权益分类	功能权益	普通用户	{{item.name}}会员
{{category.name}}	{{benefitItem.name}}

相対Karhunen-Loeve変換によるパターン認識

使用相对 Karhunen-Loeve 变换的模式识别

基本信息

批准号：
08780332
负责人：
山下幸彦
金额：
$ 0.64万
依托单位：
Tokyo Institute of Technology
依托单位国家：
日本
项目类别：
Grant-in-Aid for Encouragement of Young Scientists (A)
财政年份：
1996
资助国家：
日本
起止时间：
1996 至无数据
项目状态：
已结题

项目摘要

工学的なパターン認識の処理過程は、観測、前処理、特徴抽出、識別の4過程に分けることができる。また、部分空間法と呼ばれる一連の識別手法においては、識別過程においても、それぞれのカテゴリーの特徴(類内特徴)の抽出を行なう。そして、入力パターンが最も多く含む類内特徴に対応するカテゴリーを識別結果とする。このような認識手法では、類内特徴抽出は他のカテゴリーと区別するための特徴を抽出する過程であり、重要な役割を担っている。代表的な類内特徴抽出法であるCLAFIC(CLAss-Featuring Information Compression)法では、自分のカテゴリーに平均的に多く含まれる特徴を抽出する。しかしながら、そのような特徴は他のカテゴリーと区別するために適したものであるとは限らない。識別に適した特徴とは、自分のカテゴリーに含まれ、他のカテゴリーには含まれないような特徴である.このような観点から、まず、雑音を抑制しながら信号の特徴を抽出するために開発された相対Karhunen-Loeve変換の評価基準を拡張し、着目するカテゴリーの特徴の中で他のカテゴリーのパターンに対してはその大きさが小さくなるような特徴を抽出することができる評価基準を求めた。そして、その評価基準を満たす類内特徴抽出法(相対KL変換法)を具体的に計算する方法を開発した。また、計算機による手書き文字認識実験を行ない、相対KL変換法によってCLAFIC法よりも高い認識精度を得ることができた。このときの実験から得られた認識精度は十分実用的なものであった。さらに、相対KL変換法のための行列を設計するための計算時間は、CLAFIC法の2倍程度であり、1つのパターンに対する処理時間はCLAFIC法とほぼ同程度であった。この実験によって、相対KL変換法は文字認識のための類内特徴抽出法として有効であることを示すことができた。

The engineering process is divided into 4 processes: processing, detection, pre-processing, feature extraction, and identification.また、Partial space method とcall ばれる一连のidentification technique においては、Recognition process においても, それぞれのカテゴリーの特徴 (kind of special 徴) のdraw out を行なう.そして, enter force パターンがmost も多く用むcategory 内徴に対応するカテゴリーをidentification result とする. The difference between the recognition technique and the special drawing methodするための特徴をdraw out the する process であり, important なservice cut を聣ている. Typical examples are the CLAFIC (CLAss-Featuring Information Compression) extraction method and the self-divided extraction method.しかしながら、そのような特徴は他のカテゴリーとDIFFERENCE するために为したものであるとはlimit らない. Identification of にAdaptation した特徴とは, 自分のカテゴリーに contain まれ, のカテゴリーには contain まれないような特徴である.このような観点から、まず、雑音を suppress the signal しながら特徴をdraw out するために开発されたphase対Ka rhunen-Loeve変changeのvaluation価baselineを拡张し、目するカテゴリーの特徴の中でhisのカテゴリーのパターンに対してはその大きさが小さくなるような特徴をdraw out the することができるevaluation benchmark をask めた. The そして, その evaluation standard を満たす class specific 侴 extraction method (corresponding KL conversion method) is the specific に calculation method を开発した.また, computer によるhandwritten きcharacter recognition 実験を行ない, phase 対KL 変change method によってCLAFIC method よりも高い recognition accuracy をget ることができた.このときの実験からget られた recognize the accuracy of は very useful なものであった.さらに、KL substitution method のための ranks を design するためのcalculation time は、CLAFIC method 2 The magnification degree is the same as the 1つのパターンに対する processing time and the CLAFIC method is the same degree.この実験によって, phase 対KL変change method はcharacter recognition のためのcategory special 徴Extraction method としてeffective であることを Show すことができた.