Has the feature classification system: feature converter (3), the amount of features (1) transform, and learning to use the correct class label (2) feature transformation and recognition of base classifiers; (5), its characteristics by converter (3) transform transform characteristics the amount of (4) into the classification. A characteristic quantity transducer (3) learns a posteriori probability using a classifier (5) while learning.
【技术实现步骤摘要】
【国外来华专利技术】
本专利技术涉及进行例如语音识别、图像识别中的特征量分类的特征量分类系统。
技术介绍
对于图案分类器而言,使用什么样的特征量将对性能产生很大的影响。例如在语音识别的情况下使用将谱包络模型化而成的特征量,在图像识别的情况下使用对各像素的像素值进行加权而成的特征量。这样的特征量容易成为较高的维度。如果直接将高维度的特征量模型化,则精度往往降低,因而往往进行维度压缩而仅提取有用的特征量。这样的维度压缩的代表性方法有主成分分析、线性判别分析(LinearDiscriminantAnalysis:LDA)。这样的维度压缩法可实现尽量保留初始特征量信息的变换。虽然维度压缩法可实现尽量保留初始特征量信息的变换,但是无法保证这样得到的变换特征量适合于后段的分类器。其理由是,对于分类器而言存在容易识别的特征图案和不易识别(容易混淆)的特征图案,却没有考虑该情况而将维度压缩。本来该维度压缩是为了后段的分类器而进行的,因而应该对特征量进行变换,使得对于分类器而言容易混淆的特征量图案的信息不丢失。针对这样的问题,以往的线性变换矩阵计算装置使用混淆矩阵来求出反映了分类结果的线性变换矩阵(例如,参照专利文献1)。在该装置中,考虑混淆的倾向来决定计算类间协方差矩阵时的混淆矩阵系数。现有技术文献专利文献专利文献1:日本特开2003-177785号公报
技术实现思路
专利技术要解决的问题但是,在上述专利文献1所述的技术中仅公开有根据经验直观地决定系数的求出方法,而没有具体公开如何求出,因此,存在未必能够提高分类结果的精度的问题。本专利技术正是为了解决这种问题而完成的,其目的在于,提供能够提高分 ...
【技术保护点】
一种特征量分类系统,其特征在于,该特征量分类系统具有:特征量变换器,其对给定的特征量进行变换,并且学习用于使用作为示教数据的正确类标签进行特征量变换的识别基准;以及分类器,其对由所述特征量变换器变换后的变换特征量进行分类,所述特征量变换器在进行所述学习时使用所述分类器的后验概率进行学习。
【技术特征摘要】
【国外来华专利技术】1.一种特征量分类系统,其特征在于,该特征量分类系统具有:特征量变换器,其对给定的特征量进行变换,并且学习用于使用作为示教数据的正确类标签进行特征量变换的识别基准;以及分类器,其对由所述特征量变换器变换后的变换特征量进行分类,所述特征量变换器在进行所述学习时使用所述分类器的后验概率进行学习。2.根据权利要求1所述的特征量分类系统,其特征在于,通过所述后验概率越低则权重越大的加权来进行所述学习。3.根据权利要求1所述的特征量分类系统,其特征在于,关于所述后验概率,是累积正确类的后验概率而使用的。4.根据权利要求1所述的特征量分类系统,其特征在于,所述特征量分类系统具有调整所述后验概率的权重的加权器。5.根据权利要求1所述的特征量分类系统,其特征在于,反复进...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。