JPS60209794A - パタ−ンマツチング方法 - 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】 ［発明の技術分野］ 本発明は文字ヤ）音声の認識装置に必須不可欠な標準パ
ターンと入カバターンとの間の類似度を計詐するパター
ンマツチング方法に関する。

［技術的背景とその問題点］ パターンマツチングに基づく認識方法は、文字や音声の
識別すべき各カテゴリーに対して各々標準的なパターン
を用意し、入カバターンをそれに対して照合する事によ
り各識別カテゴリーと入カバターンとの類似度を計算す
る。そして、最大の類似度を与えるカテゴリーが最も近
いとして、入カバターンはそのカテゴリーに属する、と
いう判定をするものである。

このパターンマツチング方法の最も典型的なものとして
、各識別カテゴリー毎に各々１個の標準パターンを用意
する方法がある。しかし、カテゴリー数が多くなる多種
類の文字を認識りる場合や連続音声中の音素パターンな
どの場合は、位置ずれやその前後の影７Ｔによる変形な
どの為安定して高精度を背ることが出来なかった。

そこで持分ＫＩ４９−１２７７８に示される複合類似度
法が案出された。この方法は、各識別カテゴリーに対し
て互いに直交した数種ないし士数種のパターンベクトル
を用意しておく。りなわら、識別すべきカテゴリーをＣ
としたときに、カテゴリーＣに対し、ψ＋ｗ（ｍ＝１〜
Ｍ）というＭ個のベクトルを用意しておく。そして入力
のパターンベクトルＸに対して、 により類似度を計算するものである。（ａハ　は一種の
重み） このパターンベタ１〜ル集合（ψ７）の専用の一方法は
、電子通信学会誌Ｖｏ１．５６，６６８−６７７ページ
（１９７３年５月〉に記載される飯島泰蔵著の１パター
ン認識」なる文献に示されるように、各カテゴリーに属
するパターンの分散共分散行列から、その固有ベクトル
どして予め学習時にめておく事が出来る。

しかし、上記複合類似度法では、その傍、＋　（ｐ；パ
ターンのベクトル集合（ψ社）はカテゴリーＣに属する
パターンのみに注目して構成され、他のカテゴリーＣ−
には独立に構成される。従って本来ｙ６　Ｃ−なるパタ
ーンに％ｉ　ＬでのカテゴリーＣにり・ｊする類似度Ｓ
ゾを算出すると、その値が、本来のパターンＸに対する
類似度ＳＸ　と同程度の大きな値をとる場合があった。

その結果、識別率の低下を招いていた。

また他の問題点として、パターンマツチングにより入力
のパターン系列の中からある意味を持ったカテゴリーの
同定を行ないたい場合がある。特に連続音声認識の場合
などでは、連続音声中から単語や音節を粘度よく同定づ
−る必要がある。その場合、パターンマツチングの対象
となるものは単に他のカテゴリーに属俳る有意味なパタ
ーンにとどまらり゛、人力音声のある単語ヤ）音節に対
応しない無意味な部分区間にス・１しマツチングをする
事がある。しかし、その場所でのパターンはとのような
形をしているか保証されていない。従って、上記の類似
度を計井づる際に、偶然大きな類似度が得られることか
あり、結果的に全体の認識を誤ることがあった。

これらの問題点、特に第１の点を解決する方法として、
上記類似度の計算式中の内偵を得る操作において、その
絶対値か取りえる最大値を予め学習時にめてｄ５さ、パ
ターンマツチングの類似度演算時に、 Ｔ×　−Σａ臥　（Ａ、、＞２ Ａ、　−ｍｌｎ　（Ｌ＋Ａ　、ｌ　（ψ、、　Ｘ）　ｌ
　）し、＝ｌＩｌａ、Ｘ　ｌ　（ψ７　、　ｇカ　）　
１θ ｇ、；ｅｅ　（学習用パターン） により、類似度をめる方法が提案されている。

しかし、このような方法でも、未だ、各カテゴリーの構
造を十分に反映しているとは言え゛ｆ１前記第２の問題
点、ずなわちパターン同定の問題はほとんど未解決のま
まであった。これは１．類似度演算中の各内積値の値の
分布を見たとぎに、正負の値の分布に大きな偏りが観察
されるためであり、上記の方法では、内偵値の絶対値に
対してその最大値により操作を加えているが、その偏り
の構造が十分反映されないからである。

［発明の目的１ 本発明の目的は、上述の事情に鑑み、各カテゴリーの構
造を反映して、高精度にパターンの同定・識別が行なえ
るパターンマツチング方法を提供することにある。

［発明の概要］ 第１発明では、類似度演算中に必要な内偵値の最大値と
最小値を予め設定し、各内積値を一度写像し、その値を
もって内積値の代りに類似度演算に用いることを特徴と
する。

さらに第２．第３発明では、各カテゴリーに対する類似
度演算中に現われる内積値の２乗値あるいはその部分和
に関する順序性の構造に基づいて、各内積２乗値を一度
写像し、その値をもって内積２乗値の代イつりに類似度
演算に用いることを特徴とするパターンマツチング方法
をも提案する。

［発明の実施例コ 第１発明によるパターンマツチング方法においては、パ
ノノされたＮ次元パターンベクトルをＸとするとき、カ
テゴリーＣに対Ｊる複合類似度暖を ”＝１ により計算する。ここで（ψや、　ｍ　＝１．・・・２
Ｍ（Ｍ＜Ｎ＞）はカテゴリーＣの標準パターンベクトル
集合であり、”６　（ｍ　＝　１　、・・・、Ｍ）はψ
えに対する重みである。ψ２は、カテゴリーＣに属する
パターンベクトル（Ｙｉ、ｉ＝１・・・ｎ）を用いて計
算される共分散行列 を用いて Ｋｃ　（１）ｗ＝　−λ２　Φ、、ｍ　＝１．　２・、
Ｎ　（３）によりめることかできる。リイ家わら、〈１
）ヱ（１））Ｉうψ次はに、の固有ベクトルＣ゛あるこ
とか分かる。

また（３）式でλ燕はΦえに対応する固有値である。

車み ａ’　は例えば、２次を人さい順にλ１≧２．≧・・・
≧λ、としたどぎ ａ、−λや／λ、（４） のように決めることかできる。

（１〉式に示す複合類似度Ｒを用いるパターン認識にお
いては、入力パターンヘタ１ヘルＸに対してＳ：　７ａ
−最大とするカテゴリーＣをもってＸの属するカー７−
ゴリーどりる。しかしながら、（１）式はときとして２
１１Ｆ音パターンにタリして大きな値を与えることかあ
る。

ところで、（ψｍ、ｎ１＝１−Ｍ）はＮ次元空間にａ５
りるカテゴリーＣに苅１６Ｍ次元部分空間を構成する。

また、各（Ｘ、ψ裏）は、ベクトルＸのＭ次元空間の第
１１軸に対りるｍ＝１影である。

一般に、力ｊ」リーＯに属づ−る任意のヘタ１ヘルＹ０
の軸ψ阪に夕・［リ−るＩ’Ｊ影（Ｊある区間に分布す
る。

すなわら、 −１ごね〜＞（Ｙ’、ψ、）／ｌｌＹ’ｌｌ≦ち、≦ｌ ｍ＝１〜Ｍ（５） である。射影の最小・最大の組（（グｈｎｃ　＋　Ｕｙ
’＞　）、　ｍ−ｉ〜Ｍ）は、カテゴリーＣに属する多
くのベクトルＸを用いて定めることができる。そこで、
カテゴリーＣに属さないベクトルＸの軸ψ：への射’ｌ
ｅ　ｌ；　＝　（Ｘ　、　’Ｊ）’；；　）　／　ＩＩ
　Ｘ　ＩＩ　ヲ［四−ｆへ　（α囚　）（６） Ｃ により変換づ−ることにより、複合類似度Ｓｘ　が誤っ
て最大となることを防ぐことが可能となる。（６）式の
関数ｆ、は種々の形に設定りることができる。

本実施例においては、（６）式に承り関数は第１図に承
りような形に設定している。すなわら、ベクトルＸの軸
ψ、への射影 愛龜−（Ｘ、ψｖ−）　／　ＩＩ　Ｘ　ＩＩに幻して、 のようになる。

第２図に第１発明によるパターンマツチング方法の実施
例の構成を示し、１はパターンベクトルメモリ、２は標
準パターンベクトルメモリ、３は積和演算回路、４は乗
算回路、５は射影閾値メモリ、６は関数変換回路、７は
累積回路、８はソーティング回路、９は制御ＩＩｌ！ｌ
ｌ路である。そして積和演算回路３の詳しい構成を第３
図に示してあり、この積和演算回路３はセレクタ３１、
乗算器３２、ラッチ３３、ＡＬＵ３４、アキュムレータ
３５を備えている。さらに、乗算回路４は第４図に示す
ように、乗算器４１、セレクタ４２．４３、ラッチ４４
を漏えて成る。第５図は関数変換回路６の詳細な構成を
示しており、内積！Ｌ乳のレジスタ６１、射影閾値の最
大値ｆｉτ−輻ソ１１Ｘ１１のレジスタ６２、最小値の
レジスタ０丁Ｃに１１ＸＩＩのレジスタ６３、内積値ｕ
１と閾値の比較器６４，６５、出力Ｌ２のヒレフタ６６
、セレクタ６６のためのデコーダ６７により構成されて
いる。ソーティング回路８は類似度値ＳＸ　をカテゴリ
ーＣにっいて大さいカテゴリー順に並べ換える回路（゛
あって、第６図に承り−ように、力７ゴリーＣと共にそ
の類似度値を記憶りるソーティングメ土りε３１、計算
により新たにめられたへ゛１似度値を１ｊピ憶づる類似
度レジスタ８２；比較のためにソーウィングメモリ８１
より順次呼び出される類似度を記憶するレジスタ８３、
比較器８４、しレクタ８５により構成されている。また
さらに、；１．制御回路９は通常のマイク１コブロレツ
ザとメモリ及びそれらの制御部とから構成されている。

第７図はこのパターンマツチング方法に、１３Ｉプる処
理の流れを示す。以上、第７図に従って本発明の一実施
例の動作を説明づ−る。なお、この処理の制御は、制御
回路９により行われる。

認識されるべき対象のパターンへクトルＸか入力されて
パターンベクトルメ七り１に格納される。

（ステップ１０１）　積和演剪１回路３はパターンベタ
１−ルメモリ１よりベクトル、Ｘを読み出してその２乗
ノルムを は （ｎｏｒｍ）２　＝　（ｎｏｒｍ）２　＋　（×１　）
２　。

１−１〜１Ｎ　（１０） として逐次的に行４ｆわれる。（９）式の×１はベクト
ルＸの第１要素であり、第３図における乗算器３２にＪ
ヌいてその２乗値×１′が訓Ｑされる。ま７、：　（１
０）式の累積は△「Ｕ３４とアキュムレータ３５にＪ、
り行われる。

ベクトルＸのノルム１１　Ｘ　１１は（９）式で計算さ
れた２乗ノルムの平方根をめることにより得られる。（
ステップ１０３）　この計算は制御回路９により行われ
る。

ノルム１１　Ｘ　ＩＩが８１算され、ｈテゴリーＣ，標
準ベクトルの次数ｎｌがセットされると、カテゴリーＣ
の第ｍ標準パターンベクトルψ酷に対する射影１ｉｌａ
カ＜ｇ　ｕ：＞ＩＩ　Ｘ　ＩＩ、　５”Ｊ：　１五ＩＩ
　Ｘ　ＩＩ　）としてめられる。（ステップ１０４−１
０６）この計算は乗算回路４により行われる。ψカの閾
値係数１ｒ丁【−愛２．＋　Ｅｒ【Ｕｇ、は用影閾値メ
モリ５に格納されており、乗算回路４にｄ５いてその閾
値係数「了配−吏＆、瓜灯妬をＩＪＪ影閾（１ムメ七り
５から得て、制御回路９からのノルムＩＩ　Ｘ　ＩＩに
乗するのである。

ベクトルＸと標準パターンベクトルｅ−ψ：との内積は
積和演算回路３において行われる。

ψえの値は標準パターンベクトルメモリ２に格納されて
いて、ｒ　’ｌ’　二の各要木を順次読み出すことによ
り Ｓｕｎ＝３ｕｍ−＋−Ｘｉ　Ｊψｒ−７、！−１〜Ｎ　
（１１）として内積が計算される。（ステップ１０７）
う「ｉ！−ψ二はベクトルψ社の第１要素である。ただ
し、ここでは重み「テ［は既に標準パターンベクトルに
乗じられて格納されているとしている。

内積Ｊ−シー（Ｘ、ｎ−ψ足）がめられると、関数変換
回路６において Ｌえ−ｔＬ＜ｎ尺） なる変換が行われる。ここでは内植女にを値「１配置＆
）ＩＸｌｌ、てれ週ＩＩ　Ｘ　ＩＩと比較し、この大小
関係により（７）ヱ（のような変換を行っている。（ス
テップ１０８） 関数変換回路６において得られた値し酢は累積回路７に
おいて ５Ｋ＝ｓえ　＋（Ｌ、）２（１２） なる累積演算に使われる。（ステップ１０９゜１１０）
　ここで、累積回路７の構成は第３図の積和演ぢ（回路
３ど同様である。

（１２）式の演算の後、新たにｍ＋１をｍ次にセットし
、ｍ＞Ｍかどうかを判断り−る。（ステップ１１１．１
１２＞　そしてＩＩＩ＞Ｍ、つまりｍ−１〜Ｍまで上記
累積演算を繰り返し、力）−ゴリーＣについての類似度
Ｓ實　をめる。（ステップ１０６〜１１２）　ここで演
粋民間に余裕がある場合、累積回路７を省略し、（１２
）式の累積６１算を梢和演粋回路３で行ってｂ構わない
３．また、この演算はその制御回路９と乗算回路４とを
利用して行うこともできる。もちろんこの場合、第３図
、第４図に示した回路は若干変更が必要となる。

カテゴリーＣについて全てのψ２に対りる上記の演算の
結果、類似度Ｓ）Ｃがめられると、第６図に示すソーテ
ィング回路８にａ３いて大さい順番に類似度値の並べ換
えが行われる１゜ 第６図においてソーティングメモリ８１には、入ツノパ
ターンベクトルＸにλ・１する類似度と対応す゛るカテ
ゴリ一番号とが類似度の大きい順序で格納されている。

新たにめられたｊｙテゴリーＣの類似度値ＳＸ　は類似
度レジスタ８２にカテゴリ一番号Ｃと共にセットされる
。ＳＫ　がセットされると制御回路９の制御の下にソー
ティングメモリ８１Ｉ より順次、ソー１へされた類似度Ｓ、と対応するカテゴ
リ一番号ＣＩが読み出されてレジスタ８３にセットされ
、比較器８４によりｓＸ　と大小関係が比較される。比
較器８４の比較結果は制御回路９に出力される。制御回
路９は、Ｓ末１≧Ｓ定≧Ｓ、Ｃ−１＋　１となったとき
、最下位の類似度値Ｓｘ　とそのカテゴリーＣＩ　をソ
ーティングメモリ８１より捨て、（ｉ＋１）番目以陪の
類似度値とカテゴリーを１つずつシフトしてセレクタ８
５を介して書き直しを行う。この結果（１→−１〉番目
が空くので、ここに新たにＳｘ　とＣを書き込む。（ス
テップ１１３．１１４＞　以上の操作により全てのカテ
ゴリーに対して類似度の計算が終了すると、ソーティン
グメモリ８１には類似度値の大きい順序で第１位まＣの
類似度値と対応するカテゴリーとが格納されることにな
る。（ステップ１０５−１１５） なお、関数変換回路６は第５図に示した形に限らない。

例えば 、１ヤ　（女。２ ／、工と種々の形にとることかてΔる。

第２発明のハターンマツチンク技赴゛σ）つ−ｊｔ也１
り１ｊ（二つい０次に説明する。

一般に、カテゴリーＣに属づる任ハのｌ＼りｉ−／しＹ
ｏの、そのカテゴリーの部分空間を構成づる各軸に対す
る（ト）影の長さくこは順守性ｌ〕＼ある。この１室内
は、（３）式からカテゴリーＣのＭ次元空間を構成する
各軸が共分散行列Ｋｃの固有ベクトルであって、しかも
その対応する固有１１ｆｉが第１軸から順に小ざくなる
ように順序１号（プられているからである。ソーなわら
、λ昏は第０１軸の分散であるので、これが小さくなる
ということは統計的に分布の幅が狭くなっていることを
意味する。そこで（１）式の複合ズＣ！似度を計算する
際、この順序性を考慮することにより異カテゴリーのパ
ターンや雑音パターンを１、フ；判別ηることを避ける
ことが可能となる。そこで、この第２発明の実施例では
各カテゴリーに属づるパターンベクトルの張る部分空間
を構成する軸に関する添字ｍについて閾値ｍｔ−を設け
、入カバターン×のカテゴリーＣの第ｍ軸への射影の長
さの２乗値をａ慕−（Ｘ、ψ１）２とするとぎ、複合類
似度の計算に先立って次のような変換を行う処理を挿入
する。

関数ｆ＋　を次のように定義する。

ｊ一段　（１４：　１１ｔ／） Ｘ１５） 関数Ｉｎｃ　（１−＋−ｗ　’、　ｌ１ｌｔ　層、Ｌあ
〈Ｑ）Ｊ　ｊｉｆ”ソーｉことって余り意味のない軸ｌ
＼の川・、・ヨか人ご＜１’＋ｌ：　ｊ）　ｊｌＪごる
のを抑制しくいる１、（′１Ｆ）’）八（１−トーン代
１ｉ　Ｘ　：ｌ　２１あって、これＩＪ　Ｌ、ご）１シ
戸＼り１−ルにうｌ−）覆る用影の長さの２乗値に７．
；−）’（いる。

このようにしで、前記（−’ｌ　’ｒ　Ｊいこ、ｉ３（
ノる複合フｊ′Ｉ似反Ｓ０　の５１ｐ式においＣ１（×
、（ツノ：）２　、′ス １１　Ｘ　ＩＩ　２に換え’ＣＪ２（１−、：　ｎｌ−
６’）を）１］（へ、′合類似度を と変換して計ＣＡＬ　？Ｉるのである。

第Ｅ３図にこの第２発明のパターンンツチング方法の実
施１シ１］の構成を示η。１２０は入ノＪパターンベク
トルのメモリ、１２５は標準パターンベクトルのメモリ
、１３０は積和演算回路、１４０は関数変換回路、１５
）Ｏは累積回路、１６０は荷重メモリ、コア０ｔよソー
ティング回路、１８０（よこの装置全体の制御回路であ
る。前記槓和演弾回路１３０は第１発明の実施例と同様
の構成を［ｌｉえており、第９図に詳しいようにセレク
タ１３１゜１３２、乗算器１３３、ラッチ１３４．ＡＬ
Ｕコ３５、アキコムレータ１３６より成る。また関数変
換回路１４０は第１０図に示１′ようにＬミーレジスタ
１４１．１．の最小値レジスタ１４２、比較器１４３、
セレクタ１４４　、　ｉｌｒ制御回路１８０からのイ：
；舅によって動作する制御部１４５によって構成されて
いる。またさらにソーディング回路１７０は第１１図に
示すようにソーティングメモリ１７１、駒ｉたにめられ
たズ（ｉ似麿のため類似度レジスター７２、ソーティン
グメモリー７１からの比較のために呼び出され１ｃ類似
度のためのレジスター７３、比較器１７４、レレクタ１
７５によって構成されている。このソーティング回路１
７０は第１発明の実施例と同４．にの構成をとっている
。制御回路１８０は第１発明の実施例と同じくマイクロ
プロセッサとメモリ及びイれらの制御回路より構成され
ている。

第１２図にこの発明の一実施例の！ｌ！ｌ！狸の流れが
示してあり、以下、第１２図の７０−チｔ７−１〜を基
にこのパターンマツチング装置の動作を説明する。認識
されるべき対象のパターンベタ１ヘルＸは人力されてパ
ターンベクトルメモリー２０に格納′される。（ステッ
プ２０１）　積和演算回路１３０はパターンベクトルメ
モリー２０より×１を読み出してその２乗ノルムを （ｎｏｒｍ）２−Σ（Ｘｉ）２　（１７）；−Ｉ により計算する。（ステップ１ｏ２）　この演算（ｎｏ
ｒｍ）　２＝　（ｎｏｒｍ）　２＋（Ｘｉ　）２゜１−
１〜Ｎ　（１８） として逐次的に行われる。（１７）式の×１はベクトル
Ｘの第ｉ要素である。第８図で（Ｘｉ　）２は乗幹器１
３３で計算され、（１８〉式の累積はＡ　Ｌ　Ｕ　１３
５とアキュムレータ１３６により行われる。

２乗ノルムＩＩ　Ｘ　１１２が計算され、カテゴリーＣ
１標準ベク］・ルの次ｖ１ｍがセットされると、カテゴ
リーＣの第ｍ標準パターンベクトルψ此に対づる射影の
２乗（＋ａかめられる。（ステップ２０３−２０５）　
この計ｐはベクトルＸと標準パターンベクトルψ２との
内積計算として実行され、積和演算回路１３０において
行なわれる。ψ二の値は標準パターンベクトルメモリー
リ５に格納されていて、ψ魚の各要素を順次読み出すこ
とにより３　ｕｍ＝　３　ｕｍ＋　Ｘ　ｉ　・　Φ　ロ
１１゜ｉ　−１，・・・、Ｎ　（１９） として内積が口筒される。（ス）ツ′ノ″２０６　）Φ
乏はベクトルψ匹の第１・用素（ある。ｑ・１影の長さ
の２乗値Ｑ％＝＜Ｘ、Φｒｓ−＞　２かめられると制御
回路１８０において Ｌは一斐”；；、　Ｘｉ　ｘ　ＩＩ　２−ク×、ψ’；
、＞２　／１ｌＸｌ１２　（２（＋）が割算される。く
ステップ２０７）　（２０）式で計算されたしえは、さ
らに関数変換回路１／ＩＯにおいてく１５）式に示Ｊよ
うな変換か行われる。

（ステップ２０８） 関数変換回路１４０の動作は２つの部分に分【プること
かできる。１つは軸番号かｍｔ　以下の軸に対する射影
の長さの２乗値の最小（ＩＣ（を検出りる操作であり、
他は軸番号ｍ−ｅ　以上の軸に対する射影の長さの２乗
値と先に検出した最小値との比較を行う操作−〇ある。

第９図にｄ−３いて「や−レジスタ１４１に新しいＬ４
の値がレットされると最小１ｉｌｊレジスタ１４２の内
容と比較器１４３により比較される３、ｉｎの値かｍし
　より小さいとさ、新しい値が小さくブれば最小１直レ
ジスタ１４２の内容（ｊｐ３き変えられる。イしてレレ
クタ１４４は「■−レジスタ１４１の出力を選択する。

新しい値の方が大きけれは１？、小（泊レジスタ１４２
の値を選択りる。

ｍかｍｔ、より太さければ新しい１−友の値（よ最小値
レジスタ１４２と比較されて、大ぎ（プればセレクタ１
４４において最小値レジスタ１４２の出力か選択される
。これらの制御は制御回路１８０の指示の下＋−二ａｉ
ｌｌ　１２１１部１４５１ごよって行われる。

関数変換回路１４０において７１られた値ｆ２（１氏：
ｆｉｌう）は累積回路１５０において、斗　Ｓシ＋ａ：
、・ｆ５（１−え；叱）なる演算に使われる。（ステッ
プ２０９）　なお、累積回路１５０の構成は第８図の積
和回路１３０と同様であるが、ａｉＩ算時開時間裕があ
る場合、この累積回路１５０を省略し、〈２１）式の累
積計算を槓和演つ回路１３０で行って一６Ｍ４わない。

また荷重メモリ１６０はａ、　’（ｎｌ　＝　１〜Ｍ　
）を与える。

この累積演算は、ψ９のすぺＣについて、つまり川−１
〜Ｍについ０行われる。〈ステップ２０４−２１１．） カテゴリーＣについて全てのψ２に苅りる上記の演算の
結果、類似度Ｓスがめられると、ソーティング回路１７
０において大きい順番に類似度値の並べ換えが行われる
。（ステップ２１２）第５図に示すソーティング回路１
７０におい−Ｃ１ソーディングメモリ１７１には、入カ
バターンベクトルＸに対する類似度と対応Ｊる力ｊゴリ
ー香号が、類似度の大きい順序で格納され−Ｃいる。新
たにめられたカテゴリーＣの類似度値ＳＸは類似度レジ
スタ１７２にカテゴリ一番号Ｃと共にセットされる。Ｓ
ｘ　がセットされると、制御回路１８０の制御の下にソ
ーティングメモリ１７１より順次、ソートされた類似度
Ｓｘ　と対応づるカテゴリ一番号０１が読み出され、レ
ジスター７３にセラ１へされ、比較器１７４によりＳ入
　と大小関係が比較される。比較器１７４の比較結果は
制御回路１８０ｔこ出力される。耐傷１回路１８０はＳ
：Ｉ≧Ｓ’≧ｓｔ、、ｉ　＋ｌとなったとき、最下位の
類似度値Ｓ？とそのカテゴリーＣＩをソーディングメモ
リー７１より捨て、（ｉ＋１）番目以降の類似度値とカ
テゴリーを１つずつジノ１〜して古キ直しを行う。この
結果（ｉｌｌ）番目が空くので、ここに新たに８９　と
Ｃを古き込む。以上の操作により全ての７Ｊデゴリーに
対して類似度の計算が終了づるとソーティングメモリー
７１には類似度値の大さい順序で第１位までの類似度値
と対応するカテゴリーとが格納されることになる。（ス
テップ２０４−２１４） 次に、第３発明の実施例について詳説Ｍる。

複合類似度の泪算式（１）式において、斐、−ａ。

（Ｘ、ψ２）２とすると、 Ｓ２−［艦／ｌｌＸｌｌ２（２２） りる。Ｊなわら、第０番１」の分割かｎｌ　１）　ｌ　
〜０２に対応りるなら、 で、元の類似度は と表現できる。

今、この様な分割を導入−りると、重連の如くψ＾の伸
出方法を考えれば ［１≧［ユ≧・・・・・・≧［Ｐ になるように出来る。このＰのｌａは各カテゴリー毎に
設’ｔｂ　シ□　−（シＰｉいが、説明の簡（１１の為
に金−（の力ｊゴリーに共通ととえる。

この杆４ｆ部分和ｔ＼の分割方法は、例えば１つ−２の
場合（は、予めψ二をｉ、ｉ’　Ｃ＞りるのに用いる学
門用パターンにス・１しＣ１−亀７（１似度演Ｑをｉう
ない、その過程（、 なる最小の（１０を各カテゴリー毎に捜せばよ（１゜Ｐ
＞２の場合も同Ｕ（ある。

この様％ｑ’　を設定し、部分和は、Ｅｒを計算して、
（２４）式の条例を満たさない入カバターンかあれば、
それはカテゴリーＣに属さなｕＮ／＼ターンである可能
性か人さい。従ってこのパターンに対りる類似段を小ざ
いものにりる必要ｌ〕１ある。

そのために次の処理を行なうことにより部分和の値を変
換して、類似度演算に用いる。リ−なりち、Ｓ２−Σｈ
ｐ（Ｆｒ　）　／　ＩＩ　Ｘ　ＩＩ２（２５）Ｐ＝１ ここで、 である。

上記方式の装置構成は第１図と全く同しに構成できる。

すなわち、積和演算回路１３０では部分和Ｅ實を計尊し
、関数変換回路１４０で（２６）式の変換を行なう。最
後に累積回路１５０で（２５〉式中の加算処理を行なう
。

また（２６）式の関数変換の方法は前記のものに限られ
ない。例えば、 かつＥ　＜Ｅ　（２７） Ｆ−ｌ／’ としでも同様の効果が得られる。寸なわら、条件ＥＰ−
ｔ＜［ｐ　（ρ≧２）を満たさない場合に、ＥＬＦを小
さくする変換であればどのようなものであ°つても効果
は同じであり、本発明の範囲に含まれる。

し発明の効果］ この発明は複合類似度計算において、入カバターンと各
カテゴリー標準パターンベクトルの内積値について予め
上限値と下限値とを設定し、あるいは内積２乗値につい
て予め射影軸ごとの大小関係を設定しておき、これらの
限界値を超え、あるいは大小の順序性をくずす数値が算
出されるときには関数変換より小ざな値に変換してから
類似度を計ｉ−ｔするようにしているので、他のカテゴ
リーに属するパターンや全くリジェクトすべき無意味パ
ターン、あるいは雑音のパターンなどに対する類似度を
不当に大きく計算することがない。従って、類似パター
ンとの混同や入ツノの無意味な位置へのパターンの対応
づ（プを減少することができ、識別ヰ′やパターン同定
の精度を人さく向１（Ｊることができる効果がある。

【図面の簡単な説明】

第１図は第１発明の一実施例に（１５（ノる内積ｆｉＱ
の変換関数の形状を示すグラフ、第２図は第１発明の一
実施例のブロック図、第３図（は第１発明の一実施例で
用いる積和演算回路のｉｉ”ｆ細ブロック図、第４図は
第１発明の一実施例で用いる東′ｃ卓回路の詳細ブ「１
ツク図、第５図は第１ｆｃ明の一実施例で用いる関数変
換回路の詳細ブロック図、第６図は第１発明の一実施例
で用いるソーティング回路の詳細ブロック図、第７図は
第１発明の−実り角例の動作を承りフローチャートであ
る。 第８図は第２発明の一実施例のブロック図、第９図は第
２発明の一実施例で用いる積和演算回路の詳■１ブロッ
ク図、第１０図は第２発明の一実施例で用いる関数変換
回路の詳細ブロック図、第１１図は第２発明の一実施例
で用いるソーティング回路の詳細ブ【コック図、第１２
図は第２発明の一実施例の動作を示すフローヂｖ−ｔ−
”Ｃある。 １・・・パターンベクトルメモリ ２・・・４票１￥パターンへクトルメ−しり３・・・積
和演算回路　４・・・乗算回路５・・・躬影閥顧メモリ
　６・・・関数変換回路７・・・累積回路　８・・・ソ
ーディング回路１２０・・・パターンベクトルメモリ １２５・・・ａｔ、　ｉ：ｔｌパターンペツク−ルメモ
リ１３０・・・積和演算回路　１＝ｌＩＯ・・・関数変
換回路１５０・・・累積回路　１６０・・・荷重メモリ
１７０・・・ソーティング回路 ２二：二ｌｉ、′・、＋’ユ 第３図 第４図 第５図 自２ 第６図 舅ζレレ１シ５ｋ１ＪテゴリＣ 第１０図 第１１図 う（１喀らζ椙５ヨｔ　方ヲ℃「すＣ 第１２図

Claims (1)

1. 【特許請求の範囲】 ■　人カバターンベクトルと標準パターンベクトル集合
   との類似度を計算するパターンマツチング方法において
   、各カテゴリーＣに対応して標準パターンとして１つ以
   上の互いに直交しているベクトル集合（ψ。；ｍ　＝１
   〜Ｍ）を持ち、各標準パターンベクトルφ藷と入カバタ
   ーンベクトルＸの内偵値丈：　＝　（Ｘ、ψ音）に対し
   て予め上限値女にと下限値ａ社を設定し、上限値文Ｘ層
   よりも大きな値の内積値や下限値愛ＩＱＴＶ＋よりも小
   さな値の内積値を与えるベクトルψいについてはそれら
   上限値と下限値との間の値をとるように関数ｆ次によっ
   て変換処理し、この関数変換処理後の値Ｌ−ｙｃ（−ｆ
   府（ｉｔ、、））のＩに関する２乗和によりカテゴリー
   Ｃに対する類似度を演算することを特徴とづるパターン
   マツチング方法。 ■　入カバターンベクトルと標準パターンベクトル集合
   との類似度を計算するパターンマツチング方法において
   、各カテゴリーＣに対応して１１パターンとして１つ以
   上の互いに直交しているベクトルの集合（ψゆ；ｍ−１
   〜Ｍ）を持ら、各標準パターンベクトルψ象と入力パタ
   ーンベクトルＸの内積２乗値吐＝（ｘ、Φ衷）２に対し
   て五の…に関する大小関係をカテゴリーｆσに設定し、
   その大小関係を満たさない（１ｍ：ｍ＝１〜Ｍ）に対し
   て、予め定めた任意のより小さい値をとるように関数ｔ
   ｃ　により［ぽ−１次（交５）と変換し、この関数変換
   後の値しいについて２乗和をめ、入カバターンとカテゴ
   リーとの類似度を演算することを特徴とするパターンマ
   ツチング方法。 ■　入カバターンベクトルと標準パターンベクトル集合
   との類似度を計算Ｊるパターンマツチング方法において
   、各カテゴリーＣに対応して標準パターンとして１つ以
   上の互いに直交しているベクトルの集合（ψ、：　ｍ　
   ＝　１〜Ｍ）を持ら、各標準パターンベクトルΦゎと入
   カバターンベクトルＸの内積２乗Ｉｎ！＝（Ｘ、ψ、）
   ２に対して又工の…に関する部分和を算出し、その部分
   和についての大小関係をカテゴリー毎に設定し、その大
   小関係を満たさない部分和に対して、その部分和の値を
   より小さな値をとるように関数変換処理した上で、その
   ２乗和により入カバターンとカテゴリーとの汀１似度を
   計算することを特徴とするパターンマツチング方法。