連想整合法に基づく高速大分類法

概要

論文の詳細を見る
多次元の特徴ベクトルで表現された, カテゴリー数の多いパターンを対象に, 未知入力パターンを識別する問題は多い. この場合, 未知入力パターンと標準パターンとの全数整合法では, 膨大な計算量を必要とするため, 大分類が不可欠となる. 本論文では, 標準パターンとの距離計算を回避するのみならず, 大分類法による識別結果を利用して, 少数個の候補カテゴリーを高速かつ自動的に決定できる, 広範囲の対象に適用可能な手法を提案する. 本手法では, 辞書を次の手順で作成しておく. まず, 各カデゴリーの学習標本分布を用いて, 各特徴軸における標本の存在範囲を定義し, これをl個の級に分割する. 次に, 各級に属するカテゴリーを学習標本分布を用いて決定し, これを級が指定されたとき, その級に属するカテゴリーが直ちに得られる形式の辞書として記憶しておく. 候補カテゴリーは次の手法で決定する. 未知入力パターンの特徴要素から級を決定し, 辞書から候補カテゴリーを得る. これを全特徴要素に対して行い, カテゴリー別の累積特微個数を求め, 最大累積特徴個数-k(kは整定数)までを候補とする. これに後処理を行い, 候補カテゴリーを決定する. オンライン手書き文字(仮名・漢字1153字種)を用いた未学習文字での実験を行い, 提案法の有効性を確認した.
社団法人電子情報通信学会の論文
1997-11-25

連想整合法に基づく高速大分類法

スポンサーリンク

概要

著者

関連論文

スポンサーリンク