JPS59161782A - パタ−ン・マツチング方法 - Google Patents
パタ−ン・マツチング方法Info
- Publication number
- JPS59161782A JPS59161782A JP58036469A JP3646983A JPS59161782A JP S59161782 A JPS59161782 A JP S59161782A JP 58036469 A JP58036469 A JP 58036469A JP 3646983 A JP3646983 A JP 3646983A JP S59161782 A JPS59161782 A JP S59161782A
- Authority
- JP
- Japan
- Prior art keywords
- pattern
- similarity
- standard pattern
- input
- calculation
- 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
- Character Discrimination (AREA)
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。
め要約のデータは記録されません。
Description
【発明の詳細な説明】
産業上の利用分野
本発明は文字、図形、音声等のパターン認識システムに
おけるパターン・マツチング方法に関する。
おけるパターン・マツチング方法に関する。
従来例の構成とその問題点
従来のパターン・マツチング方法は、入カバターンの変
動を吸収するために、入カバターンから抽出された要素
からなる入カバターンベクトルと、標準パターンから抽
出された要素からなる標準パｐ−：ｙ＜ｙｈｔｂと０間
″″″的ｊ計画法Ｉ″Ｄ１″チ′グ〕による漸化式計算
を行な□うことによって入カバターンと標準パターンの
類似度を求め入カバターンを認識する方式が取られてい
る。その際、漸化式計算を行なう領域を限定するために
整合の窓を導入し、演算時間の削減ならびに標準パター
ンベクトルと入カバターンベクトル間での極端力対応づ
けをさけていた。しかし整合の窓幅はどの標準パターン
ベクトルの順化計算の１劾合にも一律の値が用いられて
いる。ところが文字パターンの認識の場合、文字によっ
て入カバターンの標準パターンに対する変動の度合が異
なるため、誤認識が多い欠点がある。
動を吸収するために、入カバターンから抽出された要素
からなる入カバターンベクトルと、標準パターンから抽
出された要素からなる標準パｐ−：ｙ＜ｙｈｔｂと０間
″″″的ｊ計画法Ｉ″Ｄ１″チ′グ〕による漸化式計算
を行な□うことによって入カバターンと標準パターンの
類似度を求め入カバターンを認識する方式が取られてい
る。その際、漸化式計算を行なう領域を限定するために
整合の窓を導入し、演算時間の削減ならびに標準パター
ンベクトルと入カバターンベクトル間での極端力対応づ
けをさけていた。しかし整合の窓幅はどの標準パターン
ベクトルの順化計算の１劾合にも一律の値が用いられて
いる。ところが文字パターンの認識の場合、文字によっ
て入カバターンの標準パターンに対する変動の度合が異
なるため、誤認識が多い欠点がある。
発明の目的
本発明は、認識率の向上ならびに演算時１…の減少を実
現できるパターン・マツチング方法ｆ、Ｍ供することを
目的とする。
現できるパターン・マツチング方法ｆ、Ｍ供することを
目的とする。
発明の構成
本発明のパターン・マツチング方法は、類似度計算の範
囲を限定する定数を標準パターン毎に持たせ、入カバタ
ーンを表現する要素列と標準パターンを表現する要素列
の間の類似度を算出することを特徴とする。
囲を限定する定数を標準パターン毎に持たせ、入カバタ
ーンを表現する要素列と標準パターンを表現する要素列
の間の類似度を算出することを特徴とする。
実施例の説明
以下本発明の一実施例を図面に基づいて龜明する。
第１図はＤＢマツチング方式の原理を説明するものであ
る。入力文字Ａから得られた入カバターンベクトルと標
準パターンＢから得られた標準パターンベクトルをそれ
ぞれＡ、Ｂとする〇但し、Ａ＝（ａｌ、ａ２・・・、ａ
Ｍ）・・・（１）Ｂ ＝ （ｂ、、 ｂ、・・・ 、八
） （２）第１図においては横軸に人力バ
ターンベクトルＡ、縦軸に標準パターンベクトルＢをそ
れぞれ第１式、第２式の安素番号順に並べる。ここでベ
クトルＡとＢの類似度計算は以下の漸化式によって行な
われる。
る。入力文字Ａから得られた入カバターンベクトルと標
準パターンＢから得られた標準パターンベクトルをそれ
ぞれＡ、Ｂとする〇但し、Ａ＝（ａｌ、ａ２・・・、ａ
Ｍ）・・・（１）Ｂ ＝ （ｂ、、 ｂ、・・・ 、八
） （２）第１図においては横軸に人力バ
ターンベクトルＡ、縦軸に標準パターンベクトルＢをそ
れぞれ第１式、第２式の安素番号順に並べる。ここでベ
クトルＡとＢの類似度計算は以下の漸化式によって行な
われる。
但し、 ｄ［ｉ、ｊ） ＝ １ａ１− ’Ｊ ｌ
・・・（４）ｇ（１，ｊ）＝ｏｏ （ｊ≦０又は１≦
０） ・・・（５）ｇ（１，１）＝ｌｊ＋ −ｂ＋ｌ
ｅ＋＋ （６）第４式をｇ（Ｎ、Ｍ）まで計算
し、 Ｄ ＝ ｇ（Ｎ、Ｍ）／Ｌ
（７）を求めると、これがベクトルＡとＢの
間の類似度となる。但し、Ｌ、、、Ｍ＋Ｎ である。
・・・（４）ｇ（１，ｊ）＝ｏｏ （ｊ≦０又は１≦
０） ・・・（５）ｇ（１，１）＝ｌｊ＋ −ｂ＋ｌ
ｅ＋＋ （６）第４式をｇ（Ｎ、Ｍ）まで計算
し、 Ｄ ＝ ｇ（Ｎ、Ｍ）／Ｌ
（７）を求めると、これがベクトルＡとＢの
間の類似度となる。但し、Ｌ、、、Ｍ＋Ｎ である。
第３式の計算において第１行目の計算の範囲を制限する
ものとして整合の窓を用いる。この整′合の窓の範囲は
次の計算によって行なう。
ものとして整合の窓を用いる。この整′合の窓の範囲は
次の計算によって行なう。
ｎ ＝−Ｘ ｉ −Ｗ ＋８
１ｍニーｘｉ＋Ｗ
（９１但し、ｎ＝１（−ｘｉ−ｗ≦１のとき’）・−Ｑ
（Ｉ■ ｍ＝Ｍ （−ｘｉ−１−Ｗ≧Ｍのとき） −−−（
ＩｌｌＷは整合の窓幅を定める定数である。第８式〜第
１１式で定まるｍ、ｎを用いて第１行目の計算では、ｇ
（１，ｎ）からｇ（１，ｍ）の間の計算を第３式によっ
て行なう。第１行目のｎ列からｍ列の間を前記整合の窓
と呼ぶ。
１ｍニーｘｉ＋Ｗ
（９１但し、ｎ＝１（−ｘｉ−ｗ≦１のとき’）・−Ｑ
（Ｉ■ ｍ＝Ｍ （−ｘｉ−１−Ｗ≧Ｍのとき） −−−（
ＩｌｌＷは整合の窓幅を定める定数である。第８式〜第
１１式で定まるｍ、ｎを用いて第１行目の計算では、ｇ
（１，ｎ）からｇ（１，ｍ）の間の計算を第３式によっ
て行なう。第１行目のｎ列からｍ列の間を前記整合の窓
と呼ぶ。
図中のｗａｒｐｐｉｎｇｆｕｎｃｔｉｏｎはベクトルＡ
とＢの最適な対応関係を表わす吃ので、この曲１ｉＪＫ
沿って得られる′ｇ （ｉ、ｊ）の計算を行なうとベク
トルＡとＢの類似度が得られる。実際には第３式の漸化
式計算を第１行目から第ｎ行目まで繰り返すことにより
第７式のＤが得られる。
とＢの最適な対応関係を表わす吃ので、この曲１ｉＪＫ
沿って得られる′ｇ （ｉ、ｊ）の計算を行なうとベク
トルＡとＢの類似度が得られる。実際には第３式の漸化
式計算を第１行目から第ｎ行目まで繰り返すことにより
第７式のＤが得られる。
従来は入カバターンベクトルと数個の標準パターンベク
トルの間で同じ整合の窓幅で上記の漸化式計算を行ない
、最も小さいＤの値が得られた標準パターンベクトルに
対応する標準パターンの文字を認識文字としている。本
方式では第１０式第１１式で定まる整合の窓幅を、ＤＢ
マツチングを行なう標準パターンベクトルごとにその値
を変化させるのが特徴である。
トルの間で同じ整合の窓幅で上記の漸化式計算を行ない
、最も小さいＤの値が得られた標準パターンベクトルに
対応する標準パターンの文字を認識文字としている。本
方式では第１０式第１１式で定まる整合の窓幅を、ＤＢ
マツチングを行なう標準パターンベクトルごとにその値
を変化させるのが特徴である。
今、簡単のために入カバターンＣが２つの標準パターン
Ａ、Ｂのどちらであるかを判定する場合を例にして本方
法を詳しく説明する。
Ａ、Ｂのどちらであるかを判定する場合を例にして本方
法を詳しく説明する。
第２図はベクトルＡとＢの間でＤＰマツチングを行なっ
た場合のｗａｒｐｐｉｎｇ ｆｕｎｃｔｉｏｎを示して
いる。但し、整合の窓を設定しているために第３図の整
合マドを設定しない場合とは異なった曲線になっている
。したがって第２図で得られるベクトルＡとＢの間の類
似度Ｄ１は第３図のｗａｒｐｐｉｎｇｆｕｎｃｔｉｏｎ
Ｋ沼って得られる類似度Ｄ２よりは大きな値となって
いる。
た場合のｗａｒｐｐｉｎｇ ｆｕｎｃｔｉｏｎを示して
いる。但し、整合の窓を設定しているために第３図の整
合マドを設定しない場合とは異なった曲線になっている
。したがって第２図で得られるベクトルＡとＢの間の類
似度Ｄ１は第３図のｗａｒｐｐｉｎｇｆｕｎｃｔｉｏｎ
Ｋ沼って得られる類似度Ｄ２よりは大きな値となって
いる。
第４図は同様に第２図の場合と同じ整合の窓幅でベクト
ルＡとＣの間の類似度計算を行なったもので整合の窓を
設定しない場合とｗａｒｐｐｉｎｇ ｆｕｎｃ−ｔｉｏ
ｎ が一致しているために第４図で得られたベクトル
ＡとＣの類似度Ｄ３は第５図で得られた類似度Ｄ４と等
しい。従来の整合の窓幅を同定する方法では以上のこと
から、Ｄ２とＤ４の間でＤ２＜ Ｄ、が成立する場合が
あっても整合の窓の影響でＤＩ ＞ Ｄ２と々す、結局
Ｄ２〉ＤＪ となることが生じる可能性がある。この
ために人カバターンＡが標準パターンＢを表わしている
場合であっても、人カバターンＡが標準パターンＣと判
定されてしまうことが生じることがある。従来の方法で
これをさけるためには、整合の窓幅な、この例では２つ
の類似度計算の場合で同じ様に大きくすることによって
解決できるがこれによって漸化式計算のｔがベクトルＡ
とＢの間の計算とベクトルＡとＣのＩｔＪｊの計算の２
つの場合で増加してしまう。本方法では標準パターンＢ
の文字を手書きした場合に変動が犬きくなることが前も
って明らかになっている場合に標準パターンベクトルＢ
と入カバターンベクトルとの漸化式計算の際にだけ窓幅
を大きくすることができる。これによって従来の誤認識
をさけることができる。しかもこれによる計算量の増加
はベクトルＡとＢの間の計算の場合だけであり、従来方
式の様に整合の窓幅を一律に大きくすることにより誤認
識をさける場合と比較して本方式では少ない計算量でよ
いという利点がある。また整合の窓幅を可変にするため
には第１０式、第１１式のＷの値を変えることにより容
易に実現できる。
ルＡとＣの間の類似度計算を行なったもので整合の窓を
設定しない場合とｗａｒｐｐｉｎｇ ｆｕｎｃ−ｔｉｏ
ｎ が一致しているために第４図で得られたベクトル
ＡとＣの類似度Ｄ３は第５図で得られた類似度Ｄ４と等
しい。従来の整合の窓幅を同定する方法では以上のこと
から、Ｄ２とＤ４の間でＤ２＜ Ｄ、が成立する場合が
あっても整合の窓の影響でＤＩ ＞ Ｄ２と々す、結局
Ｄ２〉ＤＪ となることが生じる可能性がある。この
ために人カバターンＡが標準パターンＢを表わしている
場合であっても、人カバターンＡが標準パターンＣと判
定されてしまうことが生じることがある。従来の方法で
これをさけるためには、整合の窓幅な、この例では２つ
の類似度計算の場合で同じ様に大きくすることによって
解決できるがこれによって漸化式計算のｔがベクトルＡ
とＢの間の計算とベクトルＡとＣのＩｔＪｊの計算の２
つの場合で増加してしまう。本方法では標準パターンＢ
の文字を手書きした場合に変動が犬きくなることが前も
って明らかになっている場合に標準パターンベクトルＢ
と入カバターンベクトルとの漸化式計算の際にだけ窓幅
を大きくすることができる。これによって従来の誤認識
をさけることができる。しかもこれによる計算量の増加
はベクトルＡとＢの間の計算の場合だけであり、従来方
式の様に整合の窓幅を一律に大きくすることにより誤認
識をさける場合と比較して本方式では少ない計算量でよ
いという利点がある。また整合の窓幅を可変にするため
には第１０式、第１１式のＷの値を変えることにより容
易に実現できる。
なお、上記説明では文字パターンの認識を例に挙げて説
明したが、これらの記載は本発明の範囲を限定するもの
ではなく、本発明は図形、文字等のように何らかの特徴
を表わすベクトルで表現できＬものであれば同様に適用
できる。また類似度計算法としてＤＰマツチング法の１
つの例として第３式の漸化式全説明したが、これに限定
されるもので々く、漸化計算によって類似度を求める手
法に本発明は適用できる。
明したが、これらの記載は本発明の範囲を限定するもの
ではなく、本発明は図形、文字等のように何らかの特徴
を表わすベクトルで表現できＬものであれば同様に適用
できる。また類似度計算法としてＤＰマツチング法の１
つの例として第３式の漸化式全説明したが、これに限定
されるもので々く、漸化計算によって類似度を求める手
法に本発明は適用できる。
発明の詳細
な説明のように、本発明のパターンマツチング方法に上
ると、各標準パターンごとに整合の窓幅を変化させて計
算を行うため、従来のように整合の窓幅を一律にした従
来のものに比べて、演算時間の減少、認識率の向上を実
現できるものである。
ると、各標準パターンごとに整合の窓幅を変化させて計
算を行うため、従来のように整合の窓幅を一律にした従
来のものに比べて、演算時間の減少、認識率の向上を実
現できるものである。
第１図は動的計画法によるパターン・マツチングの原理
説明図、第２図〜第５図は整合の窓幅とｗａｒｐｐｉｎ
ｇ ｆｕｎｃｔｉｏｎの関係説明図である。 代理人 森 木 義 弘 第１図 １１１ａｚ−−−−−ゐ−−−−−−−−−＆、−，ａ
Ｍ第２図 第３図
説明図、第２図〜第５図は整合の窓幅とｗａｒｐｐｉｎ
ｇ ｆｕｎｃｔｉｏｎの関係説明図である。 代理人 森 木 義 弘 第１図 １１１ａｚ−−−−−ゐ−−−−−−−−−＆、−，ａ
Ｍ第２図 第３図
Claims (1)
- ■、 類似度計算の範囲を限定する定数を標準パターン
毎に持だせ、入カバターンを表現する要素列と標準パタ
ーンを表現する要素列の間の類似度を算出するパターン
・マツチング方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP58036469A JPS59161782A (ja) | 1983-03-04 | 1983-03-04 | パタ−ン・マツチング方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP58036469A JPS59161782A (ja) | 1983-03-04 | 1983-03-04 | パタ−ン・マツチング方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JPS59161782A true JPS59161782A (ja) | 1984-09-12 |
Family
ID=12470670
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP58036469A Pending JPS59161782A (ja) | 1983-03-04 | 1983-03-04 | パタ−ン・マツチング方法 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPS59161782A (ja) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS61232499A (ja) * | 1985-04-08 | 1986-10-16 | 株式会社リコー | 音声パターン照合方法 |
| JPS61292698A (ja) * | 1985-06-21 | 1986-12-23 | 三菱電機株式会社 | パタン類似度計算装置 |
| JPS62165695A (ja) * | 1986-01-17 | 1987-07-22 | 日立マイクロコンピユ−タエンジニアリング株式会社 | パタ−ン認識装置 |
| JPS63223796A (ja) * | 1987-03-13 | 1988-09-19 | 松下電器産業株式会社 | 音声認識方法 |
| JPH02296299A (ja) * | 1989-05-10 | 1990-12-06 | Nec Corp | 音声認識装置 |
-
1983
- 1983-03-04 JP JP58036469A patent/JPS59161782A/ja active Pending
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS61232499A (ja) * | 1985-04-08 | 1986-10-16 | 株式会社リコー | 音声パターン照合方法 |
| JPS61292698A (ja) * | 1985-06-21 | 1986-12-23 | 三菱電機株式会社 | パタン類似度計算装置 |
| JPH0556518B2 (ja) * | 1985-06-21 | 1993-08-19 | Mitsubishi Electric Corp | |
| JPS62165695A (ja) * | 1986-01-17 | 1987-07-22 | 日立マイクロコンピユ−タエンジニアリング株式会社 | パタ−ン認識装置 |
| JPS63223796A (ja) * | 1987-03-13 | 1988-09-19 | 松下電器産業株式会社 | 音声認識方法 |
| JPH02296299A (ja) * | 1989-05-10 | 1990-12-06 | Nec Corp | 音声認識装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR102229342B1 (ko) | Fun을 사용하여 cnn의 성능을 향상시키기 위한 학습 방법 및 학습 장치, 그리고 이를 이용한, 테스트 방법 및 테스트 장치 | |
| JP2595495B2 (ja) | パタンマッチング装置 | |
| US5181256A (en) | Pattern recognition device using a neural network | |
| JPH08227408A (ja) | ニューラルネットワーク | |
| JPS59161782A (ja) | パタ−ン・マツチング方法 | |
| Horio et al. | Feedback self-organizing map and its application to spatio-temporal pattern classification | |
| JP3215162B2 (ja) | 曲線形成方法および装置 | |
| JPH0535710A (ja) | ニユーラルネツトワークの学習方法および学習装置 | |
| JP2736361B2 (ja) | ニューラルネット構成方法 | |
| Xu et al. | A new approach to merging gaussian densities in large vocabulary continuous speech recognition | |
| JP3052520B2 (ja) | パターン分類装置 | |
| JPH0565908B2 (ja) | ||
| JPH09138786A (ja) | ニューラルネットワークの学習装置 | |
| JP2518871B2 (ja) | パタン比較器 | |
| JPH0432432B2 (ja) | ||
| JP2940446B2 (ja) | ストロークパターン整合装置 | |
| JPS59195699A (ja) | 単語音声認識装置 | |
| JPH0531792B2 (ja) | ||
| JP3348735B2 (ja) | パターン照合方式 | |
| JP2951661B2 (ja) | パタン尤度計算方式 | |
| JPH03201027A (ja) | 学習を用いた動的計画法 | |
| JPH08272907A (ja) | 文字認識装置及び方法 | |
| JP3155614B2 (ja) | パターン認識方法および装置 | |
| JPS60201398A (ja) | 連続単語音声認識方式 | |
| US6708151B1 (en) | Reference pattern generating apparatus and method, and computer readable medium having reference pattern generating program embodied thereon |