JPH0414359B2 - - Google Patents
Info
- Publication number
- JPH0414359B2 JPH0414359B2 JP56210201A JP21020181A JPH0414359B2 JP H0414359 B2 JPH0414359 B2 JP H0414359B2 JP 56210201 A JP56210201 A JP 56210201A JP 21020181 A JP21020181 A JP 21020181A JP H0414359 B2 JPH0414359 B2 JP H0414359B2
- Authority
- JP
- Japan
- Prior art keywords
- vector
- category
- pattern
- standard pattern
- symbol
- 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.)
- Expired
Links
- 239000013598 vector Substances 0.000 claims description 58
- 238000003909 pattern recognition Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000000034 method Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
Landscapes
- Character Discrimination (AREA)
Description
【発明の詳細な説明】
本発明はベクトルの系列として表現される入力
パタンを認識する装置の改良に関し、特にあらか
じめ用意されたベクトル標準パタンを用いて認識
を行う装置の改良に関する。
パタンを認識する装置の改良に関し、特にあらか
じめ用意されたベクトル標準パタンを用いて認識
を行う装置の改良に関する。
一般に音声や図形、文字等のパタンは特徴ベク
トルの系列として表わすことができるが、パタン
をベクトルの系列として表現したとき、あらかじ
め標準的なパタンを用意しておき、これらのパタ
ンと入力されたパタンとの類似度（類似性を表わ
す尺度）を比較することにより認識を行うことが
できる。このとき、日本音響学会講演論文集（昭
和55年度10月）p.391−p.392に見られるように、
ベクトルを単位とした標準パタン（ベクトル標準
パタン）を用意し、カテゴリ標準パタンを、上記
ベクトル標準パタンの組合せにより辞書として表
現することにより処理量を減らすことができる。
しかしこの場合でも、一つのカテゴリに対して多
数の辞書を用意する必要のある場合には、認識時
に多数の辞書を参照しなければならないため処理
量が増大するという問題点があつた。
トルの系列として表わすことができるが、パタン
をベクトルの系列として表現したとき、あらかじ
め標準的なパタンを用意しておき、これらのパタ
ンと入力されたパタンとの類似度（類似性を表わ
す尺度）を比較することにより認識を行うことが
できる。このとき、日本音響学会講演論文集（昭
和55年度10月）p.391−p.392に見られるように、
ベクトルを単位とした標準パタン（ベクトル標準
パタン）を用意し、カテゴリ標準パタンを、上記
ベクトル標準パタンの組合せにより辞書として表
現することにより処理量を減らすことができる。
しかしこの場合でも、一つのカテゴリに対して多
数の辞書を用意する必要のある場合には、認識時
に多数の辞書を参照しなければならないため処理
量が増大するという問題点があつた。
本発明の目的は、上記のような一つのカテゴリ
に対して多数の辞書が必要な場合でも処理量の少
ないパタン認識装置を実現することにある。
に対して多数の辞書が必要な場合でも処理量の少
ないパタン認識装置を実現することにある。
一般にパタンＳをｎ個のベクトルから成る系列
｜S1，……，o｜、またベクトル標準パタンをR1，
R2，……で表わすと、パタンＳの各ベクトルSi
を、Siと最も類似度の大きくなるベクトル標準パ
タンで置きかえることによりパタンＳをｎ個の記
号から成る記号系列〔L(1)，……，L(o)〕で表現す
ることができる。すなわち、ベクトルSiとRjとの
類似度をＸ（ｉ，ｊ）とすると Ｘ（ｉ，Li）＝ max ｊＸ（ｉ，ｊ） (1) 各カテゴリに対してベクトル系列としての標準
パタン（ベクトル系列標準パタンと呼ぶ）が複数
個あるとして、認識対象カテゴリの個数をＭ，ま
たカテゴリｍのベクトル系列標準パタンの個数を
ｋ(m)，ベクトル系列標準パタンを A(m) 2，A(m) 2，……，A(m) k(n) とすると、A(m) jは、それぞれ記号系列として次の
ように表現することができる。
｜S1，……，o｜、またベクトル標準パタンをR1，
R2，……で表わすと、パタンＳの各ベクトルSi
を、Siと最も類似度の大きくなるベクトル標準パ
タンで置きかえることによりパタンＳをｎ個の記
号から成る記号系列〔L(1)，……，L(o)〕で表現す
ることができる。すなわち、ベクトルSiとRjとの
類似度をＸ（ｉ，ｊ）とすると Ｘ（ｉ，Li）＝ max ｊＸ（ｉ，ｊ） (1) 各カテゴリに対してベクトル系列としての標準
パタン（ベクトル系列標準パタンと呼ぶ）が複数
個あるとして、認識対象カテゴリの個数をＭ，ま
たカテゴリｍのベクトル系列標準パタンの個数を
ｋ(m)，ベクトル系列標準パタンを A(m) 2，A(m) 2，……，A(m) k(n) とすると、A(m) jは、それぞれ記号系列として次の
ように表現することができる。
A(m) j＝〔L(m) J(1)，L(m) J(2)，……，L(m) J（ｎ
）〕， ｊ＝１，２，……，ｋ（ｍ） ｍ＝１，２，……，Ｍ (2) これらをベクトル系列標準パタン辞書と呼ぶ。
）〕， ｊ＝１，２，……，ｋ（ｍ） ｍ＝１，２，……，Ｍ (2) これらをベクトル系列標準パタン辞書と呼ぶ。
これらを用いれば次のように認識を行うことが
できる。入力パタンのベクトル系列を｜S1，…
…，So｜とする。まず入力パタンの各ベクトルSi
とベクトル標準パタンR1，R2との類似度 Ｘ（ｉ，1），Ｘ（ｉ，2）， ……(3) を求める。次に各ベクトル系列標準パタンとの類
似度を辞書を用いて次のように求める。
できる。入力パタンのベクトル系列を｜S1，…
…，So｜とする。まず入力パタンの各ベクトルSi
とベクトル標準パタンR1，R2との類似度 Ｘ（ｉ，1），Ｘ（ｉ，2）， ……(3) を求める。次に各ベクトル系列標準パタンとの類
似度を辞書を用いて次のように求める。
y(m) j＝ｎ
〓i=1
ｘ（ｉ，L(m) J(i)），
ｊ＝１，２，……，ｋ（ｍ），
ｍ＝１，２，……，Ｍ (4)
次いで
y(m)＝
max
ｊ＝１，Ｋ（ｍ） yj (m) (5)
を最大とするｍを求めればこれが認識結果とな
る。
る。
以上の認識処理では式(4)，(5)の実行が必要であ
るが一つのカテゴリについての辞書が多いときに
は式(4)，(5)の処理も多くなる。この点を本発明で
は以下のように解決する。
るが一つのカテゴリについての辞書が多いときに
は式(4)，(5)の処理も多くなる。この点を本発明で
は以下のように解決する。
一つのベクトル系列標準パタンを辞書として表
現するかわりに、あるベクトル標準パタンをあら
わす記号ｊに対して、それがあるカテゴリｍの記
号系列上で位置ｉにある確からしさＰ（ｍ）（ｉ，
ｊ），（すなわち、カテゴリｍのｉ番目の記号であ
る確からしさ）を定義し、これをすべての記号
ｊ，カテゴリｍ，位置ｉの組合せに対して与え
る。これをベクトル標準パタン辞書と呼ぶことに
する。このとき、入力パタンを（１）式の操作に
よつて記号系列に置きかえたものを〔L(1)，……，
L(o)〕とすると、カテゴリｍに対する類似度を y(m)＝ｎ 〓i=1 P(m)（ｉ，Ｌ(i)） (6) で表わすことができる。
現するかわりに、あるベクトル標準パタンをあら
わす記号ｊに対して、それがあるカテゴリｍの記
号系列上で位置ｉにある確からしさＰ（ｍ）（ｉ，
ｊ），（すなわち、カテゴリｍのｉ番目の記号であ
る確からしさ）を定義し、これをすべての記号
ｊ，カテゴリｍ，位置ｉの組合せに対して与え
る。これをベクトル標準パタン辞書と呼ぶことに
する。このとき、入力パタンを（１）式の操作に
よつて記号系列に置きかえたものを〔L(1)，……，
L(o)〕とすると、カテゴリｍに対する類似度を y(m)＝ｎ 〓i=1 P(m)（ｉ，Ｌ(i)） (6) で表わすことができる。
式(6)の実行の一例を、パタンが４個のベクトル
系列で表わされ、カテゴリ数Ｍ＝３，標準パタン
数が６である場合について以下に示す。
系列で表わされ、カテゴリ数Ｍ＝３，標準パタン
数が６である場合について以下に示す。
入力パタン｜S1，S2，S3，S4｜が記号系列
〔５，５，２，６〕に変換されたとする。また、
ベクトル標準パタン辞書は第１図のように記述さ
れているとする。このとき類似度y(1)，y(2)，y(3)
は表中の○印の和として次のように得られる。
〔５，５，２，６〕に変換されたとする。また、
ベクトル標準パタン辞書は第１図のように記述さ
れているとする。このとき類似度y(1)，y(2)，y(3)
は表中の○印の和として次のように得られる。
y(1)＝0.9＋0.8＋0.6＋0.7＝3.0
y(2)＝0.4＋0.9＋0.2＋0.3＝1.8
y(3)＝0.3＋0.4＋0.3＋0.1＝1.1
ベクトル標準パタン辞書P(m)（ｉ，ｊ）は、経
験的な知識により記述することも可能であり、ま
た多数のベクトル系列標準パタンを用いて統計的
な方法により得ることも可能である。例えば、前
者の例として、単語音声認識の場合にはベクトル
標準パタンを音韻標準パタンに対応させれば、
P(m)（ｉ，ｊ）は“ある音韻がある単語のある位
置にある確からしさ”を表わすので音声学的な知
識を利用して記述することができる。
験的な知識により記述することも可能であり、ま
た多数のベクトル系列標準パタンを用いて統計的
な方法により得ることも可能である。例えば、前
者の例として、単語音声認識の場合にはベクトル
標準パタンを音韻標準パタンに対応させれば、
P(m)（ｉ，ｊ）は“ある音韻がある単語のある位
置にある確からしさ”を表わすので音声学的な知
識を利用して記述することができる。
本発明による装置は、ベクトル標準パタンを格
納する手段と、上記ベクトル標準パタンを参照し
てベクトルの系列から成る入力パタンをｎ個の記
号系列に変換する手段と、カテゴリをｎ個の記号
系列表現したときに記号ｊがあるカテゴリｍの記
号系列上での位置ｉにある確からしさ（すなわち
カテゴリｍのｉ番目の記号である確からしさ）を
すべての記号ｊ，カテゴリｍ，位置ｉの組合せに
対して与えた情報をベクトル標準パタン辞書とし
て格納する手段と、上記ベクトル標準パタン辞書
を参照して上記記号系列から各カテゴリに対する
類似度を得る手段と、上記類似度を最大とするカ
テゴリを認識結果として出力する手段とを含んで
構成される。
納する手段と、上記ベクトル標準パタンを参照し
てベクトルの系列から成る入力パタンをｎ個の記
号系列に変換する手段と、カテゴリをｎ個の記号
系列表現したときに記号ｊがあるカテゴリｍの記
号系列上での位置ｉにある確からしさ（すなわち
カテゴリｍのｉ番目の記号である確からしさ）を
すべての記号ｊ，カテゴリｍ，位置ｉの組合せに
対して与えた情報をベクトル標準パタン辞書とし
て格納する手段と、上記ベクトル標準パタン辞書
を参照して上記記号系列から各カテゴリに対する
類似度を得る手段と、上記類似度を最大とするカ
テゴリを認識結果として出力する手段とを含んで
構成される。
このような構成によれば認識処理の実行は式
(4)，(5)のかわりに式(6)により行われ、したがつて
処理量の少ないパタン認識装置が実現される。
(4)，(5)のかわりに式(6)により行われ、したがつて
処理量の少ないパタン認識装置が実現される。
以下に実施例の図面を参照して本発明の原理を
説明する。
説明する。
第２図は本発明による装置の一例を示すブロツ
ク図である。
ク図である。
入力パタン信号Ｓは処理部２へ入力される。ベ
クトル標準パタンデータは記憶部１に格納されて
おり、処理部２では入力されたベクトルの系列Ｓ
＝｜S1，……，So｜を記憶部１に格納されたベク
トル標準パタンR1，R2……を参照して記号系列
〔Ｌ（１），……，Ｌ（ｎ）〕に変換し、信号として
出力する。
クトル標準パタンデータは記憶部１に格納されて
おり、処理部２では入力されたベクトルの系列Ｓ
＝｜S1，……，So｜を記憶部１に格納されたベク
トル標準パタンR1，R2……を参照して記号系列
〔Ｌ（１），……，Ｌ（ｎ）〕に変換し、信号として
出力する。
なお、ここで入力の各ベクトルを記号に変換す
るには入力の各ベクトルについて、すべてのベク
トル標準パタンとの類似度を求め類似度の最大と
なるベクトル標準パタンに対応する記号を割り当
てればよい。記憶部３にはベクトル標準パタン辞
書が格納されている。処理部４では、処理部２か
ら送られてきた記号系列の信号を、記憶部３に格
納されたベクトル標準パタン辞書を用いて各カテ
ゴリに対する類似度y(1)，……，y(M)に変換し出力
する。ここで類似度は(6)式を実行することにより
得られる。処理部５はこれらの類似度の値を比較
し、最大となるｍを認識結果のカテゴリ番号とし
て出力する。
るには入力の各ベクトルについて、すべてのベク
トル標準パタンとの類似度を求め類似度の最大と
なるベクトル標準パタンに対応する記号を割り当
てればよい。記憶部３にはベクトル標準パタン辞
書が格納されている。処理部４では、処理部２か
ら送られてきた記号系列の信号を、記憶部３に格
納されたベクトル標準パタン辞書を用いて各カテ
ゴリに対する類似度y(1)，……，y(M)に変換し出力
する。ここで類似度は(6)式を実行することにより
得られる。処理部５はこれらの類似度の値を比較
し、最大となるｍを認識結果のカテゴリ番号とし
て出力する。
以上、本発明の説明をしたが、ベクトル標準パ
タン辞書で用いられる確からしさの尺度は任意の
ものでよく、式(6)のようにカテゴリに対する類似
度を確からしさの和として表すかわりに積あるい
は最大値、最小値等により表わしてもよい。
タン辞書で用いられる確からしさの尺度は任意の
ものでよく、式(6)のようにカテゴリに対する類似
度を確からしさの和として表すかわりに積あるい
は最大値、最小値等により表わしてもよい。
また、説明で用いられる”カテゴリ”という概
念は排他的なものでなくてよい。したがつて例え
ば単語音声認識においてある単語を複数のカテゴ
リに対応させる場合のようにも本発明の原理は成
り立つ。
念は排他的なものでなくてよい。したがつて例え
ば単語音声認識においてある単語を複数のカテゴ
リに対応させる場合のようにも本発明の原理は成
り立つ。
説明では入力パタンのベクトル系列のベクトル
の個数、変換された記号系列の記号の個数ともｎ
としたが、記号系列に変換されたときに一定個数
の記号が得られていればよいのでベクトルの個数
は任意でよい。
の個数、変換された記号系列の記号の個数ともｎ
としたが、記号系列に変換されたときに一定個数
の記号が得られていればよいのでベクトルの個数
は任意でよい。
第１図はベクトル標準パタン辞書の内容の一例
を示す図、第２図は本発明の一実施例を示すブロ
ツク図である。 図において、１はベクトル標準パタンを格納す
る記憶部、２はベクトル系列を記号系列に変換す
る処理部、３はベクトル標準パタン辞書を格納す
る記憶部、４は各カテゴリに対する類似度を得る
処理部、５は類似度を比較し認識結果を得る処理
部である。
を示す図、第２図は本発明の一実施例を示すブロ
ツク図である。 図において、１はベクトル標準パタンを格納す
る記憶部、２はベクトル系列を記号系列に変換す
る処理部、３はベクトル標準パタン辞書を格納す
る記憶部、４は各カテゴリに対する類似度を得る
処理部、５は類似度を比較し認識結果を得る処理
部である。
Claims (1)
- １ ベクトル標準パタンを格納する手段と、上記
ベクトル標準パタンを参照してベクトルの系列か
ら成る入力パタンをｎ個の記号（ベクトル標準パ
タンに対応する記号）から成る入力記号系列に変
換する手段と、カテゴリをｎ個の記号から成る記
号系列で表現したときにあるベクトル標準パタン
に対応する記号ｊがあるカテゴリｍの記号系列上
での位置ｉにある確からしさをすべての記号ｊ，
カテゴリｍ，位置ｉの組合せに対して与えた情報
をベクトル標準パタン辞書として格納する手段
と、上記ベクトル標準パタン辞書を参照して上記
入力記号系列から各カテゴリに対する類似度を得
る手段と、上記類似度を最大とするカテゴリを認
識結果として出力する手段とを含んで構成される
ことを特徴とするパタン認識装置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP56210201A JPS58115491A (ja) | 1981-12-29 | 1981-12-29 | パタン認識装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP56210201A JPS58115491A (ja) | 1981-12-29 | 1981-12-29 | パタン認識装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPS58115491A JPS58115491A (ja) | 1983-07-09 |
| JPH0414359B2 true JPH0414359B2 (ja) | 1992-03-12 |
Family
ID=16585456
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP56210201A Granted JPS58115491A (ja) | 1981-12-29 | 1981-12-29 | パタン認識装置 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPS58115491A (ja) |
-
1981
- 1981-12-29 JP JP56210201A patent/JPS58115491A/ja active Granted
Also Published As
| Publication number | Publication date |
|---|---|
| JPS58115491A (ja) | 1983-07-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US4829580A (en) | Text analysis system with letter sequence recognition and speech stress assignment arrangement | |
| US4400828A (en) | Word recognizer | |
| EP0387602B1 (en) | Method and apparatus for the automatic determination of phonological rules as for a continuous speech recognition system | |
| US6910012B2 (en) | Method and system for speech recognition using phonetically similar word alternatives | |
| EP0769184B1 (en) | Speech recognition methods and apparatus on the basis of the modelling of new words | |
| US7406417B1 (en) | Method for conditioning a database for automatic speech processing | |
| JP3459712B2 (ja) | 音声認識方法及び装置及びコンピュータ制御装置 | |
| JPS6466698A (en) | Voice recognition equipment | |
| JPH03144875A (ja) | 文字の認識方法及び音素の認識方法 | |
| US7054814B2 (en) | Method and apparatus of selecting segments for speech synthesis by way of speech segment recognition | |
| CN110211562B (zh) | 一种语音合成的方法、电子设备及可读存储介质 | |
| JPH0713594A (ja) | 音声合成において音声の質を評価するための方法 | |
| EP0562138A1 (en) | Method and apparatus for the automatic generation of Markov models of new words to be added to a speech recognition vocabulary | |
| US20050197838A1 (en) | Method for text-to-pronunciation conversion capable of increasing the accuracy by re-scoring graphemes likely to be tagged erroneously | |
| US5293451A (en) | Method and apparatus for generating models of spoken words based on a small number of utterances | |
| JPS6332397B2 (ja) | ||
| EP4476727B1 (en) | Optimizing personal vad for on-device speech recognition | |
| US4790017A (en) | Speech processing feature generation arrangement | |
| JPH0414359B2 (ja) | ||
| JPH09179578A (ja) | 単音節認識装置 | |
| JPH08221091A (ja) | 音声認識装置 | |
| JP3240691B2 (ja) | 音声認識方法 | |
| JP2961797B2 (ja) | 音声認識装置 | |
| JP2817406B2 (ja) | 連続音声認識方式 | |
| JP2702919B2 (ja) | 文−音声変換装置 |