逐次型階層的クラスタリングによる大量学習の一手法

スポンサーリンク

概要

論文の詳細を見る
パタンマッチングによる高精度な認識を実現するための一つの手段は, 辞書作成時に大量の学習サンプルを用いることである。大量のサンプルには変形パタンが豊富に含まれるため, 辞書の完成度が高まるからである。そのため, 大量の学習サンプルを実時間で学習 (クラスタリング) する手法が必要とされていた。大量学習が可能な従来のクラスタリング手法には, 逐次型単純クラスタリングがあるが, 微小な連続的変形を多く含む大量サンプルに対して, クラスタ中心が徐々に移動し安定しないという欠点がある。本報告では, 上述の欠点を改良し, 大量サンプルの学習が可能な逐次型階層的クラスタリングを提案する。また, 従来不向きとされていた手書き数字に対するパタンマッチングの有効性を実験により示す。
社団法人電子情報通信学会の論文
1997-03-06

著者

関連論文

もっと見る

スポンサーリンク