【技术实现步骤摘要】
【国外来华专利技术】用于预测信息的系统、方法以及程序
本专利技术涉及用于根据第1特征矢量来预测第2特征矢量的系统、方法以及程序。
技术介绍
可能有如下情况:学习2个信息之间的关系,利用该学习结果而针对处理对象信息预测新的信息。例如在超分辨技术中,由低分辨率的原图像生成高分辨率的图像。这种超分辨技术随着显示器装置的高分辨率化而受到注目,逐渐被各种设备等采用。在这种超分辨技术中,类推失去的高频成分。例如在将某个图像数据的像素尺寸沿横向和纵向放大的情况下,计算相邻的2个像素的中间值,用该中间值的像素来填补这些像素之间。在该计算方法中,失去的高频成分不再现,放大图像的边界线变得模糊。另一方面,在超分辨技术中,分析像素的图案,计算认为适当的像素,用计算出的像素填补原图像的相邻的像素彼此之间,从而类推高频成分。在超分辨技术中,将补片超分辨率和高频成分预测结合(例如参照非专利文献1)。在该文献中记载的技术中,作为从低频成分预测高频成分的方法,将低频和高频使用PCA降低维度,使用回归分析来预测高分辨图像。在这种情况下,作为后处理而采用双向过滤器。另外,使用较少的硬件资源来高速地进行处理的技术也正在研究(例如,参照专利文献1)。在该文献中记载的技术中,首先将作为处理对象的图像分为场面。使用适合场面的字典表,对字典进行树检索,从而类推失去的高频成分。为了使字典表的检索高速化,使用主成分分析,将作为检索关键而使用的序号位表(indexbitmap)变换成作为标量值的第一主成分以及第二主成分,并且由第一主成分和第二主成分进行分组,计算其平均值。现有技术文献专利文献专利文献1:日本特开2013-266 ...
【技术保护点】
一种系统,用于预测信息,所述系统具备:存储学习对象的学习对象存储部;存储学习结果的学习结果存储部;以及与输入部连接的控制部,其中,所述控制部构成为执行学习处理和预测处理,在所述学习处理中,针对被存储于所述学习对象存储部的每个学习对象,计算第1特征矢量以及第2特征矢量,通过将所述第1特征矢量的主成分系数矢量和第2特征矢量的主成分系数矢量除以表示所述主成分系数矢量的偏差的指标,从而生成行矢量,使用所有的学习对象的所述行矢量进行主成分分析,从而由第1特征矢量的主成分系数矢量和第2特征矢量的主成分系数矢量生成主成分基础矢量,将所述主成分基础矢量与所述第1特征矢量的平均矢量和第2特征矢量的平均矢量一起存储于所述学习结果存储部;在所述预测处理中,计算由所述输入部指定的处理对象的第1特征矢量的主成分系数矢量,使用被存储于所述学习结果存储部的所述主成分基础矢量,计算第2特征矢量的主成分系数矢量,使用所述第2特征矢量的主成分系数矢量,计算所述处理对象的第2特征矢量。
【技术特征摘要】
【国外来华专利技术】2014.11.13 JP 2014-2310891.一种系统,用于预测信息,所述系统具备:存储学习对象的学习对象存储部;存储学习结果的学习结果存储部;以及与输入部连接的控制部,其中,所述控制部构成为执行学习处理和预测处理,在所述学习处理中,针对被存储于所述学习对象存储部的每个学习对象,计算第1特征矢量以及第2特征矢量,通过将所述第1特征矢量的主成分系数矢量和第2特征矢量的主成分系数矢量除以表示所述主成分系数矢量的偏差的指标,从而生成行矢量,使用所有的学习对象的所述行矢量进行主成分分析,从而由第1特征矢量的主成分系数矢量和第2特征矢量的主成分系数矢量生成主成分基础矢量,将所述主成分基础矢量与所述第1特征矢量的平均矢量和第2特征矢量的平均矢量一起存储于所述学习结果存储部;在所述预测处理中,计算由所述输入部指定的处理对象的第1特征矢量的主成分系数矢量,使用被存储于所述学习结果存储部的所述主成分基础矢量,计算第2特征矢量的主成分系数矢量,使用所述第2特征矢量的主成分系数矢量,计算所述处理对象的第2特征矢量。2.根据权利要求1所述的系统,其中,所述控制部进一步构成为,将所述主成分基础矢量和所述第1特征矢量的成分正交化,并存储于所述学习结果存储部。3.根据权利要求1或者2所述的系统,其中,所述控制部进一步构成为执行后处理,在所述后处理中,对计算出的所述第2特征矢量进行变换,计算出已变换的所述第2特征矢量和所述处理对象的所述第1特征矢量的差分,将所述差分与基准值进行比较,在所述差分大于所述基准值的情况下,将所述差分变换,从所述第2特征矢量减去已变换的差分。4.根据权利要求3所述的系统,其中,所述控制部进一步构成为执行后处理,在所述后处理中,将计算出的所述第2特征矢量压缩,计算已压缩的所述第2特征矢量和所述处理对象的所述第1特征矢量的差分,将所述差分与基准值进行比较,在所述差分大于所述基准值的情况下,将所述差分放大,从所述第2特征矢量减去放大的差分。5.根据权利要求1-4中任意一项所述的系统,其中,表示所述偏差的指标为所述主成分系数...
【专利技术属性】
技术研发人员:永田毅,前川秀正,水谷麻纪子,友泽弘充,松崎和敏,佐野碧,萩原透,桧作彰良,
申请(专利权)人:瑞穗情报综研株式会社,
类型:发明
国别省市:日本,JP
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。