專利名稱：信息處理方法和設(shè)備的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及與分類方法有關(guān)的信息處理方法和設(shè)備，該分類方法用于把圖象、聲音和字符之類的模式分成類別。
本發(fā)明還涉及適合于識(shí)別圖象、聲音和字符信息的信息處理方法和設(shè)備。
在模式識(shí)別的先有技術(shù)方法中，已知一種使用神經(jīng)網(wǎng)絡(luò)的識(shí)別方法。神經(jīng)網(wǎng)絡(luò)的一大特點(diǎn)在于可提供一種以錯(cuò)誤反向傳播算法為代表的高效學(xué)習(xí)算法。由于這一特點(diǎn)，已在廣泛的模式識(shí)別領(lǐng)域采用神經(jīng)網(wǎng)絡(luò)。
模式識(shí)別的另一方法是，用分類樹逐步把模式分成類別的方法。例如，在JP-B-6-52537中公開的模式識(shí)別系統(tǒng)中，特征軸被編號(hào)，并按照號(hào)碼分類這些軸。
還知道一種根據(jù)特征變量的主耦合的分類方法。一般說(shuō)來(lái)，使用特征變量主耦合提供的結(jié)果，要好于逐一使用特征軸的結(jié)果。
然而，上述先有工藝技術(shù)有下列缺點(diǎn)。
1.可對(duì)其使用神經(jīng)網(wǎng)絡(luò)的特征變量的范圍在10階以內(nèi)，并且當(dāng)輸入變量包括較高階的變量時(shí)，需要某種類別預(yù)分離或字符抽取。此外，當(dāng)進(jìn)行象類別預(yù)分離或字符抽取之類的預(yù)處理時(shí)，就可能在預(yù)處理期間帶入錯(cuò)誤，并且即使以高精度建造神經(jīng)網(wǎng)絡(luò)，最終識(shí)別率也不高。
2.可對(duì)其使用分類樹的特征變量的范圍亦在10階以內(nèi)，并且當(dāng)較高階的特征變量要被處理時(shí)，實(shí)際上不可能建立分類樹。
3.在實(shí)際的模式識(shí)別中，未處理數(shù)據(jù)的特征變量的階在100與1000之間。這樣，不可能使用現(xiàn)有的神經(jīng)網(wǎng)絡(luò)和分類樹，它們實(shí)際上只允許將10階用于實(shí)際的模式識(shí)別。
本發(fā)明包括一個(gè)分級(jí)預(yù)處理步驟，用于分級(jí)地預(yù)處理輸入學(xué)習(xí)模式；和一個(gè)分類樹建立階段，用于建立一個(gè)基于在分級(jí)預(yù)處理步驟中處理的學(xué)習(xí)模式之上的分類樹。其結(jié)果是，即使輸入變量有高階特征，也可高效率地獲得高識(shí)別系數(shù)。
通過(guò)在分級(jí)預(yù)處理步驟中逐步退化學(xué)習(xí)模式的特征變量，本發(fā)明獲得了高效分類。
本發(fā)明包括一個(gè)發(fā)展變量判別步驟，用于在分類樹建立步驟中根據(jù)較高分級(jí)結(jié)構(gòu)與較低分級(jí)結(jié)構(gòu)之間的關(guān)系來(lái)選擇變量；并且根據(jù)發(fā)展變量判別步驟的結(jié)果向較低分級(jí)結(jié)構(gòu)而發(fā)展退化變量，以獲得高效分類。
本發(fā)明用建立的分類樹去識(shí)別輸入模式，以便高效地獲得高識(shí)別系數(shù)。
本發(fā)明根據(jù)建立的分類樹來(lái)建立一個(gè)識(shí)別模板，并用該模板識(shí)別輸入模式，以便高效地獲得高識(shí)別率。
本發(fā)明通過(guò)輸入手寫字符模式作為輸入模式，允許以高識(shí)別系數(shù)高效地識(shí)別手寫字符。
本發(fā)明通過(guò)輸入光讀字符模式作為輸入模式，允許以高識(shí)別系數(shù)高效地識(shí)別光讀字符模式。
本發(fā)明通過(guò)輸入聲音模式作為輸入模式，允許以高識(shí)別系數(shù)高效地識(shí)別聲音。


圖1表示在本發(fā)明的一個(gè)實(shí)施例中用于建立一本模式識(shí)別字典的方法。
圖2表示該實(shí)施例的信息處理設(shè)備結(jié)構(gòu)的方塊圖。
圖3表示本實(shí)施例所用的神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)。
圖4表示該實(shí)施例的模式識(shí)別字典建立過(guò)程中流的流程圖。
圖5表示一種學(xué)習(xí)模式。
圖6表示一種分級(jí)學(xué)習(xí)模式。
圖7表示該實(shí)施例的一種分類樹建立過(guò)程。
圖8表示該實(shí)施例的一種分類樹，和圖9表示一種先有技術(shù)神經(jīng)網(wǎng)絡(luò)的應(yīng)用。
參照附圖，解釋本發(fā)明的優(yōu)選實(shí)施例。
實(shí)施例1圖2表示一個(gè)應(yīng)用了本發(fā)明模式識(shí)別方法的信息處理設(shè)備的結(jié)構(gòu)。
一個(gè)模式識(shí)別設(shè)備包括一個(gè)模式輸入裝置201，一個(gè)顯示裝置202，一個(gè)中央處理機(jī)(CPU)203，和一個(gè)存儲(chǔ)器204。
模式輸入裝置201包括一個(gè)用于聯(lián)機(jī)字符識(shí)別的數(shù)字化轉(zhuǎn)換器，在該轉(zhuǎn)換器上用指示筆輸入的字符或圖形的坐標(biāo)數(shù)據(jù)被傳送到CPU203。模式輸入裝置不限于數(shù)字化轉(zhuǎn)換器和指示筆的組合，而可以用一個(gè)掃描器(用于輸入二進(jìn)制模式數(shù)據(jù))或一個(gè)麥克風(fēng)(用于輸入聲音模式)來(lái)代替指示筆，只要它能夠輸入一個(gè)要被識(shí)別的模式即可。顯示裝置202可顯示由模式輸入裝置201輸入的未處理的模式數(shù)據(jù)以及由CPU203識(shí)別的結(jié)果。CPU203可識(shí)別輸入模式，并且根據(jù)存儲(chǔ)器204中所存儲(chǔ)的控制程序執(zhí)行一個(gè)示于流程圖中的過(guò)程，這將在下面來(lái)描述，以及控制全部裝置。存儲(chǔ)器204存儲(chǔ)一個(gè)識(shí)別程序和一個(gè)由CPU203使用的字典，還存儲(chǔ)由識(shí)別程序使用的變量參數(shù)和在識(shí)別過(guò)程中產(chǎn)生的數(shù)據(jù)。
圖1表示本實(shí)施例中一種模式識(shí)別字典的建立方法和一種模式識(shí)別方法。號(hào)碼101表示一種未處理的學(xué)習(xí)模式；號(hào)碼102表示一種分級(jí)預(yù)處理，用于把未處理的學(xué)習(xí)模式傳送到神經(jīng)網(wǎng)絡(luò)；號(hào)碼103表示一種由該神經(jīng)網(wǎng)絡(luò)處理的分級(jí)學(xué)習(xí)模式；號(hào)碼104表示分類樹的建立，以建立一個(gè)基于分級(jí)學(xué)習(xí)模式的分類樹；號(hào)碼105表示發(fā)展變量判別，它在分類樹建立期間被分類樹的建立所使用的；以及號(hào)碼106表示一個(gè)最終分類樹。
在本實(shí)施例中，輸入是未處理學(xué)習(xí)模式，輸出是分類樹。
參照?qǐng)D3至7，解釋本發(fā)明的操作。
將繪于一個(gè)16×16網(wǎng)格上的10個(gè)不同的數(shù)字‘0’至‘9’假定為輸入模式的類別。圖5示出了一個(gè)‘0’輸入模式。假設(shè)為建立字典而輸入的學(xué)習(xí)模式包括‘0’至‘9’，每個(gè)類別包括100個(gè)模式。即，為每一個(gè)類別建立100個(gè)模板。從這些學(xué)習(xí)模式建立的模板由LTi，j代表(在學(xué)習(xí)模板i，j中，i是表示一個(gè)類別的一個(gè)后綴，且0≤i≤9；和j是表示一個(gè)模板號(hào)碼的一個(gè)后綴，且1≤j≤100)。
根據(jù)上述假設(shè)，可構(gòu)成一個(gè)如圖3所示的四分級(jí)結(jié)構(gòu)的神經(jīng)網(wǎng)絡(luò)。圖3中的四分級(jí)結(jié)構(gòu)分別包含2×2，4×4，8×8和16×16個(gè)神經(jīng)細(xì)胞。
如圖4的流程圖所示，本實(shí)施例的模式識(shí)別字典建立過(guò)程是通過(guò)兩個(gè)步驟來(lái)執(zhí)行的，即，一個(gè)神經(jīng)網(wǎng)絡(luò)發(fā)展階段和一個(gè)分類樹建立階段。各階段逐一解釋如下。
(1)神經(jīng)網(wǎng)絡(luò)發(fā)展階段按照?qǐng)D3的最下層16×16個(gè)神經(jīng)細(xì)胞來(lái)輸入學(xué)習(xí)模板。假設(shè)在輸入模式(LTi，j)的白色部分，神經(jīng)細(xì)胞是斷開的；而在黑色部分，神經(jīng)細(xì)胞是接通的。(在下面的描述中，黑色和神經(jīng)細(xì)胞接通，以及白色和神經(jīng)細(xì)胞斷開，都可互換使用。)神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)是很簡(jiǎn)單的。即，如果在下層中的一個(gè)2×2神經(jīng)細(xì)胞組上至少有一個(gè)接通的神經(jīng)細(xì)胞，則向上層以常規(guī)方式處理輸入模式，在最接近的上層中相應(yīng)的神經(jīng)細(xì)胞被接通。在神經(jīng)網(wǎng)絡(luò)發(fā)展過(guò)程中處理圖5所示的一個(gè)學(xué)習(xí)模板，以建立一個(gè)包含第一層至第四層的神經(jīng)網(wǎng)絡(luò)，如圖6所示。
輸入模式的特征空間形成一個(gè)256階的超立方體網(wǎng)格(2256)。它在第三層被退化成264，在第二層退化成216，和在第一層退化成24。
神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)/規(guī)則不限于上述情況。
(2)分類樹建立階段全部學(xué)習(xí)模板(LTi，j)(10個(gè)類別，每個(gè)類別有100個(gè)模式)，在神經(jīng)網(wǎng)絡(luò)發(fā)展階段(1)中被發(fā)展成圖3所示的神經(jīng)網(wǎng)絡(luò)。建立分類樹是從上(第一)層到下(第四)層進(jìn)行的，與發(fā)展神經(jīng)網(wǎng)絡(luò)相反。
一個(gè)根節(jié)點(diǎn)是從圖3的最高層(第一層2×2)上面的虛擬神經(jīng)細(xì)胞開始的。
象發(fā)展學(xué)習(xí)模板(LTi，j)一樣，在圖3的最高階層(2×2)中的至少一個(gè)神經(jīng)細(xì)胞是接通的。(除了當(dāng)全部白色的學(xué)習(xí)模板出現(xiàn)時(shí)，在最高階層(2×2)中的神經(jīng)細(xì)胞不是都被斷開)。因此，對(duì)全部學(xué)習(xí)模板(LTi，j)來(lái)說(shuō)，虛擬最高階神經(jīng)細(xì)胞的活動(dòng)是接通的。
因?yàn)樽罡唠A層(2×2)有24＝16個(gè)狀態(tài)(更準(zhǔn)確地說(shuō)，有15個(gè)狀態(tài)，因?yàn)闆](méi)有全部斷開的狀態(tài)，如上述解釋)，故從該根節(jié)點(diǎn)擴(kuò)展出16個(gè)分支(見(jiàn)圖7)。
對(duì)每個(gè)分支中出現(xiàn)的學(xué)習(xí)模板(LTi，j)數(shù)進(jìn)行計(jì)數(shù)。隨后根據(jù)結(jié)果處理分支。
(1)不出現(xiàn)學(xué)習(xí)模板(LTi，j)刪除該分支。
(2)在學(xué)習(xí)模板(LTi，j)中只出現(xiàn)某個(gè)類別(例如‘1’)的模板如果分支被確定，則類別將被唯一地確定，且該分支被確定為一個(gè)葉子，并被賦與一個(gè)類別號(hào)碼(例如‘1’)。
(3)不出現(xiàn)上述的(1)和(2)情況，即，混合地出現(xiàn)多個(gè)類別的模板該分支被確定為一個(gè)節(jié)點(diǎn)，以繼續(xù)建立分類樹。
圖7表示上述處理的一個(gè)結(jié)果。通過(guò)表示圖3的最高階層(第一層)的神經(jīng)細(xì)胞的觸發(fā)狀態(tài)來(lái)表示分支狀態(tài)。(黑色代表接通，白色代表斷開)。
現(xiàn)有類別類型用X表示的分支相當(dāng)于情況(1)，即“不出現(xiàn)學(xué)習(xí)模板(LTi，j)”，且被刪除。(嚴(yán)格說(shuō)來(lái)，因?yàn)橐阎淮嬖谌咨Ｊ?，故最左邊的分支不從根擴(kuò)展。)在從左端起第8個(gè)分支中，只出現(xiàn)類別‘1’的學(xué)習(xí)模板。這相當(dāng)于情況(2)，即“在學(xué)習(xí)模板(LTi，j)中只出現(xiàn)某個(gè)類別(例如‘1’)的模板”，并且它成為一個(gè)葉子。
在從左端起第12個(gè)分支中，出現(xiàn)類別‘2’、‘4’、‘5’和‘6’的學(xué)習(xí)模板。這相當(dāng)于情況(3)，即“不出現(xiàn)上述的(1)和(2)情況，即，混合地出現(xiàn)多個(gè)類別的模板”，并且它成為一個(gè)節(jié)點(diǎn)。
現(xiàn)在描述一種從節(jié)點(diǎn)建立分支的方法。
在從節(jié)點(diǎn)建立分支中，希望建立一個(gè)最有效的分支。最有效意味著，當(dāng)發(fā)展分支時(shí)可得到關(guān)于類別的最多的信息。
假設(shè)從節(jié)點(diǎn)發(fā)展的分支限于從節(jié)點(diǎn)中接通狀態(tài)神經(jīng)細(xì)胞向較低層發(fā)展的那些分支。例如，對(duì)圖7中從左端起第12分支來(lái)說(shuō)，自圖3第一層中左頂部和右底部的三個(gè)神經(jīng)細(xì)胞選出一個(gè)神經(jīng)細(xì)胞，并且為那些神經(jīng)細(xì)胞下面的神經(jīng)細(xì)胞的狀態(tài)，即圖3第二層的較低4個(gè)神經(jīng)細(xì)胞，發(fā)展分支。
結(jié)果是，可大大減少發(fā)展分支所需的計(jì)算時(shí)間。這樣的約束根本不損害分類樹的分類功能。
現(xiàn)在解釋在發(fā)展神經(jīng)細(xì)胞時(shí)，用于從節(jié)點(diǎn)內(nèi)接通狀態(tài)神經(jīng)細(xì)胞中選擇最有效神經(jīng)細(xì)胞的一種方法。
假設(shè)在一個(gè)節(jié)點(diǎn)內(nèi)出現(xiàn)的學(xué)習(xí)模板(LTi，j)中具有類別號(hào)碼i的學(xué)習(xí)模板數(shù)用Ni表示，且在該節(jié)點(diǎn)內(nèi)出現(xiàn)的學(xué)習(xí)模板總數(shù)用N表示，則在該節(jié)點(diǎn)內(nèi)出現(xiàn)各個(gè)類別的幾率Pi用Pi＝Ni/N表示，其中N=Σi=09Ni]]>因此，在獲得節(jié)點(diǎn)信息時(shí)的一個(gè)熵被表達(dá)成 可選擇該節(jié)點(diǎn)中的一個(gè)接通狀態(tài)的節(jié)點(diǎn)，并可計(jì)算從其中發(fā)展分支時(shí)熵值的降低。
如上所述，在向較低層發(fā)展一個(gè)神經(jīng)細(xì)胞時(shí)的分支數(shù)是16。學(xué)習(xí)模板(LTi，j)分配給16個(gè)分支的方式可用發(fā)展的分支中出現(xiàn)的學(xué)習(xí)模板(LTi，j)數(shù)Ni，b來(lái)表示，其中i表示類別號(hào)碼，b表示分支號(hào)碼。在獲得各分支信息時(shí)的熵被下式給出 其中Nb=Σi=09Ni,b]]>表示諸分支中出現(xiàn)的學(xué)習(xí)模板(LTi，j)的總數(shù)。
進(jìn)入各個(gè)分支的幾率被下式給出NbN]]>因?yàn)镹與式(1)中N相同，故當(dāng)發(fā)展分支時(shí)平均熵值由下式給出 這樣，熵值的平均減小由下式給出 式(4)除以分支數(shù)的商數(shù)，即 可表示當(dāng)分支被發(fā)展時(shí)的分類效率。
一個(gè)具有式(5)最大值的神經(jīng)細(xì)胞被選擇，且分支被發(fā)展。
不是只發(fā)展一個(gè)神經(jīng)細(xì)胞，而是分支可為一群神經(jīng)細(xì)胞而發(fā)展。
在這種情況下，式(5)中分支數(shù)等于神經(jīng)細(xì)胞數(shù)×16。(嚴(yán)格說(shuō)來(lái)，分支數(shù)等于神經(jīng)細(xì)胞數(shù)×15，因?yàn)樵谳^低層中的神經(jīng)細(xì)胞不可能都被斷開。)在本實(shí)施例中，由式(5)表示的值被用作在發(fā)展分支時(shí)表示分類效率的值，而除了式(5)以外的其他值可用作一種函數(shù)，以表示在參考文獻(xiàn)“分類和回歸樹”中所述“Gini標(biāo)準(zhǔn)”的分支發(fā)展效率。
當(dāng)確定了要發(fā)展的一個(gè)神經(jīng)細(xì)胞或一組神經(jīng)細(xì)胞時(shí)，諸分支被發(fā)展，且葉子和節(jié)點(diǎn)被建立。當(dāng)全部最終成為葉子時(shí)，分類樹的建立即被完成。
圖8表示實(shí)際建立的分類樹的內(nèi)容。
圖8表示圖7詳情，刪除了略去的分支。圖8中有圓圈的分支表示它們是葉子。
因?yàn)槌巳~子以外的全部分支都變成節(jié)點(diǎn)，故這些分支被進(jìn)一步深入發(fā)展。在圖8中，只對(duì)從右端起第三個(gè)節(jié)點(diǎn)說(shuō)明分支進(jìn)一步發(fā)展的結(jié)果。在從右端起第三個(gè)節(jié)點(diǎn)中，三個(gè)類別‘1’、‘7’和‘9’共存，故需要發(fā)展分支。假設(shè)在從右端起第三節(jié)點(diǎn)中，要發(fā)展的第一層中的神經(jīng)細(xì)胞在發(fā)展變量判別步驟中被確定成第一層內(nèi)的右頂神經(jīng)細(xì)胞。然后，對(duì)右頂神經(jīng)細(xì)胞狀態(tài)按照?qǐng)D7中那樣來(lái)發(fā)展24＝16個(gè)分支，并且按照上述條件(1)至(3)，使一些分支被刪除，一些分支成為葉子，和一些分支成為節(jié)點(diǎn)。
那些成為節(jié)點(diǎn)的葉子應(yīng)當(dāng)進(jìn)一步發(fā)展分支，并且全部分支端最終成為葉子。
在圖8中，為簡(jiǎn)化通過(guò)重寫第一層和第二層，來(lái)表示從右端起第三個(gè)節(jié)點(diǎn)的發(fā)展結(jié)果。實(shí)際上，這些狀態(tài)相當(dāng)于圖3所示神經(jīng)網(wǎng)絡(luò)的第一層中的四個(gè)神經(jīng)細(xì)胞和第二層中的四個(gè)右頂神經(jīng)細(xì)胞。
實(shí)際識(shí)別處理，可以沿按上述方式建立的分類樹進(jìn)行，也可以使分類樹建立的葉子轉(zhuǎn)變成模板形式來(lái)進(jìn)行。
實(shí)施例2在實(shí)施例1的神經(jīng)網(wǎng)絡(luò)發(fā)展階段(1)中，神經(jīng)結(jié)構(gòu)/規(guī)則被設(shè)置如下如果較低層2×2神經(jīng)細(xì)胞的2個(gè)或多個(gè)神經(jīng)細(xì)胞被接通，則上層的一個(gè)神經(jīng)細(xì)胞被接通，而其它神經(jīng)細(xì)胞被斷開。
在這種情況下，下述事情并非永遠(yuǎn)正確只有接通狀態(tài)的神經(jīng)細(xì)胞信息才按照實(shí)施例1中那樣來(lái)退化。因此，在分類樹建立階段(2)中，應(yīng)當(dāng)選擇要發(fā)展的一個(gè)神經(jīng)細(xì)胞或一組神經(jīng)細(xì)胞，包括斷開狀態(tài)的神經(jīng)細(xì)胞。它是可以用與實(shí)施例1相同的方式實(shí)現(xiàn)的。
這樣，對(duì)神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)/規(guī)則的限制基本上為零，并且只需要保證一定的連續(xù)性。
例如，對(duì)于圖7的分支狀態(tài)，實(shí)施例1中的規(guī)則是較低的四個(gè)神經(jīng)細(xì)胞的最左邊神經(jīng)細(xì)胞被斷開，而其它的則被接通；本實(shí)施例的規(guī)則是從左端起直至第五個(gè)神經(jīng)細(xì)胞被斷開，而其它的則被接通。
在圖7的狀態(tài)陣列中可以任意設(shè)置斷和通的邊界，因?yàn)橐?guī)則/映象的連續(xù)性是有保證的。
權(quán)利要求
1.一種包括下列步驟的信息處理方法分級(jí)地預(yù)處理一種輸入學(xué)習(xí)模式；和根據(jù)所述分級(jí)預(yù)處理步驟中處理的學(xué)習(xí)模式，建立一個(gè)分類樹。
2.根據(jù)權(quán)利要求1所述的信息處理方法，其中所述的分級(jí)預(yù)處理步驟可逐步地退化學(xué)習(xí)模式的特征變量。
3.根據(jù)權(quán)利要求2所述的信息處理方法，其中所述的建立步驟包括根據(jù)上分級(jí)結(jié)構(gòu)層與下分級(jí)結(jié)構(gòu)層之間的關(guān)系選擇一個(gè)變量，并且根據(jù)該選擇的結(jié)果向下分級(jí)結(jié)構(gòu)層發(fā)展被退化的變量。
4.根據(jù)權(quán)利要求1所述的信息處理方法，其中輸入模式是通過(guò)使用建立的分類樹識(shí)別的。
5.根據(jù)權(quán)利要求1所述的信息處理方法，其中一個(gè)識(shí)別模板是根據(jù)建立的分類樹建立的，并且輸入模式是通過(guò)使用該模板識(shí)別的。
6.根據(jù)權(quán)利要求4所述的信息處理方法，其中輸入模式是手寫字符模式。
7.根據(jù)權(quán)利要求5所述的信息處理方法，其中輸入模式是一種手寫字符模式。
8.根據(jù)權(quán)利要求4所述的信息處理方法，其中輸入模式是一種光讀字符模式。
9.根據(jù)權(quán)利要求5所述的信息處理方法，其中輸入模式是一種光讀字符模式。
10.根據(jù)權(quán)利要求4所述的信息處理方法，其中輸入模式是一種聲音模式。
11.根據(jù)權(quán)利要求5所述的信息處理方法，其中輸入模式是一種聲音模式。
12.根據(jù)權(quán)利要求4所述的信息處理方法，其中識(shí)別結(jié)果是在一個(gè)顯示裝置上顯示的。
13.根據(jù)權(quán)利要求5所述的信息處理方法，其中識(shí)別結(jié)果是在一個(gè)顯示裝置上顯示的。
14.根據(jù)權(quán)利要求4所述的信息處理方法，其中要識(shí)別的模式是由一個(gè)圖形輸入板輸入的。
15.根據(jù)權(quán)利要求5所述的信息處理方法，其中要識(shí)別的模式是由一個(gè)圖形輸入板輸入的。
16.根據(jù)權(quán)利要求4所述的信息處理方法，其中要識(shí)別的模式是由一個(gè)掃描器輸入的。
17.根據(jù)權(quán)利要求5所述的信息處理方法，其中要識(shí)別的模式是由一個(gè)掃描器輸入的。
18.根據(jù)權(quán)利要求4所述的信息處理方法，其中要識(shí)別的模式是由一個(gè)麥克風(fēng)輸入的。
19.根據(jù)權(quán)利要求5所述的信息處理方法，其中要識(shí)別的模式是由一個(gè)麥克風(fēng)輸入的。
20.一個(gè)信息處理設(shè)備，包括分級(jí)預(yù)處理裝置，用于分級(jí)地預(yù)處理一個(gè)輸入學(xué)習(xí)模式；和分類樹建立裝置，用于根據(jù)所述分級(jí)預(yù)處理裝置處理的學(xué)習(xí)模式建立一個(gè)分類樹。
21.根據(jù)權(quán)利要求20所述的信息處理設(shè)備，其中所述的分級(jí)預(yù)處理裝置包括用于逐步退化學(xué)習(xí)模式特征變量的裝置。
22.根據(jù)權(quán)利要求21所述的信息處理設(shè)備，其中所述的分類樹建立裝置包括用于根據(jù)上分級(jí)結(jié)構(gòu)層與下分級(jí)結(jié)構(gòu)層之間的關(guān)系選擇一個(gè)變量的裝置，并且根據(jù)所述選擇裝置的結(jié)果向下分級(jí)結(jié)構(gòu)層發(fā)展被退化的變量。
23.根據(jù)權(quán)利要求20所述的信息處理設(shè)備，還包括識(shí)別裝置，用于通過(guò)使用建立的分類樹來(lái)識(shí)別輸入模式。
24.根據(jù)權(quán)利要求20所述的信息處理設(shè)備，還包括識(shí)別裝置，用于根據(jù)建立的分類樹建立識(shí)別模板，和通過(guò)使用該模板來(lái)識(shí)別輸入模式。
25.根據(jù)權(quán)利要求23所述的信息處理設(shè)備，其中輸入模式是一種手寫字符模式。
26.根據(jù)權(quán)利要求24所述的信息處理設(shè)備，其中輸入模式是一種手寫字符模式。
27.根據(jù)權(quán)利要求23所述的信息處理設(shè)備，其中輸入模式是一種光讀字符模式。
28.根據(jù)權(quán)利要求24所述的信息處理設(shè)備，其中輸入模式是一種光讀字符模式。
29.根據(jù)權(quán)利要求23所述的信息處理設(shè)備，其中輸入模式是一種聲音模式。
30.根據(jù)權(quán)利要求24所述的信息處理設(shè)備，其中輸入模式是一種聲音模式。
31.根據(jù)權(quán)利要求23所述的信息處理設(shè)備，其中識(shí)別結(jié)果顯示于一個(gè)顯示裝置上。
32.根據(jù)權(quán)利要求24所述的信息處理設(shè)備，其中識(shí)別結(jié)果顯示于一個(gè)顯示裝置上。
33.根據(jù)權(quán)利要求23所述的信息處理設(shè)備，其中要識(shí)別的模式是由一個(gè)圖形輸入板輸入的。
34.根據(jù)權(quán)利要求24所述的信息處理設(shè)備，其中要識(shí)別的模式是由一個(gè)圖形輸入板輸入的。
35.根據(jù)權(quán)利要求23所述的信息處理設(shè)備，其中要識(shí)別的模式是由一個(gè)掃描器輸入的。
36.根據(jù)權(quán)利要求24所述的信息處理設(shè)備，其中要識(shí)別的模式是由一個(gè)掃描器輸入的。
37.根據(jù)權(quán)利要求23所述的信息處理設(shè)備，其中要識(shí)別的模式是由一個(gè)麥克風(fēng)輸入的。
38.根據(jù)權(quán)利要求24所述的信息處理設(shè)備，其中要識(shí)別的模式是由一個(gè)麥克風(fēng)輸入的。
全文摘要
建立一棵分類樹，它允許直接識(shí)別輸入模式，例如圖像或聲音，無(wú)需附加處理，例如對(duì)有高階特征變量的未處理模式數(shù)據(jù)進(jìn)行的預(yù)處理；信息處理方法和設(shè)備可進(jìn)行分級(jí)預(yù)處理，以分級(jí)預(yù)處理某種學(xué)習(xí)模式，可根據(jù)分級(jí)預(yù)處理所處理的學(xué)習(xí)模式，建立一棵分類樹，并可用該分類樹進(jìn)行識(shí)別。
文檔編號(hào)G10L15/08GK1122928SQ95102599
公開日1996年5月22日 申請(qǐng)日期1995年10月27日 優(yōu)先權(quán)日1994年10月28日
發(fā)明者吉井裕人 申請(qǐng)人:佳能株式會(huì)社