JPH11306351A - データ統合方法及び装置、記録媒体 - Google Patents
データ統合方法及び装置、記録媒体Info
- Publication number
- JPH11306351A JPH11306351A JP10109707A JP10970798A JPH11306351A JP H11306351 A JPH11306351 A JP H11306351A JP 10109707 A JP10109707 A JP 10109707A JP 10970798 A JP10970798 A JP 10970798A JP H11306351 A JPH11306351 A JP H11306351A
- Authority
- JP
- Japan
- Prior art keywords
- score
- integrated
- category
- normalized
- data
- 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.)
- Pending
Links
Landscapes
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
- Collating Specific Patterns (AREA)
Abstract
(57)【要約】
【課題】 個々の認識スコアを最適に統合して、より信
頼性の高い統合結果を導出することが可能なデータ統合
装置を提供する。 【解決手段】 データ統合装置１は、認識スコア取得部
１１、正規化処理部１２、統合処理部１３、統合認識部
１４、評価処理部１５、及び統合結果出力部１６を具備
して構成される。個々の認識スコアは、正規化処理部１
２により各々正規化が施され、統合処理部１３では、複
数の正規化スコアを統合して正規化スコア毎に所定の重
要度パラメータを反映させた統合スコアを生成する。統
合認識部１４は、統合スコアに基づいた統合的な認識を
行い認証結果を出力する。評価処理部１５では、統合ス
コア及び認証結果に対する、所定の目的関数に基づいた
評価結果に即して重要度パラメータを適宜更新するとと
もに、統合処理部１３と共動して最適な統合スコアの生
成を行う。
頼性の高い統合結果を導出することが可能なデータ統合
装置を提供する。 【解決手段】 データ統合装置１は、認識スコア取得部
１１、正規化処理部１２、統合処理部１３、統合認識部
１４、評価処理部１５、及び統合結果出力部１６を具備
して構成される。個々の認識スコアは、正規化処理部１
２により各々正規化が施され、統合処理部１３では、複
数の正規化スコアを統合して正規化スコア毎に所定の重
要度パラメータを反映させた統合スコアを生成する。統
合認識部１４は、統合スコアに基づいた統合的な認識を
行い認証結果を出力する。評価処理部１５では、統合ス
コア及び認証結果に対する、所定の目的関数に基づいた
評価結果に即して重要度パラメータを適宜更新するとと
もに、統合処理部１３と共動して最適な統合スコアの生
成を行う。
Description
【０００１】
【発明の属する技術分野】本発明は、データ統合技術に
係り、より詳しくは、各々属すべきカテゴリに対する属
性的特徴を表す特徴データを最適に統合して、信頼性の
高い統合結果を導出する手法に関する。
係り、より詳しくは、各々属すべきカテゴリに対する属
性的特徴を表す特徴データを最適に統合して、信頼性の
高い統合結果を導出する手法に関する。
【０００２】
【従来の技術】データ統合の応用技術として、認識技術
分野における認証システムが知られている。この種の認
証システムでは、例えば、認証対象者に関する声紋や指
紋等の生体的特徴を表す照合データと認識装置（機器）
毎の認識データとの類似度合いを表す個々の認識スコア
を統合することにより、当該認識対象者に対する統合的
な正当性を判定している。このような各認識スコアにお
けるデータ統合手法では、例えば、各々の認識アルゴリ
ズムに基づいた認識装置（機器）毎の出力を、認識デー
タとなるパターンＡに対する、認証対象者Ｘからの照合
データの類似度合いを表す認識スコアｓとした場合に、
以下に示す３つのステップに基づいて実現されるのが一
般的である。
分野における認証システムが知られている。この種の認
証システムでは、例えば、認証対象者に関する声紋や指
紋等の生体的特徴を表す照合データと認識装置（機器）
毎の認識データとの類似度合いを表す個々の認識スコア
を統合することにより、当該認識対象者に対する統合的
な正当性を判定している。このような各認識スコアにお
けるデータ統合手法では、例えば、各々の認識アルゴリ
ズムに基づいた認識装置（機器）毎の出力を、認識デー
タとなるパターンＡに対する、認証対象者Ｘからの照合
データの類似度合いを表す認識スコアｓとした場合に、
以下に示す３つのステップに基づいて実現されるのが一
般的である。
【０００３】（１）正規化 基本確率関数等の確率的手法による正規化を行い、正規
化スコアを算出する。例えば、３つの認識スコアｓｉ
（ｉ＝１〜３）を想定した場合、個々の認識スコアにつ
いて「Ｘ＝Ａ」となる確率Ｐｉ（Ｘ＝Ａ｜ｓｉ）、及び
「Ｘ≠Ａ」となる確率Ｐｉ（Ｘ≠Ａ｜ｓｉ）を各々算出
する。
化スコアを算出する。例えば、３つの認識スコアｓｉ
（ｉ＝１〜３）を想定した場合、個々の認識スコアにつ
いて「Ｘ＝Ａ」となる確率Ｐｉ（Ｘ＝Ａ｜ｓｉ）、及び
「Ｘ≠Ａ」となる確率Ｐｉ（Ｘ≠Ａ｜ｓｉ）を各々算出
する。
【０００４】（２）統合ルール 四則演算を用い、正規化スコアの演算結果に基づいて統
合スコアを算出する。例えば、確率的な統合ルールであ
るＢａｙｅｓルールの場合には、確率の算出値の積（重
複順列）により統合する。この場合の「ＸがＡである」
確率、及び「ＸがＡでない」確率は、以下に示す式
（１）及び（２）で表される。
合スコアを算出する。例えば、確率的な統合ルールであ
るＢａｙｅｓルールの場合には、確率の算出値の積（重
複順列）により統合する。この場合の「ＸがＡである」
確率、及び「ＸがＡでない」確率は、以下に示す式
（１）及び（２）で表される。
【０００５】
【数１】
【０００６】（３）認識ルール 統合スコアの大小関係に基づいて最終的な認識結果（認
証結果）を判定する。具体的には、「ＸがＡである確
率」Ｐ（Ｘ＝Ａ｜ｓ１，ｓ２，ｓ３）、及び「ＸがＡで
ない確率」Ｐ（Ｘ≠Ａ｜ｓ１，ｓ２，ｓ３）についての
差分や除算を用いるのが一般的であり、例えば、最大事
後確率による場合には以下に示すような判定となる。 if P(X＝A|s1,s2,s3)-P(X≠A|s1,s2,s3)≧０ then X＝A else X≠A
証結果）を判定する。具体的には、「ＸがＡである確
率」Ｐ（Ｘ＝Ａ｜ｓ１，ｓ２，ｓ３）、及び「ＸがＡで
ない確率」Ｐ（Ｘ≠Ａ｜ｓ１，ｓ２，ｓ３）についての
差分や除算を用いるのが一般的であり、例えば、最大事
後確率による場合には以下に示すような判定となる。 if P(X＝A|s1,s2,s3)-P(X≠A|s1,s2,s3)≧０ then X＝A else X≠A
【０００７】この認証結果は、「認識対象者Ｘがパター
ンＡである」または「認識対象者ＸがパターンＡでな
い」かのいずれかを決定するものである。なお、以上の
説明に関する技術の詳細については、例えば、「Combin
ingClassifiers」（Proceedings of ICPR '96,pp.897-9
01）の記載を参考にすることができる。
ンＡである」または「認識対象者ＸがパターンＡでな
い」かのいずれかを決定するものである。なお、以上の
説明に関する技術の詳細については、例えば、「Combin
ingClassifiers」（Proceedings of ICPR '96,pp.897-9
01）の記載を参考にすることができる。
【０００８】
【発明が解決しようとする課題】ところで、上述のよう
な正規化〜認識ルールまでのステップを、具体的な装置
或いはシステム等に応用する場合に、演算手法等を具体
的に選択するための標準的な選択基準が定められていな
いという問題がある。そのため、上述のような技術を適
用した場合には、常に同一の重み付けに即して認識結果
の統合がなされるため、個々の認識スコアに対する信頼
度を考慮していないという問題があった。また、最終的
な認証結果に対する評価基準を、例えば、具体的な応用
目的と一致させる等、評価に関する考慮がなされていな
いために、統合的な認識結果に対する信頼性が低いとい
う問題があった。
な正規化〜認識ルールまでのステップを、具体的な装置
或いはシステム等に応用する場合に、演算手法等を具体
的に選択するための標準的な選択基準が定められていな
いという問題がある。そのため、上述のような技術を適
用した場合には、常に同一の重み付けに即して認識結果
の統合がなされるため、個々の認識スコアに対する信頼
度を考慮していないという問題があった。また、最終的
な認証結果に対する評価基準を、例えば、具体的な応用
目的と一致させる等、評価に関する考慮がなされていな
いために、統合的な認識結果に対する信頼性が低いとい
う問題があった。
【０００９】そこで本発明の課題は、個々の認識スコア
を最適に統合して、より信頼性の高い統合結果を導出す
ることが可能となるデータ統合方法を提供することにあ
る。本発明の他の課題は、上記データ統合方法の実施に
適したデータ統合装置を提供することにある。本発明の
他の課題は、上記データ統合方法及び装置等をコンピュ
ータ装置上で実現するための記録媒体を提供することに
ある。
を最適に統合して、より信頼性の高い統合結果を導出す
ることが可能となるデータ統合方法を提供することにあ
る。本発明の他の課題は、上記データ統合方法の実施に
適したデータ統合装置を提供することにある。本発明の
他の課題は、上記データ統合方法及び装置等をコンピュ
ータ装置上で実現するための記録媒体を提供することに
ある。
【００１０】
【課題を解決するための手段】上記課題を解決する本発
明のデータ統合方法は、各々属すべきカテゴリに対する
属性的特徴を表す複数の特徴データを統合する方法であ
って、前記属すべきカテゴリに関する確率密度関数に基
づき前記複数の特徴データを各々正規化して複数の正規
化スコアを生成する過程と、生成された複数の正規化ス
コアを統合して正規化スコア毎に所定の重要度パラメー
タを反映させた統合スコアを生成する過程と、生成され
た統合スコアに基づいて前記複数の特徴データに対する
統合的なカテゴリを特定する過程と、前記統合スコア及
び特定された統合的なカテゴリに対する、所定の評価関
数による評価結果に基づいて前記重要度パラメータを更
新する過程とを含み、前記更新された重要度パラメータ
を反映させて前記統合スコアの生成を行うことを特徴と
する。
明のデータ統合方法は、各々属すべきカテゴリに対する
属性的特徴を表す複数の特徴データを統合する方法であ
って、前記属すべきカテゴリに関する確率密度関数に基
づき前記複数の特徴データを各々正規化して複数の正規
化スコアを生成する過程と、生成された複数の正規化ス
コアを統合して正規化スコア毎に所定の重要度パラメー
タを反映させた統合スコアを生成する過程と、生成され
た統合スコアに基づいて前記複数の特徴データに対する
統合的なカテゴリを特定する過程と、前記統合スコア及
び特定された統合的なカテゴリに対する、所定の評価関
数による評価結果に基づいて前記重要度パラメータを更
新する過程とを含み、前記更新された重要度パラメータ
を反映させて前記統合スコアの生成を行うことを特徴と
する。
【００１１】本発明の他のデータ統合方法は、前記属す
べきカテゴリに関する確率密度関数に基づいて前記複数
の特徴データを各々正規化して複数の正規化スコアを生
成する過程と、前記特徴データ毎に予め設定された重要
度に対する所定の組み合わせから、特徴データ集合にお
ける重要度パラメータを算出するとともに、前記生成さ
れた複数の正規化スコアを統合して当該重要度パラメー
タを反映させた統合スコアを生成する過程と、生成され
た統合スコアに基づいて前記複数の特徴データに対する
統合的なカテゴリを特定する過程と、前記統合スコア及
び特定された統合的なカテゴリに対する、所定の評価関
数による評価結果に基づいて前記重要度パラメータを更
新する過程とを含み、前記更新された重要度パラメータ
を反映させて前記統合スコアの生成を行うことを特徴と
する。
べきカテゴリに関する確率密度関数に基づいて前記複数
の特徴データを各々正規化して複数の正規化スコアを生
成する過程と、前記特徴データ毎に予め設定された重要
度に対する所定の組み合わせから、特徴データ集合にお
ける重要度パラメータを算出するとともに、前記生成さ
れた複数の正規化スコアを統合して当該重要度パラメー
タを反映させた統合スコアを生成する過程と、生成され
た統合スコアに基づいて前記複数の特徴データに対する
統合的なカテゴリを特定する過程と、前記統合スコア及
び特定された統合的なカテゴリに対する、所定の評価関
数による評価結果に基づいて前記重要度パラメータを更
新する過程とを含み、前記更新された重要度パラメータ
を反映させて前記統合スコアの生成を行うことを特徴と
する。
【００１２】上記他の課題を解決する本発明のデータ統
合装置は、各々属すべきカテゴリに対する属性的特徴を
表す、複数の特徴データを統合する装置であって、前記
属すべきカテゴリに関する確率密度関数に基づいて前記
複数の特徴データを各々正規化して複数の正規化スコア
を生成するスコア正規化手段と、生成された複数の正規
化スコアを統合して正規化スコア毎に所定の重要度パラ
メータを反映させた統合スコアを生成するスコア統合手
段と、生成された統合スコアに基づいて前記複数の特徴
データに対する統合的なカテゴリを特定する統合カテゴ
リ特定手段と、前記統合スコア及び特定された統合的な
カテゴリに対する、所定の評価関数による評価結果に基
づいて前記重要度パラメータを更新する評価手段と、を
備えたことを特徴とする。
合装置は、各々属すべきカテゴリに対する属性的特徴を
表す、複数の特徴データを統合する装置であって、前記
属すべきカテゴリに関する確率密度関数に基づいて前記
複数の特徴データを各々正規化して複数の正規化スコア
を生成するスコア正規化手段と、生成された複数の正規
化スコアを統合して正規化スコア毎に所定の重要度パラ
メータを反映させた統合スコアを生成するスコア統合手
段と、生成された統合スコアに基づいて前記複数の特徴
データに対する統合的なカテゴリを特定する統合カテゴ
リ特定手段と、前記統合スコア及び特定された統合的な
カテゴリに対する、所定の評価関数による評価結果に基
づいて前記重要度パラメータを更新する評価手段と、を
備えたことを特徴とする。
【００１３】本発明の他のデータ統合装置は、上記デー
タ統合装置において、前記スコア統合手段が、前記特徴
データ毎に予め設定された重要度に対する所定の組み合
わせから、特徴データ集合における重要度パラメータを
算出するとともに、前記生成された複数の正規化スコア
を統合して当該重要度パラメータを反映させた統合スコ
アを生成するように構成されたものである。このスコア
統合手段は、具体的には、前記属すべきカテゴリについ
て、前記複数の正規化スコアを前記重要度パラメータに
基づいた所定のファジイ積分により統合して各々複数の
統合スコアを生成するように構成される。
タ統合装置において、前記スコア統合手段が、前記特徴
データ毎に予め設定された重要度に対する所定の組み合
わせから、特徴データ集合における重要度パラメータを
算出するとともに、前記生成された複数の正規化スコア
を統合して当該重要度パラメータを反映させた統合スコ
アを生成するように構成されたものである。このスコア
統合手段は、具体的には、前記属すべきカテゴリについ
て、前記複数の正規化スコアを前記重要度パラメータに
基づいた所定のファジイ積分により統合して各々複数の
統合スコアを生成するように構成される。
【００１４】上記他の課題を解決する本発明の記録媒体
は、下記の処理をコンピュータに実行させるためのプロ
グラムが記録されたコンピュータ読み取り可能な記録媒
体である。 （１−１）各々属すべきカテゴリに対する属性的特徴を
表す複数の特徴データの各々を前記属すべきカテゴリに
関する確率密度関数に基づいて正規化して複数の正規化
スコアを生成する処理、（１−２）生成された複数の正
規化スコアを統合して正規化スコア毎に所定の重要度パ
ラメータを反映させた統合スコアを生成する処理、（１
−３）生成された統合スコアに基づいて前記複数の特徴
データに対する統合的なカテゴリを特定する処理、（１
−４）前記統合スコア及び特定された統合的なカテゴリ
に対する、所定の評価関数による評価結果に基づいて前
記重要度パラメータを更新する処理。
は、下記の処理をコンピュータに実行させるためのプロ
グラムが記録されたコンピュータ読み取り可能な記録媒
体である。 （１−１）各々属すべきカテゴリに対する属性的特徴を
表す複数の特徴データの各々を前記属すべきカテゴリに
関する確率密度関数に基づいて正規化して複数の正規化
スコアを生成する処理、（１−２）生成された複数の正
規化スコアを統合して正規化スコア毎に所定の重要度パ
ラメータを反映させた統合スコアを生成する処理、（１
−３）生成された統合スコアに基づいて前記複数の特徴
データに対する統合的なカテゴリを特定する処理、（１
−４）前記統合スコア及び特定された統合的なカテゴリ
に対する、所定の評価関数による評価結果に基づいて前
記重要度パラメータを更新する処理。
【００１５】本発明の他の記録媒体は、下記の処理をコ
ンピュータに実行させるためのプログラムが記録された
コンピュータ読み取り可能な記録媒体である。 （２−１）各々属すべきカテゴリに対する属性的特徴を
表す複数の特徴データの各々を前記属すべきカテゴリに
関する確率密度関数に基づいて正規化して複数の正規化
スコアを生成する処理、（２−２）前記特徴データ毎に
予め設定された重要度に対する所定の組み合わせから、
特徴データ集合における重要度パラメータを算出すると
ともに、前記生成された複数の正規化スコアを統合して
当該重要度パラメータを反映させた統合スコアを生成す
る処理、（２−３）生成された統合スコアに基づいて前
記複数の特徴データに対する統合的なカテゴリを特定す
る処理、（２−４）前記統合スコア及び特定された統合
的なカテゴリに対する、所定の評価関数による評価結果
に基づいて前記重要度パラメータを更新する処理。
ンピュータに実行させるためのプログラムが記録された
コンピュータ読み取り可能な記録媒体である。 （２−１）各々属すべきカテゴリに対する属性的特徴を
表す複数の特徴データの各々を前記属すべきカテゴリに
関する確率密度関数に基づいて正規化して複数の正規化
スコアを生成する処理、（２−２）前記特徴データ毎に
予め設定された重要度に対する所定の組み合わせから、
特徴データ集合における重要度パラメータを算出すると
ともに、前記生成された複数の正規化スコアを統合して
当該重要度パラメータを反映させた統合スコアを生成す
る処理、（２−３）生成された統合スコアに基づいて前
記複数の特徴データに対する統合的なカテゴリを特定す
る処理、（２−４）前記統合スコア及び特定された統合
的なカテゴリに対する、所定の評価関数による評価結果
に基づいて前記重要度パラメータを更新する処理。
【００１６】
【発明の実施の形態】以下、図面を参照して本発明の実
施の形態を詳細に説明する。 （第１実施形態）図１は、生体的特徴毎の認識スコアに
対するデータ統合を行って個人認証を行うデータ統合装
置の機能ブロック図である。図中、実線は処理の流れ、
破線はデータの流れを表す。このデータ統合装置１は、
コンピュータ装置が所定のプログラムを読み込んで実行
することにより形成される、認識スコア取得部１１、正
規化処理部１２、統合処理部１３、統合認識部１４、評
価処理部１５、及び統合結果出力部１６の機能ブロック
を備えて構成される。
施の形態を詳細に説明する。 （第１実施形態）図１は、生体的特徴毎の認識スコアに
対するデータ統合を行って個人認証を行うデータ統合装
置の機能ブロック図である。図中、実線は処理の流れ、
破線はデータの流れを表す。このデータ統合装置１は、
コンピュータ装置が所定のプログラムを読み込んで実行
することにより形成される、認識スコア取得部１１、正
規化処理部１２、統合処理部１３、統合認識部１４、評
価処理部１５、及び統合結果出力部１６の機能ブロック
を備えて構成される。
【００１７】上記プログラムは、通常、コンピュータ装
置の内部記憶装置あるいは外部記憶装置に格納され、随
時読み取られて実行されるようになっている。但し、コ
ンピュータ装置上で上記各機能ブロック１１〜１４を形
成できれば本発明を実施することができるので、その記
録形態は任意であってよい。例えばコンピュータ装置と
分離可能なＣＤ−ＲＯＭやＦＤ等の可搬性記録媒体、あ
るいは構内ネットワークに接続されたプログラムサーバ
等に記録され、使用時に読み込まれて上記内部記憶装置
または外部記憶装置にインストールされて随時実行に供
されるようにしてもよい。
置の内部記憶装置あるいは外部記憶装置に格納され、随
時読み取られて実行されるようになっている。但し、コ
ンピュータ装置上で上記各機能ブロック１１〜１４を形
成できれば本発明を実施することができるので、その記
録形態は任意であってよい。例えばコンピュータ装置と
分離可能なＣＤ−ＲＯＭやＦＤ等の可搬性記録媒体、あ
るいは構内ネットワークに接続されたプログラムサーバ
等に記録され、使用時に読み込まれて上記内部記憶装置
または外部記憶装置にインストールされて随時実行に供
されるようにしてもよい。
【００１８】認識スコア取得部１１は、認識に用いる生
体的特徴の種類に即して各々所定の認識処理を行う、図
示しないＮ個の認識装置（機器）から出力される複数の
認識スコアを取得するものである。
体的特徴の種類に即して各々所定の認識処理を行う、図
示しないＮ個の認識装置（機器）から出力される複数の
認識スコアを取得するものである。
【００１９】正規化処理部１２は、取得した複数の認識
スコアに対して正規化を行うものである。具体的には、
所定の確率密度関数を用いて、認識スコアの正当性を表
す「正当」または「不当」のいずれかのカテゴリに属す
る確率を、すべての認識スコアについて各々算出するこ
とにより複数の正規化スコアを生成するように構成され
ている。生成された正規化スコアは、統合処理部１３に
入力されるようになっている。
スコアに対して正規化を行うものである。具体的には、
所定の確率密度関数を用いて、認識スコアの正当性を表
す「正当」または「不当」のいずれかのカテゴリに属す
る確率を、すべての認識スコアについて各々算出するこ
とにより複数の正規化スコアを生成するように構成され
ている。生成された正規化スコアは、統合処理部１３に
入力されるようになっている。
【００２０】統合処理部１３は、生成された複数の正規
化スコアを所定の統合ルールに基づいて統合するととも
に、正規化スコア毎の重要度合いを考慮した統合スコア
の生成を行うものである。この統合は、例えば、正規化
スコアの演算結果に基づいた「正当」または「不当」の
いずれかのカテゴリにおける各々の正規化スコアの積、
すなわち重複順列により統合スコアを生成するように構
成される。また、生成された統合スコアは、統合認識部
１４に入力される。なお、上記正規化スコア及び統合ス
コアについての詳細は後述する。
化スコアを所定の統合ルールに基づいて統合するととも
に、正規化スコア毎の重要度合いを考慮した統合スコア
の生成を行うものである。この統合は、例えば、正規化
スコアの演算結果に基づいた「正当」または「不当」の
いずれかのカテゴリにおける各々の正規化スコアの積、
すなわち重複順列により統合スコアを生成するように構
成される。また、生成された統合スコアは、統合認識部
１４に入力される。なお、上記正規化スコア及び統合ス
コアについての詳細は後述する。
【００２１】統合認識部１４は、生成された統合スコア
に基づいて各認識スコアに対する統合的な正当性を判定
するものである。当該認識結果及び統合スコアは、評価
処理部１５に入力される。なお、以後の説明では、統合
認識部１４において最終的に得られる、統合的な認識結
果を「認証結果」と称する。
に基づいて各認識スコアに対する統合的な正当性を判定
するものである。当該認識結果及び統合スコアは、評価
処理部１５に入力される。なお、以後の説明では、統合
認識部１４において最終的に得られる、統合的な認識結
果を「認証結果」と称する。
【００２２】評価処理部１５は、認証結果及び統合スコ
アに対して、後述する評価を行うものである。また、評
価処理部１５は、統合処理部１３と共動して該評価結果
を反映させた統合スコアの生成を行うように構成され
る。
アに対して、後述する評価を行うものである。また、評
価処理部１５は、統合処理部１３と共動して該評価結果
を反映させた統合スコアの生成を行うように構成され
る。
【００２３】統合結果出力部１６は、図示しない所定の
出力用インタフェースを介して統合スコア及び認証結果
の出力を行うものである。
出力用インタフェースを介して統合スコア及び認証結果
の出力を行うものである。
【００２４】次に、図２を参照して、データ統合装置１
を用いたデータ統合方法を説明する。図２は、この場合
のデータ統合装置の処理手順図である。まず、認識スコ
ア取得部１１が、図示しない各認識装置（機器を含む、
以下同じ）から、各々異なる複数の認識スコアを取得す
る（ステップＳ１０１）。この認識スコアは、例えば、
公知の認識技術により実現される認識装置において、認
識対象者に関する複数の異なる生体的特徴を表す指紋や
声紋等の生体的特徴毎の照合データと、予め生体的特徴
毎に設定された認識データとの認識度合いを表すもので
ある。また、この認識度合いは、認識データに対する照
合データの正当性に関する「正当」または「不当」のい
ずれかのカテゴリに対する属性的な特徴を表すものであ
る。
を用いたデータ統合方法を説明する。図２は、この場合
のデータ統合装置の処理手順図である。まず、認識スコ
ア取得部１１が、図示しない各認識装置（機器を含む、
以下同じ）から、各々異なる複数の認識スコアを取得す
る（ステップＳ１０１）。この認識スコアは、例えば、
公知の認識技術により実現される認識装置において、認
識対象者に関する複数の異なる生体的特徴を表す指紋や
声紋等の生体的特徴毎の照合データと、予め生体的特徴
毎に設定された認識データとの認識度合いを表すもので
ある。また、この認識度合いは、認識データに対する照
合データの正当性に関する「正当」または「不当」のい
ずれかのカテゴリに対する属性的な特徴を表すものであ
る。
【００２５】正規化処理部１２は、これらの認識スコア
に対する正規化処理を行う（ステップＳ１０２）。この
正規化処理では、確率密度関数を用いて、認識スコアが
「正当」である確率、または「不当」である確率を各々
算出することにより正規化スコアを生成する（ステップ
Ｓ１０３）。例えば、認識対象Ａの測定値Ｘ、即ち照合
データＸに対する３つの認識スコア「ｓ１，ｓ２，ｓ
３」を正規化する場合、照合データＸが認識対象Ａであ
る、即ち照合データＸが「正当」である確率、及び照合
データＸが認識対象Ａでない、即ち照合データＸが「不
当」である確率から成る正規化スコアＰｉは、以下の式
（３）及び（４）により算出される。
に対する正規化処理を行う（ステップＳ１０２）。この
正規化処理では、確率密度関数を用いて、認識スコアが
「正当」である確率、または「不当」である確率を各々
算出することにより正規化スコアを生成する（ステップ
Ｓ１０３）。例えば、認識対象Ａの測定値Ｘ、即ち照合
データＸに対する３つの認識スコア「ｓ１，ｓ２，ｓ
３」を正規化する場合、照合データＸが認識対象Ａであ
る、即ち照合データＸが「正当」である確率、及び照合
データＸが認識対象Ａでない、即ち照合データＸが「不
当」である確率から成る正規化スコアＰｉは、以下の式
（３）及び（４）により算出される。
【００２６】
【数２】
【００２７】統合処理部１３は、算出された正規化スコ
アの統合処理を行う（ステップＳ１０４）。この統合処
理では、正規化スコア毎に所定の重み付け（以下、重要
度パラメータ）を反映させて、例えば、すべての正規化
スコアの重複順列、即ち総積により統合スコアが算出さ
れる（ステップＳ１０５）。上記式（３）及び（４）に
おける正規化スコアに対応する統合スコア「Ｑ」は、以
下の式（５）及び（６）に基づいて算出される。
アの統合処理を行う（ステップＳ１０４）。この統合処
理では、正規化スコア毎に所定の重み付け（以下、重要
度パラメータ）を反映させて、例えば、すべての正規化
スコアの重複順列、即ち総積により統合スコアが算出さ
れる（ステップＳ１０５）。上記式（３）及び（４）に
おける正規化スコアに対応する統合スコア「Ｑ」は、以
下の式（５）及び（６）に基づいて算出される。
【００２８】
【数３】
【００２９】但し、上記式（５）及び（６）における次
数「ａｉ」及び「ｒｉ」が、重要度パラメータを表して
いる。また、上記式（５）及び（６）は、例えば、ある
正規化スコアＭｉ（Ｘ＝Ａ｜ｓｉ）及びＭｉ（Ｘ≠Ａ｜
ｓｉ）（ｉ＝１〜３）に対して、以下に示す式（７）及
び（８）のように重要度パラメータを反映させた総和に
基づいた統合ルールによる算出も可能である。
数「ａｉ」及び「ｒｉ」が、重要度パラメータを表して
いる。また、上記式（５）及び（６）は、例えば、ある
正規化スコアＭｉ（Ｘ＝Ａ｜ｓｉ）及びＭｉ（Ｘ≠Ａ｜
ｓｉ）（ｉ＝１〜３）に対して、以下に示す式（７）及
び（８）のように重要度パラメータを反映させた総和に
基づいた統合ルールによる算出も可能である。
【００３０】
【数４】
【００３１】算出された統合スコアは統合認識部１４に
入力され、統合スコアに基づいた認識結果の判定が行わ
れる（ステップＳ１０６）。具体的には、統合スコアの
属すべきカテゴリが「正当」または「不当」と判定され
る場合について適宜設定される閾値に基づいて認証結果
を判定するように構成する。以下に判定例を示す。 if Qa−Qr≧α then X＝A else X≠A
入力され、統合スコアに基づいた認識結果の判定が行わ
れる（ステップＳ１０６）。具体的には、統合スコアの
属すべきカテゴリが「正当」または「不当」と判定され
る場合について適宜設定される閾値に基づいて認証結果
を判定するように構成する。以下に判定例を示す。 if Qa−Qr≧α then X＝A else X≠A
【００３２】上記例では、「α」が閾値を表すパラメー
タ（以下、認証閾値）であり、最大事後確率の場合にお
いて、統合スコアの差分が適宜設定された認証閾値以上
ならば、認証結果を「正当」、それ以外ならば「不当」
と判定するように構成される。評価処理部１５は、統合
スコア及び認証結果に対する評価処理を行う（ステップ
Ｓ１０７）。具体的には、以下の式（９）に示すような
目的関数に基づいた評価関数を設定する。 Ｊ＝ Ｊａ ∨ Ｊｒ (9) 但し、上記式（９）の評価関数、即ち目的関数Ｊにおけ
る関数Ｊａ及びＪｒは、例えば、以下の式（１０）及び
（１１）により算出される。
タ（以下、認証閾値）であり、最大事後確率の場合にお
いて、統合スコアの差分が適宜設定された認証閾値以上
ならば、認証結果を「正当」、それ以外ならば「不当」
と判定するように構成される。評価処理部１５は、統合
スコア及び認証結果に対する評価処理を行う（ステップ
Ｓ１０７）。具体的には、以下の式（９）に示すような
目的関数に基づいた評価関数を設定する。 Ｊ＝ Ｊａ ∨ Ｊｒ (9) 但し、上記式（９）の評価関数、即ち目的関数Ｊにおけ
る関数Ｊａ及びＪｒは、例えば、以下の式（１０）及び
（１１）により算出される。
【００３３】
【数５】
【００３４】上記式（１０）の「ｓａ」は認識データが
「正当」である確率の領域を、一方、上記式（１１）の
「ｓｒ」は認識データが「不当」である確率の領域を各
々表すものであり、統合処理部１３における統合スコア
及び統合認識部１４における認証閾値αに基づいて導出
されるものである。
「正当」である確率の領域を、一方、上記式（１１）の
「ｓｒ」は認識データが「不当」である確率の領域を各
々表すものであり、統合処理部１３における統合スコア
及び統合認識部１４における認証閾値αに基づいて導出
されるものである。
【００３５】次に、評価処理部１５は、評価関数に即し
て評価値を算出し、評価結果を導出する（ステップＳ１
０８）。なお、上記目的関数Ｊの演算には、例えば、ｍ
ａｘ（Ｊａ，Ｊｒ）等を用いて実現すれば良く、当該目
的関数Ｊが最小となるように、適宜重要度パラメータを
調整してステップＳ１０４に戻り処理を繰り返す（ステ
ップＳ１０９：No）。一方、評価関数による評価結果が
最小となった場合には（ステップＳ１０９：Yes）、図
示しない出力インタフェースに対して統合結果の出力を
行う（ステップＳ１１１）。このことから、評価関数の
最適化により、最適な重要度パラメータによるデータ統
合結果が得られる。なお、上記処理手順図は、評価関数
に即した重要度パラメータの導出に着目した便宜的なも
のであり、ステップＳ１１０において最適な重要度パラ
メータ導出後の実際の処理手順では、ステップＳ１０７
〜１０９の処理を行うことなくステップＳ１１１により
統合結果が出力される。
て評価値を算出し、評価結果を導出する（ステップＳ１
０８）。なお、上記目的関数Ｊの演算には、例えば、ｍ
ａｘ（Ｊａ，Ｊｒ）等を用いて実現すれば良く、当該目
的関数Ｊが最小となるように、適宜重要度パラメータを
調整してステップＳ１０４に戻り処理を繰り返す（ステ
ップＳ１０９：No）。一方、評価関数による評価結果が
最小となった場合には（ステップＳ１０９：Yes）、図
示しない出力インタフェースに対して統合結果の出力を
行う（ステップＳ１１１）。このことから、評価関数の
最適化により、最適な重要度パラメータによるデータ統
合結果が得られる。なお、上記処理手順図は、評価関数
に即した重要度パラメータの導出に着目した便宜的なも
のであり、ステップＳ１１０において最適な重要度パラ
メータ導出後の実際の処理手順では、ステップＳ１０７
〜１０９の処理を行うことなくステップＳ１１１により
統合結果が出力される。
【００３６】（第２実施形態）上記データ統合装置１で
は、正規化スコアの総和または重複順列によるデータ統
合を行う場合について説明したが、このような手法に限
定することなく、例えば、所定のファジイ積分に基づい
ても同様に実施が可能である。この場合、まず正規化処
理部１２では、上述同様に認識スコアに対応する確率密
度関数を算出して所定の正規化を行って正規化スコアを
生成する。この正規化スコアは、上記式（３）及び
（４）による正規化スコアを採用するものとする。
は、正規化スコアの総和または重複順列によるデータ統
合を行う場合について説明したが、このような手法に限
定することなく、例えば、所定のファジイ積分に基づい
ても同様に実施が可能である。この場合、まず正規化処
理部１２では、上述同様に認識スコアに対応する確率密
度関数を算出して所定の正規化を行って正規化スコアを
生成する。この正規化スコアは、上記式（３）及び
（４）による正規化スコアを採用するものとする。
【００３７】次に、統合処理部１３は、認識スコア毎に
予め設定された重要度ｇの所定の組み合わせから、認識
スコア集合における重要度即ち重要度パラメータを算出
する。第１実施形態では、正規化スコア毎の重要度パラ
メータについて考慮したものであったが、本実施形態で
は、認識スコア毎の重要度に対する所定の組み合わせか
ら、認識スコア集合における重要度パラメータを考慮す
るものである。具体的には、３つの認識スコアを想定し
た場合、各認識スコアに対応する重要度ｇｉ（ｉ＝１〜
３）が菅野測度である場合には、以下の式（１２）及び
（１３）により、ｓｉ（ｉ＝１〜３）、ｓｊ（ｊ＝１〜
３，ｊ≠ｉ）、ｓｋ（ｋ＝１〜３，ｋ≠ｉ，ｋ≠ｊ）の
認識スコア集合における重要度パラメータが算出され
る。
予め設定された重要度ｇの所定の組み合わせから、認識
スコア集合における重要度即ち重要度パラメータを算出
する。第１実施形態では、正規化スコア毎の重要度パラ
メータについて考慮したものであったが、本実施形態で
は、認識スコア毎の重要度に対する所定の組み合わせか
ら、認識スコア集合における重要度パラメータを考慮す
るものである。具体的には、３つの認識スコアを想定し
た場合、各認識スコアに対応する重要度ｇｉ（ｉ＝１〜
３）が菅野測度である場合には、以下の式（１２）及び
（１３）により、ｓｉ（ｉ＝１〜３）、ｓｊ（ｊ＝１〜
３，ｊ≠ｉ）、ｓｋ（ｋ＝１〜３，ｋ≠ｉ，ｋ≠ｊ）の
認識スコア集合における重要度パラメータが算出され
る。
【００３８】ｇij＝ｇi＋ｇj＋λｇi・ｇj (12) 但し λ＞−１ ｇijk＝ｇij＋ｇk＋λｇij・ｇk (13) 但し λ＞−１ また、上記式におけるパラメータλは、以下の式（１
４）により算出される。
４）により算出される。
【００３９】 １＋λ＝(1＋λg1)(1＋λg2)(1＋λg3) (14)
【００４０】次に、正規化スコアをファジイ積分により
統合する。この統合に所定の菅野積分を用いる場合、一
般性を失わないでＰ１（Ｘ＝Ａ｜ｓ１）、Ｐ２（Ｘ＝Ａ
｜ｓ２）、Ｐ３（Ｘ＝Ａ｜ｓ３）の大小順位が「Ｐ１
（Ｘ＝Ａ｜ｓ１）≧Ｐ２（Ｘ＝Ａ｜ｓ２）≧Ｐ３（Ｘ＝
Ａ｜ｓ３）」であれば、以下の式（１５）により「Ｘ＝
Ａ」である場合の統合スコアが算出される。
統合する。この統合に所定の菅野積分を用いる場合、一
般性を失わないでＰ１（Ｘ＝Ａ｜ｓ１）、Ｐ２（Ｘ＝Ａ
｜ｓ２）、Ｐ３（Ｘ＝Ａ｜ｓ３）の大小順位が「Ｐ１
（Ｘ＝Ａ｜ｓ１）≧Ｐ２（Ｘ＝Ａ｜ｓ２）≧Ｐ３（Ｘ＝
Ａ｜ｓ３）」であれば、以下の式（１５）により「Ｘ＝
Ａ」である場合の統合スコアが算出される。
【００４１】 Ｑａ＝max｛min（ｇ1，Ｐ1（Ｘ＝Ａ｜ｓ１））， min（ｇ12，Ｐ2（Ｘ＝Ａ｜ｓ２））， min（ｇ123，Ｐ3（Ｘ＝Ａ｜ｓ３））｝ (15)
【００４２】同様にして、Ｐ１（Ｘ≠Ａ｜ｓ１）、Ｐ２
（Ｘ≠Ａ｜ｓ２）、Ｐ３（Ｘ≠Ａ｜ｓ３）の大小順位が
「Ｐ３（Ｘ≠Ａ｜ｓ３）≧Ｐ２（Ｘ≠Ａ｜ｓ２）≧Ｐ１
（Ｘ≠Ａ｜ｓ１）」であれば、以下の式（１６）により
「Ｘ≠Ａ」である場合の統合スコアが算出される。
（Ｘ≠Ａ｜ｓ２）、Ｐ３（Ｘ≠Ａ｜ｓ３）の大小順位が
「Ｐ３（Ｘ≠Ａ｜ｓ３）≧Ｐ２（Ｘ≠Ａ｜ｓ２）≧Ｐ１
（Ｘ≠Ａ｜ｓ１）」であれば、以下の式（１６）により
「Ｘ≠Ａ」である場合の統合スコアが算出される。
【００４３】 Ｑｒ＝max｛min（ｇ3，Ｐ3（Ｘ≠Ａ｜ｓ３））， min（ｇ32，Ｐ2（Ｘ≠Ａ｜ｓ２））， min（ｇ321，Ｐ1（Ｘ≠Ａ｜ｓ１））｝ (16)
【００４４】上記式（１５）及び（１６）で算出された
統合スコアは、例えば、以下に示すような判定により統
合的な認証を行う。 if Qa−Qr≧０X＝A else X≠A
統合スコアは、例えば、以下に示すような判定により統
合的な認証を行う。 if Qa−Qr≧０X＝A else X≠A
【００４５】この例では、「０」が第１実施形態におけ
る統合後の最終的な認証閾値αとなるものであり、該認
証閾値αとの比較により統合的な正当性を判定するよう
に適宜構成すれば良い。統合的な認証終了後は、上述の
式（９）〜（１１）と同様な重要度パラメータの評価基
準となる、目的関数に基づいた評価関数を適宜設定し、
当該評価関数による評価値を最小にするように重要度パ
ラメータｇを調整して更新すれば良く、これにより最適
なデータ統合が実現される。
る統合後の最終的な認証閾値αとなるものであり、該認
証閾値αとの比較により統合的な正当性を判定するよう
に適宜構成すれば良い。統合的な認証終了後は、上述の
式（９）〜（１１）と同様な重要度パラメータの評価基
準となる、目的関数に基づいた評価関数を適宜設定し、
当該評価関数による評価値を最小にするように重要度パ
ラメータｇを調整して更新すれば良く、これにより最適
なデータ統合が実現される。
【００４６】上述した第１及び第２実施形態におけるデ
ータ統合装置１では、最適な重要度パラメータを、統合
処理部１３における統合スコアに反映させる構成として
いるが、例えば、正規化処理部１２における認識スコア
の正規化の際に、認識スコアに対する重要度を表す「正
規化パラメータ」を考慮した構成も可能である。この場
合、正規化処理部１２において「正規化パラメータ」を
反映させた正規化スコアを生成するとともに、評価処理
部１５における評価結果に即して当該「正規化パラメー
タ」を調整して更新し、正規化処理部１２と共動して最
適な正規化スコアを生成するように適宜構成すれば良
い。
ータ統合装置１では、最適な重要度パラメータを、統合
処理部１３における統合スコアに反映させる構成として
いるが、例えば、正規化処理部１２における認識スコア
の正規化の際に、認識スコアに対する重要度を表す「正
規化パラメータ」を考慮した構成も可能である。この場
合、正規化処理部１２において「正規化パラメータ」を
反映させた正規化スコアを生成するとともに、評価処理
部１５における評価結果に即して当該「正規化パラメー
タ」を調整して更新し、正規化処理部１２と共動して最
適な正規化スコアを生成するように適宜構成すれば良
い。
【００４７】なお、上述の説明では、認識スコアにおけ
るデータ統合手法について述べたが、本発明は、認識ス
コアのみに限定されるものではなく、例えば、統合対象
となるデータの属すべきカテゴリに対する従属事象的な
分布やベクトル表現等のように、各々カテゴリに対する
属性的な特徴を表すスコア等のデータ全般について同様
に適用可能なものである。
るデータ統合手法について述べたが、本発明は、認識ス
コアのみに限定されるものではなく、例えば、統合対象
となるデータの属すべきカテゴリに対する従属事象的な
分布やベクトル表現等のように、各々カテゴリに対する
属性的な特徴を表すスコア等のデータ全般について同様
に適用可能なものである。
【００４８】また、上述の説明では、認識スコアについ
て、認識対象が認識データとなる即ち「正当」または
「不当」のいずれかの正当性を表すカテゴリにおける２
カテゴリ識別問題という形態に即して説明したが、該形
態に限定することなく、例えば、複数のカテゴリに関す
る識別問題という形態でも同様に適用可能なものであ
る。この場合、正規化処理部１２では、認識スコア毎の
各々属すべきカテゴリについての正規化スコアを生成
し、統合処理部１３によりこれらの正規化スコアを統合
して重要度パラメータを反映させた統合スコアを生成す
る。また、統合認識部１４では、統合した複数の認識ス
コアに対する統合的なカテゴリを特定するように適宜構
成すれば良い。
て、認識対象が認識データとなる即ち「正当」または
「不当」のいずれかの正当性を表すカテゴリにおける２
カテゴリ識別問題という形態に即して説明したが、該形
態に限定することなく、例えば、複数のカテゴリに関す
る識別問題という形態でも同様に適用可能なものであ
る。この場合、正規化処理部１２では、認識スコア毎の
各々属すべきカテゴリについての正規化スコアを生成
し、統合処理部１３によりこれらの正規化スコアを統合
して重要度パラメータを反映させた統合スコアを生成す
る。また、統合認識部１４では、統合した複数の認識ス
コアに対する統合的なカテゴリを特定するように適宜構
成すれば良い。
【００４９】さらに、上記データ統合装置１の適用例と
して、例えば、個人即ち認証対象者に関する生体的特徴
毎に、対応する認識装置（機器）から出力される各認識
スコアを統合して、当該認識対象者に対する統合的な正
当性を判定するように構成させることにより高精度の個
人認証装置が実現可能となる。このように、本実施形態
のデータ統合装置１では、正規化〜認識ルールにおける
演算手法を、特定の演算手法に固定化することにより選
択範囲を限定させるとともに、重要度パラメータを反映
させた統合ルールにより最適なデータ統合が可能とな
る。
して、例えば、個人即ち認証対象者に関する生体的特徴
毎に、対応する認識装置（機器）から出力される各認識
スコアを統合して、当該認識対象者に対する統合的な正
当性を判定するように構成させることにより高精度の個
人認証装置が実現可能となる。このように、本実施形態
のデータ統合装置１では、正規化〜認識ルールにおける
演算手法を、特定の演算手法に固定化することにより選
択範囲を限定させるとともに、重要度パラメータを反映
させた統合ルールにより最適なデータ統合が可能とな
る。
【００５０】また、所定の目的関数に基づいた評価関数
を設定することにより、該評価関数による評価結果に即
して最適な重要度パラメータが導出されることから、従
来手法における常に同一の重み付けによるデータ統合と
比較して、個々の認識スコアに対する信頼度が考慮され
たデータ統合が可能となり、高品質な統合結果を得るこ
とができる。
を設定することにより、該評価関数による評価結果に即
して最適な重要度パラメータが導出されることから、従
来手法における常に同一の重み付けによるデータ統合と
比較して、個々の認識スコアに対する信頼度が考慮され
たデータ統合が可能となり、高品質な統合結果を得るこ
とができる。
【００５１】また、統合結果に対する評価基準を、所定
の目的関数に基づいた評価関数として具体的な応用目的
と一致させることにより、該目的に合致した評価及びデ
ータ統合が実現可能となる。このことから、最適なデー
タ統合により最終的に導出される認識精度及び統合的な
認識結果に対する信頼性が大幅に向上する。
の目的関数に基づいた評価関数として具体的な応用目的
と一致させることにより、該目的に合致した評価及びデ
ータ統合が実現可能となる。このことから、最適なデー
タ統合により最終的に導出される認識精度及び統合的な
認識結果に対する信頼性が大幅に向上する。
【００５２】さらに、本発明を、例えば、既存の情報シ
ステム等に組み込んだ形態としてシステムを構築するこ
とにより、システムにおける信頼性及び機密性が大幅に
向上する効果がある。
ステム等に組み込んだ形態としてシステムを構築するこ
とにより、システムにおける信頼性及び機密性が大幅に
向上する効果がある。
【００５３】
【発明の効果】以上の説明から明らかなように、本発明
のデータ統合方法及び装置によれば、個々の認識スコア
を最適に統合して、より信頼性の高い統合結果を導出す
ることが可能になるという特有の効果がある。本発明を
適用した個人認証装置によれば、認証対象者からの複数
の異なる生体的特徴を統合して、より認証精度の高い個
人認証環境が実現可能となる効果がある。
のデータ統合方法及び装置によれば、個々の認識スコア
を最適に統合して、より信頼性の高い統合結果を導出す
ることが可能になるという特有の効果がある。本発明を
適用した個人認証装置によれば、認証対象者からの複数
の異なる生体的特徴を統合して、より認証精度の高い個
人認証環境が実現可能となる効果がある。
【図１】本発明の一実施形態に係るデータ統合装置の機
能ブロック図。
能ブロック図。
【図２】データ統合装置における処理手順図。
１ データ統合装置 １１ 認識スコア取得部 １２ 正規化処理部 １３ 統合処理部 １４ 統合認識部 １５ 評価処理部 １６ 統合結果出力部
Claims (16)
- 【請求項１】 各々属すべきカテゴリに対する属性的特
徴を表す複数の特徴データを統合する方法であって、 前記属すべきカテゴリに関する確率密度関数に基づき前
記複数の特徴データを各々正規化して複数の正規化スコ
アを生成する過程と、 生成された複数の正規化スコアを統合して正規化スコア
毎に所定の重要度パラメータを反映させた統合スコアを
生成する過程と、 生成された統合スコアに基づいて前記複数の特徴データ
に対する統合的なカテゴリを特定する過程と、 前記統合スコア及び特定された統合的なカテゴリに対す
る、所定の評価関数による評価結果に基づいて前記重要
度パラメータを更新する過程と、を含み、 前記更新された重要度パラメータを反映させて前記統合
スコアの生成を行うことを特徴とするデータ統合方法。 - 【請求項２】 各々属すべきカテゴリに対する属性的特
徴を表す、複数の特徴データを統合する方法であって、 前記属すべきカテゴリに関する確率密度関数に基づいて
前記複数の特徴データを各々正規化して複数の正規化ス
コアを生成する過程と、 前記特徴データ毎に予め設定された重要度に対する所定
の組み合わせから、特徴データ集合における重要度パラ
メータを算出するとともに、前記生成された複数の正規
化スコアを統合して当該重要度パラメータを反映させた
統合スコアを生成する過程と、 生成された統合スコアに基づいて前記複数の特徴データ
に対する統合的なカテゴリを特定する過程と、 前記統合スコア及び特定された統合的なカテゴリに対す
る、所定の評価関数による評価結果に基づいて前記重要
度パラメータを更新する過程と、を含み、 前記更新された重要度パラメータを反映させて前記統合
スコアの生成を行うことを特徴とするデータ統合方法。 - 【請求項３】 前記特徴データが、当該特徴データの正
当性に関する「正当」または「不当」のいずれかのカテ
ゴリに対する属性的特徴を表すことを特徴とする請求項
１または２記載のデータ統合方法。 - 【請求項４】 各々属すべきカテゴリに対する属性的特
徴を表す、複数の特徴データを統合する装置であって、 前記属すべきカテゴリに関する確率密度関数に基づいて
前記複数の特徴データを各々正規化して複数の正規化ス
コアを生成するスコア正規化手段と、 生成された複数の正規化スコアを統合して正規化スコア
毎に所定の重要度パラメータを反映させた統合スコアを
生成するスコア統合手段と、 生成された統合スコアに基づいて前記複数の特徴データ
に対する統合的なカテゴリを特定する統合カテゴリ特定
手段と、 前記統合スコア及び特定された統合的なカテゴリに対す
る、所定の評価関数による評価結果に基づいて前記重要
度パラメータを更新する評価手段と、 を備えたことを特徴とするデータ統合装置。 - 【請求項５】 前記スコア正規化手段は、前記確率密度
関数に基づいて各特徴データが属すべき「正当」または
「不当」のいずれかの正当性を表すカテゴリについての
確率を各々算出することにより前記複数の正規化スコア
を生成するように構成されていることを特徴とする、請
求項４記載のデータ統合装置。 - 【請求項６】 前記スコア正規化手段は、前記複数の特
徴データを各々正規化する際に、前記特徴データ毎の重
要度合いを表す正規化パラメータを算出するとともに、
該正規化パラメータを反映させて前記正規化スコアを生
成するように構成されていることを特徴とする、請求項
４記載のデータ統合装置。 - 【請求項７】 前記スコア統合手段は、前記属すべきカ
テゴリについて、前記複数の正規化スコアを前記重要度
パラメータを次数とした重複順列により統合して各々複
数の統合スコアを生成するように構成されていることを
特徴とする、請求項４記載のデータ統合装置。 - 【請求項８】 前記スコア統合手段は、前記属すべきカ
テゴリについて、前記複数の正規化スコアを前記重要度
パラメータに基づいた総和により統合して各々複数の統
合スコアを生成するように構成されていることを特徴と
する、 請求項４記載のデータ統合装置。 - 【請求項９】 前記統合カテゴリ特定手段は、前記生成
された統合スコア及び予め設定された閾値に基づいて、
前記複数の特徴データに対する「正当」または「不当」
のいずれかのカテゴリを、前記統合的なカテゴリとして
特定するように構成されていることを特徴とする、請求
項４記載のデータ統合装置。 - 【請求項１０】 前記評価手段は、前記統合スコア及び
特定された統合的なカテゴリに対する、所定の目的関数
に基づいて予め設定された評価関数による評価結果が最
小となるように前記重要度パラメータを更新するように
構成されていることを特徴とする、請求項４記載のデー
タ統合装置。 - 【請求項１１】 前記評価手段は、前記評価関数による
評価結果に基づいて前記正規化パラメータを更新する手
段を備え、前記更新された正規化パラメータを反映して
前記正規化スコアを生成するように構成されていること
を特徴とする、請求項４記載のデータ統合装置。 - 【請求項１２】 各々属すべきカテゴリに対する属性的
特徴を表す、複数の特徴データを統合する装置であっ
て、 前記属すべきカテゴリに関する確率密度関数に基づいて
前記複数の特徴データを各々正規化して複数の正規化ス
コアを生成するスコア正規化手段と、 前記特徴データ毎に予め設定された重要度に対する所定
の組み合わせから、特徴データ集合における重要度パラ
メータを算出するとともに、前記生成された複数の正規
化スコアを統合して当該重要度パラメータを反映させた
統合スコアを生成するスコア統合手段と、 生成された統合スコアに基づいて前記複数の特徴データ
に対する統合的なカテゴリを特定する統合カテゴリ特定
手段と、 前記統合スコア及び特定された統合的なカテゴリに対す
る、所定の評価関数による評価結果に基づいて前記重要
度パラメータを更新する評価手段と、 を備えたことを特徴とするデータ統合装置。 - 【請求項１３】 前記スコア統合手段は、前記属すべき
カテゴリについて、前記複数の正規化スコアを前記重要
度パラメータに基づいた所定のファジイ積分により統合
して各々複数の統合スコアを生成するように構成されて
いることを特徴とする、請求項１２記載のデータ統合装
置。 - 【請求項１４】 請求項４乃至１３いずかの項に記載さ
れたデータ統合装置が、認証対象者に関するヒトの生体
的特徴毎の認識スコアを統合して、当該認証対象者に対
する正当性を認証するように構成されていることを特徴
とする個人認証装置。 - 【請求項１５】 各々属すべきカテゴリに対する属性的
特徴を表す複数の特徴データの各々を前記属すべきカテ
ゴリに関する確率密度関数に基づいて正規化して複数の
正規化スコアを生成する処理、 生成された複数の正規化スコアを統合して正規化スコア
毎に所定の重要度パラメータを反映させた統合スコアを
生成する処理、 生成された統合スコアに基づいて前記複数の特徴データ
に対する統合的なカテゴリを特定する処理、 前記統合スコア及び特定された統合的なカテゴリに対す
る、所定の評価関数による評価結果に基づいて前記重要
度パラメータを更新する処理、 を前記コンピュータ装置に実行させるためのプログラム
が記録されたコンピュータ読み取り可能な記録媒体。 - 【請求項１６】 各々属すべきカテゴリに対する属性的
特徴を表す複数の特徴データの各々を前記属すべきカテ
ゴリに関する確率密度関数に基づいて正規化して複数の
正規化スコアを生成する処理、 前記特徴データ毎に予め設定された重要度に対する所定
の組み合わせから、特徴データ集合における重要度パラ
メータを算出するとともに、前記生成された複数の正規
化スコアを統合して当該重要度パラメータを反映させた
統合スコアを生成する処理、 生成された統合スコアに基づいて前記複数の特徴データ
に対する統合的なカテゴリを特定する処理、 前記統合スコア及び特定された統合的なカテゴリに対す
る、所定の評価関数による評価結果に基づいて前記重要
度パラメータを更新する処理、 を前記コンピュータ装置に実行させるためのプログラム
が記録されたコンピュータ読み取り可能な記録媒体。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP10109707A JPH11306351A (ja) | 1998-04-20 | 1998-04-20 | データ統合方法及び装置、記録媒体 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP10109707A JPH11306351A (ja) | 1998-04-20 | 1998-04-20 | データ統合方法及び装置、記録媒体 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JPH11306351A true JPH11306351A (ja) | 1999-11-05 |
Family
ID=14517187
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP10109707A Pending JPH11306351A (ja) | 1998-04-20 | 1998-04-20 | データ統合方法及び装置、記録媒体 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPH11306351A (ja) |
Cited By (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2005250712A (ja) * | 2004-03-03 | 2005-09-15 | Univ Waseda | 人物属性識別方法およびそのシステム |
| JP2006178651A (ja) * | 2004-12-21 | 2006-07-06 | Toshiba Corp | 人物認識装置、人物認識方法および通行制御装置 |
| JP2007026386A (ja) * | 2005-07-21 | 2007-02-01 | Fuji Xerox Co Ltd | 画像検索システム及び方法 |
| WO2007075982A1 (en) * | 2005-12-23 | 2007-07-05 | Biopassword, Inc. | Method and apparatus for multi-model hybrid comparison system |
| US7526412B2 (en) | 2006-03-31 | 2009-04-28 | Biopassword, Inc. | Method and apparatus for multi-distant weighted scoring system |
| US7620819B2 (en) | 2004-10-04 | 2009-11-17 | The Penn State Research Foundation | System and method for classifying regions of keystroke density with a neural network |
| US7623970B2 (en) | 2001-04-17 | 2009-11-24 | Panasonic Corporation | Personal authentication method and device |
| US7706574B1 (en) | 2003-11-06 | 2010-04-27 | Admitone Security, Inc. | Identifying and protecting composed and transmitted messages utilizing keystroke dynamics |
| JP2010239992A (ja) * | 2009-03-31 | 2010-10-28 | Sogo Keibi Hosho Co Ltd | 人物同定装置、人物同定方法、及び人物同定プログラム |
| US8005300B2 (en) | 2005-07-21 | 2011-08-23 | Fuji Xerox Co., Ltd. | Image search system, image search method, and storage medium |
| US8090944B2 (en) * | 2006-07-05 | 2012-01-03 | Rockstar Bidco Lp | Method and apparatus for authenticating users of an emergency communication network |
| US8332932B2 (en) | 2007-12-07 | 2012-12-11 | Scout Analytics, Inc. | Keystroke dynamics authentication techniques |
| JP2015018547A (ja) * | 2013-06-13 | 2015-01-29 | 国立大学法人 鹿児島大学 | 認証処理装置及び認証処理方法 |
| WO2021149505A1 (ja) * | 2020-01-22 | 2021-07-29 | 清木康 | 統合検索システム |
| WO2023074229A1 (ja) * | 2021-11-01 | 2023-05-04 | パナソニック インテレクチュアル プロパティ コーポレーション オブ アメリカ | 情報処理方法、情報処理装置、及び情報処理プログラム |
| WO2024075256A1 (ja) * | 2022-10-06 | 2024-04-11 | 日本電気株式会社 | 情報処理システム、情報処理方法、及び記録媒体 |
-
1998
- 1998-04-20 JP JP10109707A patent/JPH11306351A/ja active Pending
Cited By (19)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7623970B2 (en) | 2001-04-17 | 2009-11-24 | Panasonic Corporation | Personal authentication method and device |
| US7706574B1 (en) | 2003-11-06 | 2010-04-27 | Admitone Security, Inc. | Identifying and protecting composed and transmitted messages utilizing keystroke dynamics |
| JP2005250712A (ja) * | 2004-03-03 | 2005-09-15 | Univ Waseda | 人物属性識別方法およびそのシステム |
| US7620819B2 (en) | 2004-10-04 | 2009-11-17 | The Penn State Research Foundation | System and method for classifying regions of keystroke density with a neural network |
| JP2006178651A (ja) * | 2004-12-21 | 2006-07-06 | Toshiba Corp | 人物認識装置、人物認識方法および通行制御装置 |
| JP2007026386A (ja) * | 2005-07-21 | 2007-02-01 | Fuji Xerox Co Ltd | 画像検索システム及び方法 |
| US8005300B2 (en) | 2005-07-21 | 2011-08-23 | Fuji Xerox Co., Ltd. | Image search system, image search method, and storage medium |
| WO2007075982A1 (en) * | 2005-12-23 | 2007-07-05 | Biopassword, Inc. | Method and apparatus for multi-model hybrid comparison system |
| US8020005B2 (en) | 2005-12-23 | 2011-09-13 | Scout Analytics, Inc. | Method and apparatus for multi-model hybrid comparison system |
| US7526412B2 (en) | 2006-03-31 | 2009-04-28 | Biopassword, Inc. | Method and apparatus for multi-distant weighted scoring system |
| US8090944B2 (en) * | 2006-07-05 | 2012-01-03 | Rockstar Bidco Lp | Method and apparatus for authenticating users of an emergency communication network |
| US8332932B2 (en) | 2007-12-07 | 2012-12-11 | Scout Analytics, Inc. | Keystroke dynamics authentication techniques |
| JP2010239992A (ja) * | 2009-03-31 | 2010-10-28 | Sogo Keibi Hosho Co Ltd | 人物同定装置、人物同定方法、及び人物同定プログラム |
| JP2015018547A (ja) * | 2013-06-13 | 2015-01-29 | 国立大学法人 鹿児島大学 | 認証処理装置及び認証処理方法 |
| WO2021149505A1 (ja) * | 2020-01-22 | 2021-07-29 | 清木康 | 統合検索システム |
| JP2021117542A (ja) * | 2020-01-22 | 2021-08-10 | 康 清木 | 統合検索システム |
| US11907297B2 (en) | 2020-01-22 | 2024-02-20 | Yasushi Kiyoki | Integrated search system |
| WO2023074229A1 (ja) * | 2021-11-01 | 2023-05-04 | パナソニック インテレクチュアル プロパティ コーポレーション オブ アメリカ | 情報処理方法、情報処理装置、及び情報処理プログラム |
| WO2024075256A1 (ja) * | 2022-10-06 | 2024-04-11 | 日本電気株式会社 | 情報処理システム、情報処理方法、及び記録媒体 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JPH11306351A (ja) | データ統合方法及び装置、記録媒体 | |
| KR102139548B1 (ko) | 안면인식 기술 기반 분산화된 신원증명 시스템 및 방법 | |
| US20100017209A1 (en) | Random voiceprint certification system, random voiceprint cipher lock and creating method therefor | |
| US20030051147A1 (en) | Authentication-selection system, and authentication system | |
| US8020005B2 (en) | Method and apparatus for multi-model hybrid comparison system | |
| US20060171571A1 (en) | Systems and methods for quality-based fusion of multiple biometrics for authentication | |
| US20060117188A1 (en) | Biometric print quality assurance | |
| US7869634B2 (en) | Authentication of signatures using normalization of signature data | |
| CN101478401A (zh) | 一种基于击键特征识别的认证方法及系统 | |
| WO2007089356A2 (en) | Method and apparatus for rolling enrollment for signature verification | |
| JP3990907B2 (ja) | 複合認証システム | |
| JP3499428B2 (ja) | 生体的特徴の認証装置及び記録媒体 | |
| JP5903257B2 (ja) | 認証システム、登録装置、及び認証装置 | |
| KR100701583B1 (ko) | 타인수락율을 감소시키기 위한 생체정보 인증방법 | |
| KR20030052194A (ko) | 생체정보를 이용한 사용자 인증 시스템, 상기 시스템에서인증서를 등록하는 방법 및 사용자 인증방법 | |
| JPH11306352A (ja) | 生体的特徴の認証精度推定方法及び装置、記録媒体 | |
| JP2011076289A (ja) | 生体認証装置 | |
| JP2003044858A (ja) | 個人認証装置および方法 | |
| JP4440414B2 (ja) | 話者照合装置及び方法 | |
| JP3499429B2 (ja) | 生体的特徴の認証方法及び装置、記録媒体 | |
| Wirtz | Technical evaluation of biometric systems | |
| Azzini et al. | A fuzzy approach to multimodal biometric authentication | |
| Fatima et al. | Secured multimodal biometric system | |
| WO2023175781A1 (ja) | 認証装置、認証方法、プログラム | |
| Falguera et al. | Fusion of fingerprint recognition methods for robust human identification |