JPS63298523A - クラスタリング法による２進木構造辞書の作成方式 - Google Patents
クラスタリング法による２進木構造辞書の作成方式Info
- Publication number
- JPS63298523A JPS63298523A JP62131362A JP13136287A JPS63298523A JP S63298523 A JPS63298523 A JP S63298523A JP 62131362 A JP62131362 A JP 62131362A JP 13136287 A JP13136287 A JP 13136287A JP S63298523 A JPS63298523 A JP S63298523A
- Authority
- JP
- Japan
- Prior art keywords
- vector
- binary tree
- reference vector
- vectors
- dictionary
- 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.)
- Pending
Links
Landscapes
- Image Processing (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Image Analysis (AREA)
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。
め要約のデータは記録されません。
Description
【発明の詳細な説明】
〔技術分野〕
入力した多次元ベクトルと基準ベクトルとを比較するマ
ツチング処理によって、入力した多次元ベクトルを分類
し、あるいは符号化、復号化を行うために人力ベクトル
に最も近似した基準ベクトルを選択することが行われる
。
ツチング処理によって、入力した多次元ベクトルを分類
し、あるいは符号化、復号化を行うために人力ベクトル
に最も近似した基準ベクトルを選択することが行われる
。
上記マツチング処理の１つの方法として、基準ベクトル
を各ノードにおいて２進木として順次階層的に構成し、
これらノードにおいて入力ベクトルと基準ベクトルとを
逐次比較することによって２進木の一方の人力ベクトル
に近い当該ノードにおける基準ベクトルへの分岐を選択
し、これを逐次のノードにおいて繰返すことによって人
力ベクトルに最も近似した基準ベクトルを選択するよう
にした判定法に関する。
を各ノードにおいて２進木として順次階層的に構成し、
これらノードにおいて入力ベクトルと基準ベクトルとを
逐次比較することによって２進木の一方の人力ベクトル
に近い当該ノードにおける基準ベクトルへの分岐を選択
し、これを逐次のノードにおいて繰返すことによって人
力ベクトルに最も近似した基準ベクトルを選択するよう
にした判定法に関する。
本発明は、上記のようなマツチング処理を行うために、
階層的な各ノードにおいて２進木に分岐させるためのク
ラスタリング法による２進木構造辞書の作成方式に関す
る。
階層的な各ノードにおいて２進木に分岐させるためのク
ラスタリング法による２進木構造辞書の作成方式に関す
る。
第２図は２３＝８個の基準ベクトル′５１″＋＋７２＋
ブ８からなる２進木の例を示すもので、第１層のノード
ＮＩＬ、 ？’Ｌ＊におけるそれぞれの基準ベクトル〒
ｌＬ＋ 〒Ｉｌｌは、これらノードに縦続する下位ノ
ード、すなわち第２層のノードＮ２ＬＬにおける２つの
基準ベクトルｆ２ＬＬ、〒２ＬＲおよび第２層のノード
Ｎ２□における２つの基準のベクトル〒２Ｒ１，〒２□
をそれぞれ代表するものであり、これら基準ベクトル〒
ＩＬ＋ 〒１Ｒの値として、後にさらに詳細に説明す
るように、上記の縦続する下位ノードの２つの基準ベク
トルの平均値を用いることが一般に行われている。
ブ８からなる２進木の例を示すもので、第１層のノード
ＮＩＬ、 ？’Ｌ＊におけるそれぞれの基準ベクトル〒
ｌＬ＋ 〒Ｉｌｌは、これらノードに縦続する下位ノ
ード、すなわち第２層のノードＮ２ＬＬにおける２つの
基準ベクトルｆ２ＬＬ、〒２ＬＲおよび第２層のノード
Ｎ２□における２つの基準のベクトル〒２Ｒ１，〒２□
をそれぞれ代表するものであり、これら基準ベクトル〒
ＩＬ＋ 〒１Ｒの値として、後にさらに詳細に説明す
るように、上記の縦続する下位ノードの２つの基準ベク
トルの平均値を用いることが一般に行われている。
同図によってより具体的にいえば、ノードＮＩＬの基準
ベクトル〒ＩＬとしてはこのノードＮＩＬに縦続する下
位ノードＮＵＬＬ、 Ｎ２□のベクトル〒２ＬＬと〒２
ＬＲの平均値を、また、ノードＮ１１の基準ベクトル〒
ＩＩとしてはこのノードに縦続する下位ノードＮ２１Ｌ
＃ Ｎ２１１のベクトル〒２ＲＬ と”ｆ ２１１の平
均値を用いるものであり、第２層と第３層、第３層と第
４層というような、より下位の層についても同様な基準
ベクトルが用いられる。
ベクトル〒ＩＬとしてはこのノードＮＩＬに縦続する下
位ノードＮＵＬＬ、 Ｎ２□のベクトル〒２ＬＬと〒２
ＬＲの平均値を、また、ノードＮ１１の基準ベクトル〒
ＩＩとしてはこのノードに縦続する下位ノードＮ２１Ｌ
＃ Ｎ２１１のベクトル〒２ＲＬ と”ｆ ２１１の平
均値を用いるものであり、第２層と第３層、第３層と第
４層というような、より下位の層についても同様な基準
ベクトルが用いられる。
第３図はこのような２進木によるマツチングを行うため
の多数のベクトルの分類による辞書の従来の作成方法を
概念的に示したもので、多数のに次元ベクトルの基準ベ
クトル、すなわち辞書データが存在する空間Ｓを実線の
矩形で示してあり、これら基準ベクトルが各空間に同数
ずつ配分されるようにこの例では上記８個の空間に分割
され、これら各空間ごとに当該空間に属するベクトルの
例えば平均値によってこの空間を代表する基準ベクトル
ブ１１７ Ｌ ””””” Ｖ ８が生成される。
の多数のベクトルの分類による辞書の従来の作成方法を
概念的に示したもので、多数のに次元ベクトルの基準ベ
クトル、すなわち辞書データが存在する空間Ｓを実線の
矩形で示してあり、これら基準ベクトルが各空間に同数
ずつ配分されるようにこの例では上記８個の空間に分割
され、これら各空間ごとに当該空間に属するベクトルの
例えば平均値によってこの空間を代表する基準ベクトル
ブ１１７ Ｌ ””””” Ｖ ８が生成される。
そして、これらの基準ベクトル７＋１７２＋ ””””
” ７８の内比較的近い基準ベクトル例えば’５；”＋
１７２を１組として基準ベクトルＴ２ＬＬを作成し、同
様にして上記基準ベクトルｙ２．ダ、から作成した基準
ベクトルＴ２ＬＲとの平均値を次の上位の７−ドＮＩＬ
についての基準ベクトルｆ１Ｌとする。
” ７８の内比較的近い基準ベクトル例えば’５；”＋
１７２を１組として基準ベクトルＴ２ＬＬを作成し、同
様にして上記基準ベクトルｙ２．ダ、から作成した基準
ベクトルＴ２ＬＲとの平均値を次の上位の７−ドＮＩＬ
についての基準ベクトルｆ１Ｌとする。
さらに、上記同様に基準ベクトルフ５．プロ、ｙ７およ
びブ、から作成された基準ベクトル〒Ｉｌｌと上記基準
ベクトル〒１．とによってより上位のノードＮ０を生成
させる。
びブ、から作成された基準ベクトル〒Ｉｌｌと上記基準
ベクトル〒１．とによってより上位のノードＮ０を生成
させる。
このようにして作成される従来の辞書においては、分類
された各群に属する基準ベクトルが同数になるように分
割していたため、検索上の便宜はあるにしても、相互の
相関の高い基準ベクトルが他の群内に含まれるようにな
り、探索の精度が低くなる問題点があった。
された各群に属する基準ベクトルが同数になるように分
割していたため、検索上の便宜はあるにしても、相互の
相関の高い基準ベクトルが他の群内に含まれるようにな
り、探索の精度が低くなる問題点があった。
第５図（ａ）はこの従来技術における問題点を説明する
ためのもので、入力ベクトル又は［相］側りラスタ内の
基準ベクトル７ｏに最も近いにもかかわらず、この０側
クラスタを代表する代表基準ベクトルＴ、の方が［相］
側クラスタを代表する代表基準ベクトルＴ、より人力ベ
クトルマに近いために、上記量も近い基準ベクトルｙｏ
はマツチングの対象から外されてしまってこの基準ベク
トル７ｏを選択することが不可能になり、マツチング歪
を生ずる原因となっている。
ためのもので、入力ベクトル又は［相］側りラスタ内の
基準ベクトル７ｏに最も近いにもかかわらず、この０側
クラスタを代表する代表基準ベクトルＴ、の方が［相］
側クラスタを代表する代表基準ベクトルＴ、より人力ベ
クトルマに近いために、上記量も近い基準ベクトルｙｏ
はマツチングの対象から外されてしまってこの基準ベク
トル７ｏを選択することが不可能になり、マツチング歪
を生ずる原因となっている。
［目 的］
本発明は、入力ベクトルと階層的な２進木として構成さ
れた基準ベクトルとを各ノードにおいてマツチングを行
うための階層的な辞書として、上記のようなマツチング
歪の発生を除いた、マツチング精度の高い辞書を得るこ
とを目的とするものである。
れた基準ベクトルとを各ノードにおいてマツチングを行
うための階層的な辞書として、上記のようなマツチング
歪の発生を除いた、マツチング精度の高い辞書を得るこ
とを目的とするものである。
本発明のクラスタリング法を用いた２進木構造辞書の作
成方式を、１実施例に基づいて以下説明する。
成方式を、１実施例に基づいて以下説明する。
第１図は本発明によるクラスタリングによって、すべて
の基準ベクトル’５” ＋ ＋ ７２ ＋ ””’ ”
” ７ ｎを互いに相関の強い基準ベクトルＶＬ ＋
＋ ７ Ｌ ２＋ ””””” ７ Ｌ Ｊおよび７ｍ
１１７１１２１・・・・′５１″ｉからなる２つのクラ
スタＫＬ、ＫＩＩに分割する状態を模式的に示すもので
あり、このときそれぞれのクラスタＫＬ、ＫＲに含まれ
る基準ベクトルの数は考慮しないで相関度のみに着眼し
てクラスタリングを行うことを特徴とする。
の基準ベクトル’５” ＋ ＋ ７２ ＋ ””’ ”
” ７ ｎを互いに相関の強い基準ベクトルＶＬ ＋
＋ ７ Ｌ ２＋ ””””” ７ Ｌ Ｊおよび７ｍ
１１７１１２１・・・・′５１″ｉからなる２つのクラ
スタＫＬ、ＫＩＩに分割する状態を模式的に示すもので
あり、このときそれぞれのクラスタＫＬ、ＫＲに含まれ
る基準ベクトルの数は考慮しないで相関度のみに着眼し
てクラスタリングを行うことを特徴とする。
同図（ａ）は８つの基準ベクトルデータフ１．ブ２゜ブ
。を本発明によって２進木構造の辞書として作成する例
を示すもので、その（１）図は第１階層のノードにおけ
る上記基準ベクトルデータフ１．り。。
。を本発明によって２進木構造の辞書として作成する例
を示すもので、その（１）図は第１階層のノードにおけ
る上記基準ベクトルデータフ１．り。。
ｙ６の分割を示しており、互いに相関の強い５つの基準
ベクトルデータ”；’ ＋ ｒ Ｖ ２１ ”””””
Ｖ ｓが左方のクラスタＴＬ に、また互いに相関の
強い３つの基準ベクトルデータ′５１″６＋ ”；’
７１７ ｅが右方のクラスタＴＲに配分されており、こ
れらクラスタＴＬ。
ベクトルデータ”；’ ＋ ｒ Ｖ ２１ ”””””
Ｖ ｓが左方のクラスタＴＬ に、また互いに相関の
強い３つの基準ベクトルデータ′５１″６＋ ”；’
７１７ ｅが右方のクラスタＴＲに配分されており、こ
れらクラスタＴＬ。
Ｔ、の代表基準ベクトル〒０．〒、としては、例えばに
−平均値法によってそれぞれのクラスタに属するベクト
ルの平均値を用いることができる。
−平均値法によってそれぞれのクラスタに属するベクト
ルの平均値を用いることができる。
第１図（ａ）の（２）図は次の第２階層での基準ベクト
ルデータ”；’ ｌ＋ Ｖ ２１ ””””” Ｖ ｅ
の分割を示しており、上記左方のクラスタＴＬは基準ベ
クトル”；’＋、”；’２ｔ７３からなる左方のクラス
タＴＬＬと基準ベクトル７４１”；”Ｓからなる右方の
クラスタＴＬＲとに分割されており、このクラスタＴＬ
Ｌの代表基準ベクトル〒Ｌ、は例えば上記同様に基準ベ
クトルブ＋、７２．ｙ３の平均値であり、またクラスタ
ＴＬＲの代表基準ベクトル〒ＬＲはこのクラスタに含ま
れる基準ベクトル７４＋７５の平均値となる。
ルデータ”；’ ｌ＋ Ｖ ２１ ””””” Ｖ ｅ
の分割を示しており、上記左方のクラスタＴＬは基準ベ
クトル”；’＋、”；’２ｔ７３からなる左方のクラス
タＴＬＬと基準ベクトル７４１”；”Ｓからなる右方の
クラスタＴＬＲとに分割されており、このクラスタＴＬ
Ｌの代表基準ベクトル〒Ｌ、は例えば上記同様に基準ベ
クトルブ＋、７２．ｙ３の平均値であり、またクラスタ
ＴＬＲの代表基準ベクトル〒ＬＲはこのクラスタに含ま
れる基準ベクトル７４＋７５の平均値となる。
また、上記右方のクラスタＴＲは基準ベクトル７ｓ、Ｅ
７ｔからなる左方のクラスタＴＲＬと基準ベクトルブ。
７ｔからなる左方のクラスタＴＲＬと基準ベクトルブ。
からなる右方のクラスタＴＲＲとに分割されており、こ
のクラスタＴＲＬの代表基準ベクトル〒ＲＬは例えば上
記同様に基準ベクトルｙ６．ｙ７の平均値であり、また
クラスタＴＲＲの代表基準ベクトル〒Ｒ７はこのクラス
タに含まれる基準ベクトルがｙ８のみであることからこ
の基準ベクトルｙ８となる。
のクラスタＴＲＬの代表基準ベクトル〒ＲＬは例えば上
記同様に基準ベクトルｙ６．ｙ７の平均値であり、また
クラスタＴＲＲの代表基準ベクトル〒Ｒ７はこのクラス
タに含まれる基準ベクトルがｙ８のみであることからこ
の基準ベクトルｙ８となる。
さらに、第１図（ａ）の（３）図は次の第３階層での基
準ベクトルの分割を示しており、上記クラスタＴＬＬ、
ＴＬＲおよびＴＲＬがそれぞれ分割されて基準ベク
トル’５；” ＋、’５７ａからなるクラスタのみが複
数の基準ベクトルを含むクラスタとなっており、その他
のクラスタはそれぞれ基準ベクトルブ。〜ブ、ごとに独
立したクラスタとなる。
準ベクトルの分割を示しており、上記クラスタＴＬＬ、
ＴＬＲおよびＴＲＬがそれぞれ分割されて基準ベク
トル’５；” ＋、’５７ａからなるクラスタのみが複
数の基準ベクトルを含むクラスタとなっており、その他
のクラスタはそれぞれ基準ベクトルブ。〜ブ、ごとに独
立したクラスタとなる。
次の階層として、上記の基準ベクトル７＋、ｙ２からな
るクラスタを分割すると、第１図（ａ）の（４）図に示
したように、各基準ベクトルごとに分割されて、人力ベ
クトルゾに最も近い基準ベクトルをこれら基準ベクトル
ダ１〜ダ。中から選択することができる。
るクラスタを分割すると、第１図（ａ）の（４）図に示
したように、各基準ベクトルごとに分割されて、人力ベ
クトルゾに最も近い基準ベクトルをこれら基準ベクトル
ダ１〜ダ。中から選択することができる。
第１図ら）はこのようにして得られた２進木辞書の構造
を示すもので、第２図に示した従来の２進木辞書の構造
と対比すれば明らかなように、本発明では各クラスタに
含まれる基準ベクトルの数を考慮することなく相関の強
さのみによってクラスタを構成したため、他の基準ベク
トルとの相関の低い基準ベクトル、上例では′５″８、
は比較的高い階層においてマツチングが行われ、逆に他
の基準ベクトルとの相関の強い基準ベクトル、上例では
Ｖ ｌ、 ”；’ ２ 、は比較的深い階層においてマ
ツチングが行われることになる。
を示すもので、第２図に示した従来の２進木辞書の構造
と対比すれば明らかなように、本発明では各クラスタに
含まれる基準ベクトルの数を考慮することなく相関の強
さのみによってクラスタを構成したため、他の基準ベク
トルとの相関の低い基準ベクトル、上例では′５″８、
は比較的高い階層においてマツチングが行われ、逆に他
の基準ベクトルとの相関の強い基準ベクトル、上例では
Ｖ ｌ、 ”；’ ２ 、は比較的深い階層においてマ
ツチングが行われることになる。
第４図は本発明に基づき、コンピュータ処理によってＮ
個の基準ベクトルを上記のような辞書に構成するための
フローチャートを示すもので、このＮ個の基準ベクトル
にラベルを付して分類を行うものであり、このラベルは
基準ベクトル間の相関に基づき、第１階層においては１
あるいは２のラベルのいずれかをこれら基準ベクトルの
それぞれに付し、第２階層では上記１のラベルが付され
た基準ベクトルを３．４のラベルのいずれかに、また２
のラベルが付された基準ベクトルを５，６のラベルのい
ずれかに分類して付替える。
個の基準ベクトルを上記のような辞書に構成するための
フローチャートを示すもので、このＮ個の基準ベクトル
にラベルを付して分類を行うものであり、このラベルは
基準ベクトル間の相関に基づき、第１階層においては１
あるいは２のラベルのいずれかをこれら基準ベクトルの
それぞれに付し、第２階層では上記１のラベルが付され
た基準ベクトルを３．４のラベルのいずれかに、また２
のラベルが付された基準ベクトルを５，６のラベルのい
ずれかに分類して付替える。
さらに、上記３〜６のラベルは次の第３階層において７
〜１４のラベルに上記同様に付替えることによって基準
ベクトルをそれぞれ８つのクラスタのいずれかに配分し
、これを繰返してすべての基準ベクトルを２進木辞書の
末端に割当てるものである。
〜１４のラベルに上記同様に付替えることによって基準
ベクトルをそれぞれ８つのクラスタのいずれかに配分し
、これを繰返してすべての基準ベクトルを２進木辞書の
末端に割当てるものである。
なお、これらラベルは上記処理の終了後は必要ないので
、削除することができる。
、削除することができる。
第５図（ｂ）は本発明によるマツチング歪の減少を説明
するためのもので、従来例を示す同図（ａ）と比較すれ
ば明らかなように、本発明によって相関の強い基準ベク
トルは同一のクラスタに配分されるため、人力ベクトル
ゾに最も近い基準ベクトルｙ。は従来例とは異なって、
■側りラスタに属しており、したがってこの基準ベクト
ルブ。がマツチングの対象から外されることがないので
マツチングの精度を向上することができる。
するためのもので、従来例を示す同図（ａ）と比較すれ
ば明らかなように、本発明によって相関の強い基準ベク
トルは同一のクラスタに配分されるため、人力ベクトル
ゾに最も近い基準ベクトルｙ。は従来例とは異なって、
■側りラスタに属しており、したがってこの基準ベクト
ルブ。がマツチングの対象から外されることがないので
マツチングの精度を向上することができる。
［効 果］
本発明によれば、相関の強い基準ベクトルは同一のクラ
スタに配分されるため、入力ベクトルに最も近い基準ベ
クトルがマツチングの対象から外されることがないので
マツチングの精度を向上することができる。
スタに配分されるため、入力ベクトルに最も近い基準ベ
クトルがマツチングの対象から外されることがないので
マツチングの精度を向上することができる。
第１図は本発明によるクラスタリングによって多数の基
準ベクトルをクラスタに分割する状態を模式的に示す図
、 第２図は２進木によるマツチングの説明図、第３図はこ
のマツチングを行うための２進木を生成する従来の方法
を説明する図、 第４図は本発明による２進木構造辞書の作成方式をコン
ピュータ処理によって行う場合のフローチャートであり
、 第５゛図は本発明の詳細な説明する図である。 特許出願人 株式会社 リ コ −。 第２図 第３図 第４図 ； ０１ ■ 弾 第５図
準ベクトルをクラスタに分割する状態を模式的に示す図
、 第２図は２進木によるマツチングの説明図、第３図はこ
のマツチングを行うための２進木を生成する従来の方法
を説明する図、 第４図は本発明による２進木構造辞書の作成方式をコン
ピュータ処理によって行う場合のフローチャートであり
、 第５゛図は本発明の詳細な説明する図である。 特許出願人 株式会社 リ コ −。 第２図 第３図 第４図 ； ０１ ■ 弾 第５図
Claims (2)
- （１）多数のＫ次元ベクトルデータを２進木構造により
階層的に分類した辞書を作成するために、上記多数のＫ
次元ベクトルデータの内で分類の対象となるデータをこ
れらデータ相互間の相関の大小のみに基づいて２分割し
て２進木構造辞書を作成することを特徴とするクラスタ
リング法による２進木構造辞書の作成方式。 - （２）分割されたデータ群を、このデータ群内に含まれ
るデータ相互間の相関の大小に基づいて２分割し、さら
にこれを繰返えして２進木構造辞書を作成することを特
徴とする特許請求の範囲第１項記載のクラスタリング法
による２進木構造辞書の作成方式。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP62131362A JPS63298523A (ja) | 1987-05-29 | 1987-05-29 | クラスタリング法による２進木構造辞書の作成方式 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP62131362A JPS63298523A (ja) | 1987-05-29 | 1987-05-29 | クラスタリング法による２進木構造辞書の作成方式 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JPS63298523A true JPS63298523A (ja) | 1988-12-06 |
Family
ID=15056153
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP62131362A Pending JPS63298523A (ja) | 1987-05-29 | 1987-05-29 | クラスタリング法による２進木構造辞書の作成方式 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPS63298523A (ja) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH0320822A (ja) * | 1989-05-30 | 1991-01-29 | Sony Tektronix Corp | データ分類回路 |
| WO2005060149A1 (ja) * | 2003-11-28 | 2005-06-30 | Matsushita Electric Industrial Co.,Ltd. | 管理装置、端末装置及び著作権保護システム |
| JP2008082765A (ja) * | 2006-09-26 | 2008-04-10 | Ricoh Co Ltd | 情報検出装置 |
| JP2010134927A (ja) * | 2008-12-03 | 2010-06-17 | Ind Technol Res Inst | 階層的外観モデルを用いた監視方法及び監視装置 |
-
1987
- 1987-05-29 JP JP62131362A patent/JPS63298523A/ja active Pending
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH0320822A (ja) * | 1989-05-30 | 1991-01-29 | Sony Tektronix Corp | データ分類回路 |
| WO2005060149A1 (ja) * | 2003-11-28 | 2005-06-30 | Matsushita Electric Industrial Co.,Ltd. | 管理装置、端末装置及び著作権保護システム |
| US8180059B2 (en) | 2003-11-28 | 2012-05-15 | Panasonic Corporation | Management apparatus, terminal apparatus, and copyright protection system |
| JP2008082765A (ja) * | 2006-09-26 | 2008-04-10 | Ricoh Co Ltd | 情報検出装置 |
| JP2010134927A (ja) * | 2008-12-03 | 2010-06-17 | Ind Technol Res Inst | 階層的外観モデルを用いた監視方法及び監視装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Barber | Modularity and community detection in bipartite networks | |
| Randić | On canonical numbering of atoms in a molecule and graph isomorphism | |
| CN108334904A (zh) | 一种基于统一生成对抗网络的多域图像转换技术 | |
| US20080104007A1 (en) | Distributed clustering method | |
| GB2369697A (en) | Generating decision trees with discriminants and employing the same in data classification | |
| Gazagnes et al. | Distributed connected component filtering and analysis in 2D and 3D tera-scale data sets | |
| Yang et al. | Historical context-based style classification of painting images via label distribution learning | |
| US11074274B2 (en) | Large scale social graph segmentation | |
| Sharma et al. | A tree based novel approach for graph coloring problem using maximal independent set | |
| Siu | Residual networks behave like boosting algorithms | |
| JPS63298523A (ja) | クラスタリング法による２進木構造辞書の作成方式 | |
| CN112015366B (zh) | 数据排序方法、数据排序装置及数据库系统 | |
| CN115878693A (zh) | 一种基于位串的分布式频繁项集在商品关联中应用方法 | |
| Truong et al. | Structural image codebooks and the self-organizing feature map algorithm | |
| CN117114085B (zh) | 一种基于残差网络的高准确率和高效通信的联邦平均算法 | |
| Kurlin | Basic embeddings into a product of graphs | |
| CA2488531A1 (en) | Method for solving frequency, frequency distribution and sequence-matching problems using multidimensional attractor tokens | |
| CN112364080A (zh) | 一种面向海量向量库的快速检索系统及方法 | |
| de Menezes et al. | Classification of paintings authorship using convolutional neural network | |
| Genrikhov et al. | Finding frequent elements for a product of partial orders and association rules | |
| Kayama et al. | Fractal arrangement for 2D cellular automata and its implementation for outer-totalistic rules | |
| JPH0773202A (ja) | 有向グラフ再構成方法 | |
| Stahl et al. | P-Prism: A computationally efficient approach to scaling up classification rule induction | |
| Gutwenger et al. | Subgraph induced planar connectivity augmentation | |
| Rutkowski | Weighted Graph Compression using Genetic Algorithms |