22
Publication date: 1995-05-12

Abstract

(57)【要約】【目的】大規模カテゴリを扱うパターン識別装置におい
て、参照パターンのクラスタリングに新規な方式を採用
することにより、精度の高いパターン識別を可能にす
る。【構成】辞書蓄積部６には、予め用意された識別空間が
蓄積されている。パターン識別部１は、予め用意された
識別空間を参照して、文字や音声などの識別対象を最短
距離法によってパターン識別する。識別確信度計算部２
は、パターン識別により得られた識別距離数列に基づい
て識別信度を求める。階層化部３は、この識別確信度に
基づいて、パターン識別の際に参照した識別空間が識別
対象に関して良い識別空間であるか否かを判断する。良
い識別空間であると判断されると、最終識別部５がパタ
ーン識別の結果を最終識別結果として出力する。一方、
判断結果が悪い識別空間であることを示す場合は、階層
化制御部４が別の特徴量による識別空間を用いて、パタ
ーン識別を再度行って同様の検証を行うよう、パターン
識別部１、識別確信度計算部２及び階層化部３を制御す
る。

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】本発明は、文字認識や音声認識な
どのパターン識別装置に関し、特に、類似した対象が多
く含まれる大規模カテゴリを扱う際に高い識別精度が得
られるように改良したパターン識別装置に関する。

【０００２】

【従来の技術】現在、コンピュータを利用して、イメー
ジデータから、対象となる文字の識別を行なうＯＣＲ
（光学式文字読取装置）や、音声データから音声の識別
を行なう音声認識装置などの識別システムが開発されて
いる。これらの識別システムでは、パターン識別装置を
用いて、識別の対象となる文字や音声の入力パターンか
ら、そのパターンを表現する特徴を抽出し、あらかじめ
登録してある参照パターンの特徴を照合することによ
り、入力パターンに類似する参照パターンを検索して、
識別を行なう。

【０００３】このパターン識別において、カテゴリの種
類の多い大規模カテゴリを識別する場合には、参照パタ
ーンに類似のものが多くなり、識別精度が下がるため、
全体の参照パターン群を複数の類似パターン群（クラス
タ）毎に分類（クラスタリング）した後、そのクラスタ
内で詳細な識別を行なうという手段が取られている。こ
の際、クラスタリングには例えば統計的な手法の一つで
あるクラスタ分析や、ニューラルネットを応用した手法
については堀田健一他「大規模ニューラルネット“Ｃｏ
ｍｂＮＥＴ−ＩＩ”」（電子情報通信学会論文誌Ｄ−Ｉ
Ｉ）などを参照されたい。

【０００４】

【発明が解決しようとする課題】上記の文献などに見ら
れる従来のパターン識別装置においては、大規模カテゴ
リの識別に対応するためのクラスタリングを行う際に、
参照パターンの類似度などを用いる。したがって、類似
した参照パターンを一つのクラスタに分類されることに
なるが、そのようなクラスタリングが必ずしも実際の識
別に良い影響を与えるとは限らず、識別精度の向上につ
ながるとは限らない。

【０００５】本発明は、上記事情に鑑みてなされたもの
で、その目的とするところは、大規模カテゴリを扱うパ
ターン識別装置において、参照パターンのクラスタリン
グに新規な方式を採用することにより、精度の高いパタ
ーン識別を可能にすることにある。

【０００６】尚、以下の説明から明らかなように、本発
明が採用するクラスタリングの新方式は、類似パターン
群毎に分類する従来のクラスタリングとは本質的に異な
り、異なる特徴量の参照パターン群を階層構造又はトリ
ー構造に組み合わせるものである。そこで、この明細書
では、この新規な方式を従来のクラスタリングと区別す
るために「階層化」と呼ぶことにする。

【０００７】

【課題を解決するための手段】本発明のパターン識別装
置は、予め用意された識別空間を参照して、文字や音声
などの識別対象を最短距離法によってパターン識別する
手段と、このパターン識別により得られた識別距離数列
に基づいて識別信度を求める手段と、この識別確信度に
基づいて、前記参照した識別空間が対象の識別に関して
良い識別空間であるか否かを判断する手段とを有するこ
とを特徴とする。

【０００８】

【作用】本発明のパターン識別装置においては、入力さ
れた対象を最短距離識別法によりパターン識別し、その
際の識別距離数列から識別確信度を求め、この識別確信
度から識別に用いた識別空間が入力対象の識別に関して
良い識別空間（つまり、精度の高い識別を可能にする識
別空間）か否かを判断する。

【０００９】この装置を用いて、全ての識別対象に関し
て良い識別空間を提供できる階層構造の識別辞書を作成
することが可能である。即ち、カテゴリが既知である多
数の識別対象を本装置に入力して、予め用意した識別空
間を用いてこれをパターン認識し、その結果から識別確
信度を求めることにより、その予め用意した識別空間が
その入力対象のカテゴリに関して良い空間なのか否かが
判断できる。そして、その予め用意した識別空間が或カ
テゴリ群に関しては良い識別空間であるが、他のカテゴ
リ群に関しては悪い空間であるとの判断結果が出たなら
ば、他のカテゴリ群に関して、別の特徴量の識別空間を
新たに用意して、上記と同様の検証を行う。このような
動作を繰り返して、カテゴリ群を絞り込みつつ次々と新
たな識別空間を用意て階層状に関係づけていくことによ
り、最終的に、全てのカテゴリに対して何れかの階層が
良い識別空間を提供できる階層構造の識別辞書が出来上
がる。

【００１０】また、このように作成した識別辞書を用い
て、本装置で未知の対象のパターン識別を行うことによ
り、高い精度でのパターン識別が可能である。即ち、辞
書の中の或階層の識別空間を用いて識別を行い、その結
果からその識別空間が未知対象に対して良い空間か否か
を判断し、悪い空間で有れば、別の階層の識別空間を用
いて再度識別を行って、その結果を同様に検証する。こ
のような動作の繰り返しにより、その未知対象に対する
良い識別空間を辞書内から検索することが出来る。そし
て、検索した良い識別空間を用いた識別結果を最終的な
識別結果として出力することにより、高い精度の最終識
別結果が得られる。

【００１１】

【実施例】以下、本発明の実施例を図面により詳細に説
明する。

【００１２】図１は、本発明に従うパターン識別装置の
一実施例ブロック構成を示す。

【００１３】図１に示すように、本実施例装置はパター
ン識別部１、識別確信度計算部２、階層化部３、階層化
制御部４、最終識別部５及び辞書蓄積部６から構成され
る。

【００１４】この装置の動作は学習モードと識別モード
の２つに分けることができる。学習モードでは、辞書蓄
積部６内に階層構造をもった識別辞書を構築するための
処理が行なわれる。この処理のために、主として、パタ
ーン識別部１、識別確信度計算部２、階層化部及び階層
化制御部４が動作する。

【００１５】識別モードでは、蓄積部６内の辞書を用い
て、入力された未知のパターン識別が行なわれる。この
処理では、主として、パターン識別部１、識別確信度計
算部２、階層化部３及び最終識別部５が動作する。

【００１６】以下、図１に示す各部の機能を説明する。

【００１７】パターン識別部１は、識別すべきサンプル
パターンを入力して、このサンプルパターンと蓄積部６
内の参照パターンとの間の距離を計算し、最短距離法に
よりサンプルパターンを識別する。ここでのパターン識
別法は公知の方法が採用でき、これについては例えば舟
久保登著「視覚パターンの処理と認識」（哲学出版）を
参照されたい。

【００１８】図２及び図３は、パターン識別部１内の最
短距離法による識別の様子を示すものである。パターン
識別部１は、最短距離法を行う際に、図２や図３のよう
に識別距離を昇順に整列し、距離が小さい方から第一候
補、第二候補、第三候補……と識別する。

【００１９】ところで、図２の例は、サンプルパターン
に近接する３つの参照パターンＡ，Ｂ，Ｃが存在したと
きに、それら参照パターンＡ，Ｂ，Ｃの識別距離ｄA,ｄ
B,ｄCに有意な差が存在しない場合を示している。この
場合には、必ずしも第一候補が正解パターンであるとは
限らず、第二候補又は第三候補が正解パターンである場
合が少なからず存在する。このような参照パターンの空
間（識別空間）を「悪い識別空間」と呼ぶことにする。
一方、図３の例は参照パターンＡ，Ｂ，Ｃの識別距離ｄ
A,ｄB,ｄCに有意な相違が存在しない場合であり、この
場合は、ほぼ確実に第一候補が正解パターンである。こ
のような識別空間を「良い識別空間」と呼ぶことにす
る。

【００２０】さて、学習モードにおいて作成しようとす
る識別辞書の目標像は、すべてのカテゴリに対して良い
識別空間を提供できる辞書である。そこで学習モードで
は、予め用意した参照パターンが良い識別空間を提供す
るものであるか否かをカテゴリ毎に検証し、最初の参照
パターンでは良い識別空間が得られないカテゴリに関し
ては、別の特徴量の参照パターンを用意して同様に検証
を行い、それでもまだ良い識別空間が得られないカテゴ
リに関しては、更に別の特徴量の参照パターンを用意し
て検証する、……という作業を繰り返していく。それに
より、複数種類の異なる特徴量の参照パターン群が階層
構造をなした辞書が構築されることになる。そして、ど
のカテゴリに対しても、この辞書内の何れかの階層（何
れかの特徴量の参照パターン群）が良い識別空間を提供
することになる。

【００２１】この学習モードでは、パターン識別装置１
は、上記の検証を行うために、各カテゴリに関して予め
用意された多数の既知の学習用サンプルパターンを入力
し、各サンプルパターンについて蓄積部６内の参照パタ
ーンを参照して最短距離法による識別を行う。この識別
の結果、第１候補が正解パターンとなる頻度が非常に高
かったカテゴリについては、良い識別空間が既に得られ
ていると判断することができる。一方、第２候補や第３
候補が正解パターンとなる頻度が相当にあったカテゴリ
については、良い識別空間がまだ得られてないと判断す
ることができ、その場合には、更に別の参照パターンを
辞書に組み込み、同様な検証を行う必要がある。このよ
うな判断と検証の繰り返しのための制御は、後述する識
別確信度計算部２、階層化部３及び階層化制御部４によ
って行われる。

【００２２】一方、識別モードでは、パターン識別装置
１は未知のサンプルパターンを入力し、蓄積部６内の階
層構造の辞書を参照してこれを識別する。その場合、そ
の未知パターンに対して良い識別空間を提供する階層を
辞書内から選別して、その選別した階層を用いて識別を
行うことが必要である。そのために、後述する識別確信
度計算部２、階層化部３及び階層化制御部４が、パター
ン識別部１の識別結果を受けて、それが適切な階層を用
いた識別結果であるか否かを判断し、否の場合には別の
階層を用いて再度識別を行うようパターン識別部１にフ
ィードバックする。それにより、最終的に、パターン識
別装置４は、辞書内の良い識別空間を用いて未知パター
ンを識別することが可能となる。

【００２３】識別確信度計算部２は、パターン識別部１
によって得られた、図２に示すｄB，ｄA，ｄC，……や
図３に示すｄC，ｄA，ｄB……のような昇順に整列され
た識別距離数列（昇順識別距離数列という）を受け、識
別確信度を計算する。この識別確信度は、例えば、判別
分析によって計算することができる。判別分析について
は、奥野忠一他「多変量解析法」（日科技連）を参照さ
れたい。

【００２４】学習モードでは、識別確信度計算部２は、
多数の学習サンプルパターンの識別結果（昇順識別距離
数列）をパターン識別部１より受けて、説明変数として
この昇順識別距離数列を用い、目的変数として正解パタ
ーンが第何候補であったかを示す候補番号を用いて判別
分析を行う。

【００２５】判別分析は、例えばＳ言語の関数ｄｉｓｃ
ｒを用いて行なうことができる。Ｓ言語についてはＲ．
Ａ、ベッカー等著「Ｓ言語〜データ解析とグラフィック
スのためのプログラミング環境〜ＩＩ」（共立出版）を
参照されたい。一例として、第ｐ位までの昇順識別距離
数列ｄ1，ｄ2，…ｄpを用い、ｐ群に分ける（正解パタ
ーンが第一位、第二位…第（ｐ−１）位の各群とそれ以
降の群とに分ける）こととすると、この判別分析によっ
て、パターン識別部１が識別に用いた参照パターン群
（階層）に固有のｐ個の判別関数が得られる。これら判
別関数は蓄積部６内の辞書に登録される。

【００２６】ｐ個の各判別関数は、識別距離数列ｄ1，
ｄ2，…ｄpの関数（例えば、線形一次関数）である。こ
のｐ個の判別関数を用いて、或サンプルパターンを識別
して得た識別距離数列ｄ1，ｄ2，…ｄpについて後述す
るような演算処理を行なうことにより、その階層を用い
てそのサンプルパターンを識別した場合の識別結果の精
度を示す「識別確信度」が得られる。

【００２７】この識別確信度は、図４に例示するような
意味合いを持つ（ｐ＝３の場合を例示する）。すなわち
図４（Ａ）は、識別確信度＝１の場合を示し、この場合
は各正解候補の識別距離間に有意な差がある良い識別空
間を用いて識別を行なったことを意味する。図４（Ｂ）
は、識別確信度＝２の場合を示し、これは第１候補と第
２候補の識別距離間に有意な差がない悪い識別空間を用
いて識別したことを意味する。図４（Ｃ）は、識別確信
度＝３の場合を示し、これは第１候補から第３候補まで
の識別距離間に有意な差がない更に悪い識別空間を用い
て識別したことを意味する。

【００２８】このように、識別確信度は識別空間の良し
悪しの程度を示す指標となる。

【００２９】学習モードでは、蓄積部６内の参照パター
ン群に関して各カテゴリの識別確信度を計算して、識別
確信度が２以上であったカテゴリについては、別の特徴
量の参照パターンを新たに用意して、それについて識別
確信度を再度計算し、その結果識別確信度が２以上であ
ったカテゴリについては、更に別の特徴量の参照パター
ンを新たに用意して同様の計算を行なう、…という作業
が繰り返し行なわれる。

【００３０】この作業を行なうために、識別確信度計算
部２は、各カテゴリ毎に、多数の学習サンプルパターン
の識別結果（昇順識別距離ｄ1,ｄ2,…ｄp）を受けて、
先に計算した判別関数にその識別結果を代入して計算す
ることにより、各カテゴリ毎の識別確信度を計算する。
具体的には以下のように行なう。

【００３１】即ち、判別分析によって求まったｐ個の判
別関数（Ｓ言語ではｖａｒｓ）を用いて、識別確信度を
求める際、予めｐ個の各群毎に、判別得点ベクトル（ｚ
1,ｚ2,…ｚp）の平均を求めておく。その方法は、ｐ個
の判別関数をｓを要素とする行列で表わすと、

【数１】のように計算する。尚、上式の左辺は、ｐ個の各群の判
別得点ベクトル（ｚ1,ｚ2,…ｚp）の平均を意味し、右
辺は、ｐ個の判別関数に各群の識別距離数列ｄ1,ｄ2,…
ｄpの平均を代入して関数値を計算することを意味し、
添数字(1),(2),…(p)は群番号を意味する。このように
して、各群毎の判別得点ベクトルの平均を得た上で、個
々のサンプルパターンの識別確信度を求める。その方法
は、個々のサンプルパターンの昇順識別距離をｄ1,ｄ2,
…ｄpをｐ個の判別関数に代入して、上記と同様の判別
得点ベクトル（ｚ1,ｚ2,…ｚp）を計算した後、これに
最も距離が近い平均判別得点ベクトルを持つ群を選択
し、その群番号をそのサンプルパターンの識別確信度と
して決定する。学習モードでは、１つのカテゴリについ
て多数のサンプルパターンを入力してそれぞれの識別確
信度を上記の方法で求め、それらの識別確信度の例えば
平均値を、そのカテゴリの識別確信度とする。

【００３２】このようにして求めた各カテゴリの識別確
信度は、蓄積部６内の参照パターン群がそのカテゴリに
対して良い識別空間であるかどうかを示している。つま
り、識別確信度＝１であれば蓄積部６内の辞書がそのカ
テゴリに対して良い識別空間を提供していることを意味
する。しかし、識別確信度＝２以上であれば、そのカテ
ゴリに対しては更に別の特徴量の参照パターン群（階
層）を辞書に加えなくてはならないことを意味する。

【００３３】一方、識別モードでは、識別確信度計算部
２は、未知パターンの識別結果を識別部１より受けて、
識別部１が用いた辞書の階層に固有の判別関数を用い
て、その識別結果についての識別確信度を計算する。こ
の方法は、既に述べたように、その未知パターンの昇順
識別距離ｄ1,ｄ2,…ｄpをｐ個の判別関数に代入して判
別得点ベクトル（ｚ1,ｚ2,…ｚp）を求め、これに最も
距離の近い平均判別得点ベクトルを持つ群の群番号をそ
の未知パターンの識別確信度とする。

【００３４】この識別確信度は、識別部１が識別に用い
た階層がその未知パターンに対して良い識別空間である
かどうかを示す。即ち、識別確信度＝１であれば、その
識別結果は精度の高いものであることを意味し、一方、
識別確信度＝２以上であれば、別の階層を用いて再度識
別し直す必要があることを意味する。

【００３５】階層化部３は、識別確信度計算部２によっ
て得られた識別確信度によって、さらなる階層の加入
（学習モードの場合）又は別の階層による再度の識別
（識別モードの場合）が必要かどうかを判断する。

【００３６】即ち、学習モードでは、階層化部３は、識
別確信度が２以上のカテゴリを集め、これを新たに辞書
に加入される階層の適用対象となるカテゴリ集団とし
て、そのカテゴリ名を蓄積部６内の辞書に書込む。これ
によって大規模なカテゴリであっても、辞書内の一つの
階層が適用されるカテゴリ数を減少させることが可能と
なる。一方、識別モードでは、階層化部３は、識別確信
度が２以上である場合は、異なる階層による再度の識別
が必要であると判断する。

【００３７】階層化制御部４は、階層化部３の判断結果
を受けて、学習モードでは、新たな階層の適用対象と判
定されたカテゴリ集団に関し、新たな階層の構築を行な
うための処理をパターン識別部１、識別確信度計算部２
及び階層化部３に実行させる。また、識別モードでは、
階層化制御部４は、再度の識別が必要と判定された場
合、再度の識別を行なうための処理をパターン識別部
１、識別確信度計算部２及び階層化部３に実行させる。

【００３８】最終識別部５は、識別モードにおいて、前
段までの結果を受け、識別確信度が１である場合の識別
結果を最終的な識別結果として出力する。

【００３９】次に、本実施例の動作を説明する。

【００４０】図５（Ａ）は、学習モードにおける動作流
れを示す。

【００４１】まず、蓄積部６内に或一種類の特徴量の参
照パターン群（第１の階層）から成る識別空間を辞書と
して用意する（ステップＳ１）。

【００４２】次に、正解パターンが既知の多数の学習パ
ターンを入力して、第１の階層を用いて識別を行ない、
その結果から第１の階層についての判別関数を求める
（ステップＳ２）。

【００４３】続いて、各カテゴリ毎に、多数の学習パタ
ーンを再度入力して第１の階層による識別を行ない、そ
の識別結果と、先に求めた判別関数とから、第１の階層
の各カテゴリに対する識別確信度を演算する（ステップ
Ｓ３）。

【００４４】そして、各カテゴリについて、識別確信度
＝１か否かをチェックする（ステップＳ４）。このチェ
ックの結果、識別確信度＝１となったカテゴリについて
は、第１の階層が十分に良い識別空間であると判断する
（ステップＳ５）。

【００４５】一方、識別確信度＝２以上となったカテゴ
リについては、第１の階層が悪い識別空間であると判断
する。この場合は、それらのカテゴリに関して、新たな
特徴量による参照パターン群（識別空間）を第２の階層
として辞書に加入する（ステップＳ１）。そして、この
第２の階層に関して、判別関数の計算（ステップＳ
２）、識別確信度の計算（ステップＳ３）及び識別確信
度のチェック（ステップＳ４）を行なう。

【００４６】その結果、第２の階層に関して識別確信度
＝２以上となるカテゴリがあれば、それらのカテゴリに
関して、ステップＳ１に戻って更に別の特徴量による識
別空間を第３の階層として辞書に加入する。

【００４７】以上の様な処理を、識別確信度＝２以上と
なるカテゴリがなくなるまで繰り返す。これにより、全
てのカテゴリに対して良い識別空間を与える階層状の識
別辞書が最終的に構築される。

【００４８】図６は、この様にして構築された階層構造
の辞書の一例を示す。

【００４９】図６の例では、第１階層は全てのカテゴリ
Ａ，Ｂ，Ｃ，Ｄ，Ｅ，Ｆ，Ｇの参照パターンを含んだ識
別空間であり、カテゴリＣとＥについてのみ良い識別空
間である。第２階層は、第１階層では良い識別空間が得
られなかったカテゴリＡ，Ｂ，Ｄの参照パターン（第１
階層とは異なる特徴量のもの）から成る識別空間であ
り、カテゴリＤに対しては未だ良い識別空間ではない。
第３階層はカテゴリＤの参照パターン（第１及び第２階
層とは異なる特徴量のもの）から成る識別空間であり、
カテゴリＤに対して良い識別空間である。

【００５０】なお、カテゴリＦ，Ｇについては、カテゴ
リＡ，Ｂ，Ｄと同様に図示の第２階層、第３階層によっ
て対応させてもよいが、第１階層から図示の第２階層、
第３階層の枝とは別に分枝した図示してない階層を用意
してこれにより対応してもよい。

【００５１】このような階層構造の辞書によって全ての
カテゴリＡ，Ｂ，Ｃ，Ｄ，Ｅ，Ｆ，Ｇに対して良い識別
空間が提供できる。

【００５２】図５（Ｂ）は、識別モードでの動作を示
す。

【００５３】まず、未知パターンを入力して、第１階層
に対応する特徴量を抽出する（ステップＳ１１）。そし
て、この特徴量を用い、第１階層の参照パターンを参照
して最短距離法による識別を行ない、この識別結果と第
１階層についての判別関数とから、識別確信度を求める
（ステップＳ１２）。

【００５４】次に、その識別確信度が１か否かチェック
して（ステップＳ１３）、１であれば、第１階層が十分
に良い識別空間であることを意味するから、その識別結
果を最終的な識別結果として出力する（ステップＳ１
４）。

【００５５】一方、識別確信度が２以上の場合は、ステ
ップＳ１に戻り、未知パターンから第２階層に対応する
特徴量を抽出し、これを用いて第２階層を参照して再度
の識別を行ない、その結果を同様にチェックする（ステ
ップＳ１２、１３）。

【００５６】このチェックの結果、識別確信度＝１なら
第２階層での識別結果を最終識別結果として出力し、識
別確信度＝２以上なら第３階層での識別を同様に行な
う。

【００５７】このようにして、階層構造の辞書の中から
識別確信度＝１が得られる階層、つまり良い識別空間を
選別して、これを用いて未知パターンの識別を行なうた
め、高い精度での識別が可能となる。

【００５８】以上、本発明の一実施例を示したが、本発
明はこれに限定されるものではなく、他の種々の態様で
も実施できることは言うまでもない。

【００５９】

【発明の効果】以上、詳細に説明した如く、本発明によ
れば、識別確信度に基づいて階層構造の識別辞書を構築
し、この辞書の中から識別確信度の高い階層を選択して
未知パターンの識別を行なっているため、大規模のカテ
ゴリを扱う場合でも識別精度の高いパターン識別が可能
となる。

【００６０】また、その際に用いるパターン識別手段
は、通常の最短距離法を用いたパターン識別手段を流用
することが可能である。

【図面の簡単な説明】

【図１】本発明に従うパターン識別装置の一実施例の構
成を示すブロック図である。

【図２】同実施例におけるパターン識別部内の最短識別
法による識別結果の一例を示す図である。

【図３】同実施例におけるパターン識別部内の最短識別
法による識別結果の別の例を示す図である。

【図４】同実施例により計算された識別確信度の意味を
説明するための説明図である。

【図５】同実施例の動作を示すフローチャートである。

【図６】同実施例により得られた階層構造を持つ識別辞
書の一例を示す説明図である。

【符号の説明】

１パターン識別部２識別確信度計算部３階層化部４階層化制御部５最終識別部６辞書蓄積部

Claims

【特許請求の範囲】

【請求項１】予め用意された識別空間を参照して、サ
ンプルパターンを最短距離法によってパターン識別する
手段と、前記パターン識別により得られる識別距離数列に基づい
て識別確信度を求める手段と、前記識別確信度に基づいて、前記参照した識別空間が前
記サンプルパターンの識別に関して良い識別空間である
か否かを判断する手段と、を有することを特徴とするパターン識別装置。
【請求項２】請求項１記載の装置において、前記サンプルパターンのとり得るカテゴリに関して識別
空間を用意する手段と、既に用意された識別空間を参照して既知のサンプルパタ
ーンをパターン識別したことにより得られた識別確信度
に基づいて前記判断手段が下した判断結果を受けて、こ
の判断結果が良くない識別空間である旨を示す場合に、
前記作成手段を制御して、前記予め用意された識別空間
とは異なる特徴量を用いた新たな識別空間を、前記既知
のサンプルパターンのカテゴリに関して用意させる制御
手段と、前記予め用意された識別空間と前記新たに用意された識
別空間とを階層状に関係づけて蓄積する手段と、を更に
有することを特徴とするパターン識別装置。
【請求項３】請求項１記載のパターン識別装置におい
て、階層状に関係づけられた、異なる特徴量を用いた複数の
識別空間が予め用意されており、そして、或識別空間を参照して未知のサンプルパターンをパター
ン識別したことにより得られた識別確信度に基づいて前
記判断手段が下した判断結果を受けて、この判断結果が
良くない識別空間である旨を示す場合、前記識別手段を
制御して、前記或識別空間とは異なる階層の識別空間を
参照して前記未知のサンプルパターンの識別を再度行わ
せる制御手段と、前記判断結果を受けて、この判断結果が良い識別空間で
ある旨を示す場合、この判断結果の基となったパターン
識別の結果を最終的な識別結果として出力する手段と、
を有することを特徴とするパターン識別装置。
【請求項４】最短距離法によるパターン識別に用いら
れる辞書を作成する方法において、 (a) 識別辞書内に予め蓄積された所定のカテゴリ集合
に関する所定の識別空間を参照して、前記カテゴリ集合
に属する多数の既知サンプルパターンを最短距離法によ
りパターン識別する過程と、 (b) 前記過程(a)より得られた識別距離数列を用いて判
別分析を行なうことにより、前記所定の識別空間の判別
関数を求める過程と、 (c) 前記所定の識別関数を参照して、前記カテゴリ集
合の各カテゴリに属する既知のサンプルパターンを最短
距離法によりパターン識別する過程と、 (d) 前記過程(c)より得られた各カテゴリに属するサン
プルパターンの識別距離数列に対して前記判別関数を適
用することにより、前記各カテゴリ毎の識別確信度を求
める過程と、 (e) 前記各カテゴリ毎の識別確信度に基づき、前記所
定の識別空間が各カテゴリの識別に関して良い識別空間
であるか否か判断する過程と、 (f) 前記過程(e)により良くない識別空間との判断結果
を得た部分的カテゴリ集合に関して、前記識別空間とは
異なる特徴量を用いた新しい識別空間を用意する過程
と、 (g) 前記新しい識別空間を、前記所定の識別空間に階
層状に関係づけて前記識別辞書に蓄積する過程と、 (h) 前記部分的カテゴリ集合を前記所定のカテゴリと
し、前記新しい識別空間を前記所定の識別空間として、
前記過程(a)から(e)までを再度繰り返す過程と、 (i) 何れのカテゴリに関しても前記過程(e)により良く
ない識別空間との判断結果が得られなくなるまで、前記
過程(f)から(g)までを繰り返す過程と、を有することを
特徴とする識別辞書作成方法。
【請求項５】未知のサンプルパターンを最短距離法に
よりパターン識別する方法において、 (a) 互いに階層状に関係づけられ、各々異なる特徴量
を用い、かつ各々固有の判別関数を有する複数の識別空
間を蓄積してなる識別辞書内から、１つの識別空間を選
択する過程と、 (b) 前記選択した識別空間を参照して、前記未知パタ
ーンを最短距離法によりパターン識別する過程と、 (c) 前記過程(b)より得られた識別距離数列を前記選択
した識別空間の判別関数に適用することにより、前記未
知パターンに関する識別確信度を求める過程と、 (d) 前記識別確信度に基づき、前記選択した識別空間
が前記未知パターンの識別に関して良い識別空間である
か否かを判断する過程と、 (e) 前記過程(d)により良くない識別空間との判断結果
を得た場合、前記選択した識別空間とは別の識別空間を
新たに選択して、前記過程(b)から(d)までを繰り返す過
程と、 (f) 前記過程(d)により良い識別空間との判断結果を得
た場合、前記過程(b)より得られた識別結果を最終的な
識別結果として出力する過程と、を有することを特徴と
するパターン識別方法。