JPS6355677A - パタ−ン認識方法 - 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】 〔産業上の利用分野〕 本発明は、文字や音声等の入カバターンを認識するパタ
ーン認識方法に関するものである０〔従来の技術〕 パターン認識法における認識用辞書の自動作成法の１つ
に特徴選択法がある。こ：ｒＬニ、予め大分類に工す設
定さｔ′Ｌｆｃ各分類において、予めパターンから抽出
さｎ’ｆｌ：、大量の特徴の中から識別に有用な少数の
特徴全選択するものである。

従来のパターン認識法における代表的な特徴選択法に判
別分析法がある。これはフィッシャ（Ｆｉｓｈｅｒ）比
を評価関数とし、フィッシャ比の大きい特徴を選択する
もので、複雑な計算上必要とせず、極めて容易に実行で
きるという利点をもつ。この判別分析法は、たとえば、
数理統計学（Ｍａｔｈｅｍａｔｉｅａｌ　　５ｔａｔｉ
ｓｔｉｃｓ　）著者名：ＷｉｌｋｓｔＳ、　、発行：　
Ｊｏｈｎ　Ｗｉｌｅｙ　＆　５ｏｎｓ　　。

１９６２）に記載さｎている。

〔発明が解決しょうとする問題点〕

しかしながら、上述し九従米のパターン認識法における
判別分析法は、正規分布を前提とし次統計的手法である
ため、正規分布に従わない非統計的データに対しては識
別に有用でないＸｖｆ徴ｔ−選択してしまうという問題
点金有する０ 〔問題点全解決する友めの手段〕 本発明のパターン認識方法は、特徴軸毎にカテゴリー間
のパターン分布の分離状態全表わす分離度が最大となる
特徴軸會第１軸とし、第２軸以降を順次に求める際に前
記第１軸から第（Ｎ−１）軸までの各特徴軸上において
他カテゴリーのパターン領域に属するパターンだけ全周
いて求め之分離度が最大となる特徴軸を第Ｎ軸とし、前
記第１軸から順に選択した１または２以上の特徴軸の特
徴のみｔ用いてパターン認Ｒを行うことヶ特徴とするＯ 〔実施例〕 以下１本発明′に実施例を用いて詳細に説明するＯ第１
図に本発明のパターン認識方法の一実施例を示すブロッ
ク図である０人カバターンに２値化部１で多値パターン
から２値パターンに変換さｎ。

前処理部２でノイズ除去・正規化等の処理が施さｎ、特
徴抽出部３で種々の特徴量が抽出さｎ１犬分類部４で大
まかに分類さｎる。次に、大分類部４による分類毎に、
予め、特徴選択辞書作成部１０で、カテゴリーの既知な
るパターンを用いて、特命抽出部３において抽出さｆＬ
几大量の特徴の中からその分類において識別に有用な少
数の特徴を選択し、その特徴軸名ｔ４！徴選択辞１ｉＦ
８に格納しておく。特徴選択部５では、入カバターンの
特徴の中から特徴選択辞書８に格納されている特徴を選
択し、整合部６で選択さｎた特徴についてだけ整合用辞
書９に格納さｎている標準パターンとの整合を行ない、
その結果に基づいて判定部７で入カバターンの属するカ
テゴリーが決定さｎる０第１図の構成のうち１％徴選択
作成部１０以外の部分は公知の技術から比較的容易に構
成できるので説明全省略し、特徴選択作成部１０におけ
る学習について詳細に説明する。

第２図は特徴選択作成部１０の詳細な構Ｅ’に示すブロ
ック図である。本実施例では、分類内に相異なるカテゴ
リーかに個存在する場合について説明する。まず、パタ
ー／の識別に最も有用な第１軸の選択について説明する
。パターン領域作底部１１では、カテゴＩＪ−ｉのに番
目のパターンの特徴軸ｎ上における特徴量（Ｘ　ｉ　ｋ
　（ｎ）　）己１の最大値［Ｊｉｎと最小値Ｌｉｎとを
求めることにエフ、カテゴＩＪ　−ｉのパターン領域を
設定する。

ここに、Ｎｉ１ｌカテゴリーｉのパターン数である〇第
３因に一例として、特徴軸ｎ上におけるカテゴリー１、
カテゴリー２のパターン領域を示す。

式（１）１式（２）にエフ各カテゴリーに対してパター
ン領域を設定する。

次に距離計算部１２について説明する０特徴軸ｎ上にお
けるカテゴリーｉのバター７領域に対するカテゴ１７　
＋　ｊのに番目のパターンＸｊＭωの距離Ｄｉｋ（ｎ）
全次式で定義する。

Ｄｉｋ（ｎ）　＝　ｍａｘ（Ｌｉｎ　−Ｘｊｋ（ｎ）　
、　Ｘｊｋ（ｎ）　−Ｕｉｎ、　０　）ｋ＝１　、２　
、・・・・・・、Ｎｊ、ｊ＃ｉ　　　　　　（３）次に
評価関数計算部１３について説明する。特徴軸ｎ上で、
カテゴリーｉのパターン領域に属さないカテゴリ＋ｊの
パターン番号全要素とする集合５ｉｊ（ｎ！−次式で定
義する。

５ｉｊ（ｎ）＝　（ｋ　ｌ　Ｄ’１ｋ（ｎ）　＞　Ｏ、
ｊ’Ｅｉ　、に＝１．２゜°゛°゛°°・Ｎｊ　）　　
　　　　　　（４）特徴軸ｎ上においてカテゴリーｉと
は異なる全てのカテゴリーのパターンのうちで、カテゴ
リーｉのパターン領域に属さないパターン数’ｋＮｉ（
ｎ）で表わす。

ここに、Ｓ　は集合Ｓの要素数を表わす０ここで、評価
ｒＡ数となる分離度Ｊ　（ｎ）ｋ式（６）で定義する。

この分離度Ｊ（ｎ）が大きい特徴軸が識別に有用な特徴
軸である。特徴選択辞書構成部１４において最大分離度
を与える特徴軸全第１軸として選択するＯ 具体的な例會用いて分離度による特徴軸の選択を説明す
る。第３図と第４図はそｎぞｌｆ″Ｌ特徴軸ｎ機軸びｍ
上のパターン分布で、カテゴリーが２つの場合である。

第３図では２つのカテゴリーのパターン分布に重なりが
なく、第４図では重なりがあるのでＪ←）〈Ｊ（−とな
り、特徴軸ｍエフ特徴軸ｎの万が優ｎていると言える。

次に、第２軸以降の％機軸の選択法について説明する。

分離度Ｊ（ｎ）が最大の特徴軸を第１軸とし、第２軸は
第１軸上において他カテゴリーのパターン領域に属する
パターンだけ音用いて、最大分離度を与える特徴軸を求
めることにエタ得らｎるＯ他カテゴリーのパターン領域
に属するパターンとハ、相異なるカテゴリーのパターン
分布間の重なりに属するパターンでらる０第２軸以降の
特徴軸は、パターン分布間の重なジを分離する工うな特
徴軸を求めることにエフ得らｎる。

第３軸は第１軸上で他カテゴリーのパターン領域から分
離さ′ｔ″Ｌ九パターンを除き、第２軸において他カテ
ゴリーのパターン領域に属するパターンだけ上用いて最
大分離度を与える特徴軸全求めることに工り得らｎる０
言いかえｎば第３軸は第１軸お工び第２軸（第２軸金求
めた際の状態、すなわち第１軸上において他カテゴリー
のパターン領域に属するパターンだけｔ用いた状態）そ
ｎぞｎにおいて他カテゴリーのパターン領域に属するパ
ターンだけｔ用いて最大分離度を与える特徴軸を求める
ことにエフ得らｎる。

さらに、第４軸、第５軸・・・・・・と顆次に求めてい
く。一般的に表わせば、第Ｎ軸（Ｎは２以上の整数）は
、第１軸から第（Ｎ−１）軸までの各軸を求める際に各
軸上において他カテゴリーのパターン領域から分離さ扛
たパターンで除いたものだけを用いて最大分離度金与え
る特徴軸を求めることにエフ得らｎる０言いかえｎば、
第Ｎ４１］は、第１軸から第（Ｎ−１）軸までの各軸を
求める際に、各軸上において、他カテゴリーのパターン
領域に属するパターンだけを用いて、最大分離度全与え
る特徴軸を求めることによ夕得らｎる。

以上の工うに第１軸、第２軸・・・・−・と順位が定め
らｎ７？：特徴軸のうち、第１軸から適当な順位までの
特徴軸を選択してパターン認識を行うことにより、効率
工くパターン認Ｒ’ｌすることが可能となる０ 〔発明の効果〕 以上説明した工うに本発明は、判別分析法の工うにパタ
ーン分布に正規分布に基づく統計的データという仮定を
おく必要ハなく、このＬつな統計的データお工び正規分
布に基づかない非統計的データの両方に対して相異なる
カテゴリーのパターン分布間の重なりｔ−評価すること
にエフ、パターンの識別に最適な特徴全選択することが
でき、選択さｊＬ７ｊ特徴だけ全周いて認識を行なうこ
とにエフ、複雑な計算を行なうことなく容易に高精度の
パターン認識率が得らｎる効果がある。マ友本発明全適
用して特徴選択全学習にエフコンビエータを用いて自動
的に行なうことも可能である。

【図面の簡単な説明】

第１図は本発明のパターン認識方法の一実施例を説明す
るためのブロック図、第２図は第１図に示す特徴選択辞
書作成部１０の詳細なブロック図、第３図は特徴軸上に
おけるパターン分布の例を示す概念図で２つのカテゴリ
ーのパターン分布が重なる場合、第４図は特徴軸上にお
け・るパターン分布の例を示す概念図で２つのカテゴリ
ーのパターン分布に重なりがない場合である。 １・・・・・・２値化部、２・・・・・・前処理部、吐
・・・・・特徴抽出部、４・・・・・・大分類部、５・
・・・・・特徴選択部、６・・・・・・整合部、７・・
・・・・判定部、８・・・・・・特徴選択辞書、９・・
・・・・整合用辞書、１０・・・・・・特徴選択辞書作
成部。 ＋　　＋　゛−−−−−　１ｅｙ−二＄ｚｆｉ５に＃、
　　１２　・＝　・＝　　２１！Ｊ　＊すＸ４．１３・
・・・・・紳傷藺数計１部、１４−、、、、・竹徴選−
伏片苦槙広部。 １１，７＼ 代理人弁理士内原　　４＝−””” ＼ニノ“ 第　３１ 茶　４ｉ！Ｉ

Claims (1)

【特許請求の範囲】
1. 特徴軸毎にカテゴリー間のパターン分布の分離状態を表
   わす分離度が最大となる特徴軸を第１軸とし、第２軸以
   降を順次に求める際に前記第１軸から第（Ｎ−１）軸ま
   での各特徴軸上において他カテゴリーのパターン領域に
   属するパターンだけを用いて求めた分離度が最大となる
   特徴軸を第Ｎ軸とし、前記第１軸から順に選択した１ま
   たは２以上の特徴軸の特徴のみを用いてパターン認識を
   行うことを特徴とするパターン認識方法。