【技术实现步骤摘要】
本专利技术涉及为了搜索相似信息而使用变换矩阵将特征向量变换为位代码的特征变换装置及包含其的相似信息捜索装置。
技术介绍
在图像检索、声音识别、文章检索、图形识别等相似信息捜索技术中,在评价某信息与其他信息的相似度的处理中使用特征向量。所谓特征向量,是以计算机容易处理的方式变换图像、声音、文章等信息而成的向量。特征向量由D维的向量表示。例如,如果图像A的特征向量与图像B的特征向量的距离小,则可以认为这些图像相似。同样,如果声音波 形C的特征向量与声音波形D的特征向量的距离小,则可以认为这些声音波形相似。在图 像检索、声音识别、文章检索、图形识别等相似信息捜索技术中,通过这样比较特征向量,来 评价信息彼此的相似度。作为特征向量间的距离的尺度,使用LI范数、L2范数、向量间角度等。这些尺度,对于下述特征向量数学式IX, y e Rd,可通过下式(I) (3)来计算。LI 范数数学式2
【技术保护点】
【技术特征摘要】
2011.02.28 JP 042031/20111.ー种特征变换装置,其特征在于,具备 学习对选择部,其输入多个学习用特征向量,从其中选择多个对; 位代码变换部,其使用变换矩阵变换上述学习用特征向量,然后将该变换后的学习用向量变换为位代码; 成本函数计算部,其计算关于上述多个对的成本函数,所述成本函数表示向上述学习对选择部输入的上述学习用特征向量的距离与由上述位代码变换部变换后的上述位代码的距离的差异的、关于全部上述对的和; 变换矩阵更新部,其选择由上述位代码变换部使用的上述变换矩阵的要素,用置換候补置换所选择的要素,由此更新上述变换矩阵; 其中,上述位代码变换部使用由变换矩阵更新部更新后的变换矩阵,变换上述学习用特征向量,然后将该变换后的学习用向量变换为位代码; 上述成本函数计算部,在由上述变换矩阵更新部用上述置換候补置换了上述变换矩阵的要素时,基于上述成本函数从上述置换候补及原来的上述要素中选择ー个,由此确定上述要素; 上述变换矩阵更新部依次改变而选择上述要素,且每次上述成本函数计算部确定所选择的上述要素,由此最终地确定最佳的上述变换矩阵; 上述置换候补,以使得由上述位代码变换部进行的、使用了上述变换矩阵的变换处理变得高速的方式被确定。2.权利要求I所述的特征变换装置,其特征在干, 上述成本函数计算部计算用各个上述置換候补置换了上述要素时的上述成本函数的变化量,并根据上述变化量来确定采用概率,根据上述采用概率,从上述置换候补及原来的上述要素中选择ー个。3.权利要求I或2所述的特征变换装置,其特征在干, 关于上述对的、向上述学习对选择部输入的上述学习用特征向量的距离是基于LI范数、L2范数或向量间角度中的某ー个的距离。4.权利要求I 3的任ー项所述的特征变换装置,其特征在干, 关于上述对的、由上述位代码变换部变换后的上述位代码的距离是基于汉明距离的距离。5.权利要求I 4的任ー项所述的特征变换装置,其特征在干, 上述变换矩阵的要素限定于整数,上述置换候补也限定于整数。6.权利要求5所述的特征变换装置,其特征在干, 上述变换矩阵的要素限定干-1、0、1中的某ー个,上述置换候补也限定于-1、0、1中的某ー个。7.权利要求I 6的任ー项所述的特征变换装置,其特征在干, 上述变换矩阵的非O要素的数量限定在预定的范围内,上述置換候补以将上述变换矩阵的非O要素的数量保持在上述预定的范围内的方式被确定。8.权利要求5所述的特征变换装置,其特征在干, 上述变换矩阵的要素限定于2的幂,上述置换候补也限定于2的冪。9.权利要求I 8的任ー项所述的特征变换装置,其特征在干,上述学习对选择部从所输入的上述多个学习用特征向量中任意地选择对。10.权利要求I 8的任ー项所述的特征变换装置,其特征在干, 上述学习对选择部基于上述学习用特征向量的距离,从所输入的上述多个学习用特征向量中选择对。11.权利要求10所述的特征变换装置,其特征在干, 上述学习对选择部以预定的距离以下的对与上述预定的距离以上的...
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。