JPS6024994B2 - パタ−ン類似度計算方式 - Google Patents
パタ−ン類似度計算方式Info
- Publication number
- JPS6024994B2 JPS6024994B2 JP55053322A JP5332280A JPS6024994B2 JP S6024994 B2 JPS6024994 B2 JP S6024994B2 JP 55053322 A JP55053322 A JP 55053322A JP 5332280 A JP5332280 A JP 5332280A JP S6024994 B2 JPS6024994 B2 JP S6024994B2
- Authority
- JP
- Japan
- Prior art keywords
- vector
- pattern
- stage
- similarity
- feature
- 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.)
- Expired
Links
- 238000004364 calculation method Methods 0.000 title claims description 39
- 239000013598 vector Substances 0.000 claims abstract description 130
- 238000000034 method Methods 0.000 description 13
- 230000008602 contraction Effects 0.000 description 3
- 239000011159 matrix material Substances 0.000 description 3
- 238000007796 conventional method Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 239000002574 poison Substances 0.000 description 1
- 231100000614 poison Toxicity 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 230000005236 sound signal Effects 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- Computing Systems (AREA)
- General Health & Medical Sciences (AREA)
- Human Computer Interaction (AREA)
- Artificial Intelligence (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- Acoustics & Sound (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Computational Linguistics (AREA)
- General Physics & Mathematics (AREA)
- Character Discrimination (AREA)
- Image Analysis (AREA)
Description
【発明の詳細な説明】
本発明は特徴ベクトルの系列で表わされる２個のパター
ンを比較して、これ等パターン間の類似度を計算する計
算方式に関する。
ンを比較して、これ等パターン間の類似度を計算する計
算方式に関する。
最近音声に関する合成或いは認識等の技術が著しい進歩
をとげ、各種の電子機器に音声機能を付加することが試
みられている。
をとげ、各種の電子機器に音声機能を付加することが試
みられている。
特にこのような音声分野の技術では、入力された音声信
号を認識する際に、入力音声から形成される特徴ベクト
ルのパターンと、予め登録されている標準パターンとの
間でパターン間の比較が実行され、その比較結果に基い
て入力信号の認識が行われる。この種のパターン間の比
較は、従来から動的計画法を用いた時間軸伸縮マッチン
グによる方法が探られている。このような時間麹伸縮を
行なって類似度を最大にするようなパターンマッチング
では、類似度を尺度として特徴ベクトルの付加或いは除
去を行なってパターンを変更しながらマッチングをとっ
ていると看倣することができる。しかしながら、特徴ベ
クトルの並べ変えによって対応づけられたパターン間の
特徴ベクトル同志には、依然として各々が抽出された時
間位置のばらつきや発声毎の変動による特徴ベクトルの
変動がある。
号を認識する際に、入力音声から形成される特徴ベクト
ルのパターンと、予め登録されている標準パターンとの
間でパターン間の比較が実行され、その比較結果に基い
て入力信号の認識が行われる。この種のパターン間の比
較は、従来から動的計画法を用いた時間軸伸縮マッチン
グによる方法が探られている。このような時間麹伸縮を
行なって類似度を最大にするようなパターンマッチング
では、類似度を尺度として特徴ベクトルの付加或いは除
去を行なってパターンを変更しながらマッチングをとっ
ていると看倣することができる。しかしながら、特徴ベ
クトルの並べ変えによって対応づけられたパターン間の
特徴ベクトル同志には、依然として各々が抽出された時
間位置のばらつきや発声毎の変動による特徴ベクトルの
変動がある。
このような変動は同じカテゴリのパターン同志のマッチ
ングでも大きくなることがあり、誤認議の原因になって
いた。本発明は上記従来のパターン類似度の比較方式に
おける問題点に鑑みてなされたもので、入力パターンの
ベクトルの代りに推定ベクトルを用いることによって従
来方式の変動成分を軽減した計算方式を提供する。
ングでも大きくなることがあり、誤認議の原因になって
いた。本発明は上記従来のパターン類似度の比較方式に
おける問題点に鑑みてなされたもので、入力パターンの
ベクトルの代りに推定ベクトルを用いることによって従
来方式の変動成分を軽減した計算方式を提供する。
２個のパターンを比較する例として、標準パターンとし
て与えられる特徴ベクトルの時系列ａ，，ａ２，・・・
・・・ａｎ（以下肉太の文字はベクトルを表わす）から
なるパターンＡと、特徴ベクトルの時系列ｑ，ｂ２・・
・・・・ｂｍからなる入力パターンＢとの間の対応づけ
を選んで類似度を計算するものとする。
て与えられる特徴ベクトルの時系列ａ，，ａ２，・・・
・・・ａｎ（以下肉太の文字はベクトルを表わす）から
なるパターンＡと、特徴ベクトルの時系列ｑ，ｂ２・・
・・・・ｂｍからなる入力パターンＢとの間の対応づけ
を選んで類似度を計算するものとする。
今第ｉ十１段階の特徴ベクトルａｌ＋，は、対角行列ｒ
ｉを用いると１段階前の特徴ベクトルａｉを用いてａｌ
＋，＝ｒｉａｉ と表わすことができる。
ｉを用いると１段階前の特徴ベクトルａｉを用いてａｌ
＋，＝ｒｉａｉ と表わすことができる。
即ち特徴ベクトルａｌ十，の各要素を特徴ベクトルａｉ
の各要素で割った値がｒｉの対角要素になっている。一
方パターンＢについて、第ｉ段階で得られた推定ベクト
ルｂの各要素に、上記特徴ベクトルａ…を求める際に得
られた対角行列ｒｉを乗じて得られるベクトルをｂとす
ると、ベクトルｂはｒｉｂで表わすことができる。
の各要素で割った値がｒｉの対角要素になっている。一
方パターンＢについて、第ｉ段階で得られた推定ベクト
ルｂの各要素に、上記特徴ベクトルａ…を求める際に得
られた対角行列ｒｉを乗じて得られるベクトルをｂとす
ると、ベクトルｂはｒｉｂで表わすことができる。
ここで推定ベクトルｂとして上記ベクトルｂを用いた場
合、後述する本発明の計算方式でパターンＢの特徴ベク
トルｂｊ（パターンＡの特徴ベクトルａＭと対応づけら
れたもの）に掛ける係数値を全て“０”にし、ベクトル
ｂに掛ける係数値を全て“１”にした場合に相当するが
、この場合には、推定ベクトルｂはｂの初期値とパター
ンＡのベクトル系列の変化の仕方のみに依存し、推定ベ
クトルｂにはパターンＢが反映されない。
合、後述する本発明の計算方式でパターンＢの特徴ベク
トルｂｊ（パターンＡの特徴ベクトルａＭと対応づけら
れたもの）に掛ける係数値を全て“０”にし、ベクトル
ｂに掛ける係数値を全て“１”にした場合に相当するが
、この場合には、推定ベクトルｂはｂの初期値とパター
ンＡのベクトル系列の変化の仕方のみに依存し、推定ベ
クトルｂにはパターンＢが反映されない。
そのため推定ベクトルｂを求める際の初期値によっては
、同じカテゴリのパターン間の場合でも推定ベクトルｂ
は両パターンＡ及びＢの特徴ベクトルとは大変異なった
ものになる幌れがある。このような不都合を避けるため
には、推定ベクトルｂとしてベクトルｂのみならず、パ
ターンＢも参照する必要がある。処で、パターンＢを参
照する際には、推定ベクトルｂを求める場合のベクトル
ｂと特徴ベクトルｂｊの重み付けに大きく影響され、重
み付けの仕方が問題になる。
、同じカテゴリのパターン間の場合でも推定ベクトルｂ
は両パターンＡ及びＢの特徴ベクトルとは大変異なった
ものになる幌れがある。このような不都合を避けるため
には、推定ベクトルｂとしてベクトルｂのみならず、パ
ターンＢも参照する必要がある。処で、パターンＢを参
照する際には、推定ベクトルｂを求める場合のベクトル
ｂと特徴ベクトルｂｊの重み付けに大きく影響され、重
み付けの仕方が問題になる。
重み付けの係数を各要素に依らず一定とした場合には、
推定ベクトルｂはベクトルｂと特徴ベクトルｂｊの単な
る線形結合となり、本発明を単純化した場合になる。尚
、実際の計算過程では、ベクトルｂに対する重み付け係
数と特徴ベクトルｂｊに対する重み付け係数は互いに関
連があるとして、一方から他方を求めることができる。
ベクトルｂと特徴ベクトルｂｊに掛けられる重み付け係
数を与える方法としては、次のような２通りがある。
推定ベクトルｂはベクトルｂと特徴ベクトルｂｊの単な
る線形結合となり、本発明を単純化した場合になる。尚
、実際の計算過程では、ベクトルｂに対する重み付け係
数と特徴ベクトルｂｊに対する重み付け係数は互いに関
連があるとして、一方から他方を求めることができる。
ベクトルｂと特徴ベクトルｂｊに掛けられる重み付け係
数を与える方法としては、次のような２通りがある。
第１は、マッチングを行なう一方のパターンに関する予
め重み付け係数を求めて記憶させておき、パターン内の
各段階で対応する係数を読み出してくる方法であり、第
２はパ夕−ン内の各段階で重み付け係数を求めてゆく方
法である。次にまず前者の方法に依った実施例を挙げて
本発明を詳細に説明し、続いて後者の方法によった本発
明を説明する。
め重み付け係数を求めて記憶させておき、パターン内の
各段階で対応する係数を読み出してくる方法であり、第
２はパ夕−ン内の各段階で重み付け係数を求めてゆく方
法である。次にまず前者の方法に依った実施例を挙げて
本発明を詳細に説明し、続いて後者の方法によった本発
明を説明する。
本発明では全てベクトルの各要素毎に行なうことができ
、演算では各要素を並列に処理することができる。
、演算では各要素を並列に処理することができる。
第１図は、予め記憶された重み付け係数を各段階毎に読
み出して推定ベクトルｂを求めてゆく方法での実施例を
示す。
み出して推定ベクトルｂを求めてゆく方法での実施例を
示す。
図に於て制御部１９は、パターンＡとパターンＢの間の
特徴ベクトルの対応づけに従ってパターン記憶部１及び
２からベクトル保持部３，４及び５への夫々特徴ベクト
ルを送り出す指令を出し、各処理のタイミングを制御し
て信号の入出力を効果的に行わせる。
特徴ベクトルの対応づけに従ってパターン記憶部１及び
２からベクトル保持部３，４及び５への夫々特徴ベクト
ルを送り出す指令を出し、各処理のタイミングを制御し
て信号の入出力を効果的に行わせる。
標準ベクトルＡを記憶する記憶部１は、第ｉ＋１段階の
計算処理にあたって制御部１９から指定された特徴ベク
トルａｉを読み出してベクトル保持部３へ、特徴ベクト
ルａＭを読み出してベクトル保持部４へ夫々転送する。
同様に入力パターン記憶部２は制御部１９からの指定に
より、特徴ベクトルｂｊが読み出されて入力ベクトル保
持部５へ転送する。該特徴ベクトルｂｊは、入力パター
ンＢを標準パターンＡに例えば比例関係や、類似度を尺
度に非線形な時間軸伸縮により予め対応づけることによ
って、特徴ベクトルａｉ十，に対応づけて得られるベク
トルである。除算部１１は読み出された特徴ベクトルａ
ｉとａ…の各要素毎の比を求め、その演算結果ｒｉ＝ａ
…／ａｉは保持部１２へ送られて保持される。重み付け
係数記憶部６はパターンＢの特徴ベクトルｂｊに対する
重み付け係数の値を記憶しており、制御部１９の指示に
従って各段階で重み付け係数値の絹を係数値保持部８へ
送り出す。同様に重み付け係数記憶部７はベクトルｂに
対する重み付け係数値の組を係数値保持部９に送り出す
。乗算部１川まベクトル保持部５に収納されている特徴
ベクトルｂｊの各要素の値に係数値保持部８の重み付け
係数値を要素毎に菜算して、その乗算結果を演算レジス
ター８に与える。ベクトル記憶部２２はパターンＢの推
定ベクトルｂを得るための初期値を記憶しており、該記
憶された値は初期段階において制御部１９の指示に従っ
てベクトル保持部２３へ読み出される。初期段階でない
場合には、後述する加算部１７から出力された推定ベク
トルｂが演算レジスタ２４を介してベクトル保持部２３
へ読み出される。乗算部１３は保持部１２と保持部２３
で保持されている各値を秦算して結果を保持部１４へ送
る。従って、該保持部１４の内容は、第ｉ段階で得られ
た推定ベクトルｂの各要素に、特徴ベクトルａＭの各要
素をａｉの各要素で割った対角列「ｉを乗算器１３で演
算したｂ（＝ｒｉｂ）が収納されていることになる。該
ベクトルｂは係数値保持部９に保持されている重み付け
係数値と乗算部１５で乗算され、その結果は演算レジス
タ１６へ送られる。該演算レジスタ１６にはベクトルｂ
が重み付けられた値として収納される。一方上記演算レ
ジスター８には特徴ベクトルｂｊが重み付けられた値と
して収納されており、両演算レジスター６及び１８の内
容は加算部１７で加算され、第ｉ十１段階の推定ベクト
ルｂとして演算レジスタ２４で保持される。即ち、類似
度を計算する際の入力パターンのベクトルの代りになる
推定ベクトルｂが得られる。距離計算部２０は保持部２
３で保持されている入力パターンＢの推定ベクトルｂと
保持部４で保持されている標準パターンＡの特徴ベクト
ルａｉ十，を用いて距離を計算し、その計算結果を類似
度計算部２１へ出力する。
計算処理にあたって制御部１９から指定された特徴ベク
トルａｉを読み出してベクトル保持部３へ、特徴ベクト
ルａＭを読み出してベクトル保持部４へ夫々転送する。
同様に入力パターン記憶部２は制御部１９からの指定に
より、特徴ベクトルｂｊが読み出されて入力ベクトル保
持部５へ転送する。該特徴ベクトルｂｊは、入力パター
ンＢを標準パターンＡに例えば比例関係や、類似度を尺
度に非線形な時間軸伸縮により予め対応づけることによ
って、特徴ベクトルａｉ十，に対応づけて得られるベク
トルである。除算部１１は読み出された特徴ベクトルａ
ｉとａ…の各要素毎の比を求め、その演算結果ｒｉ＝ａ
…／ａｉは保持部１２へ送られて保持される。重み付け
係数記憶部６はパターンＢの特徴ベクトルｂｊに対する
重み付け係数の値を記憶しており、制御部１９の指示に
従って各段階で重み付け係数値の絹を係数値保持部８へ
送り出す。同様に重み付け係数記憶部７はベクトルｂに
対する重み付け係数値の組を係数値保持部９に送り出す
。乗算部１川まベクトル保持部５に収納されている特徴
ベクトルｂｊの各要素の値に係数値保持部８の重み付け
係数値を要素毎に菜算して、その乗算結果を演算レジス
ター８に与える。ベクトル記憶部２２はパターンＢの推
定ベクトルｂを得るための初期値を記憶しており、該記
憶された値は初期段階において制御部１９の指示に従っ
てベクトル保持部２３へ読み出される。初期段階でない
場合には、後述する加算部１７から出力された推定ベク
トルｂが演算レジスタ２４を介してベクトル保持部２３
へ読み出される。乗算部１３は保持部１２と保持部２３
で保持されている各値を秦算して結果を保持部１４へ送
る。従って、該保持部１４の内容は、第ｉ段階で得られ
た推定ベクトルｂの各要素に、特徴ベクトルａＭの各要
素をａｉの各要素で割った対角列「ｉを乗算器１３で演
算したｂ（＝ｒｉｂ）が収納されていることになる。該
ベクトルｂは係数値保持部９に保持されている重み付け
係数値と乗算部１５で乗算され、その結果は演算レジス
タ１６へ送られる。該演算レジスタ１６にはベクトルｂ
が重み付けられた値として収納される。一方上記演算レ
ジスター８には特徴ベクトルｂｊが重み付けられた値と
して収納されており、両演算レジスター６及び１８の内
容は加算部１７で加算され、第ｉ十１段階の推定ベクト
ルｂとして演算レジスタ２４で保持される。即ち、類似
度を計算する際の入力パターンのベクトルの代りになる
推定ベクトルｂが得られる。距離計算部２０は保持部２
３で保持されている入力パターンＢの推定ベクトルｂと
保持部４で保持されている標準パターンＡの特徴ベクト
ルａｉ十，を用いて距離を計算し、その計算結果を類似
度計算部２１へ出力する。
距離としては、例えばｌｂ−ａｉ十．ｌやｌｂ−ａｉ十
，ｌ２等が用いられる。
，ｌ２等が用いられる。
類似度計算部２１は各段階で得られた距離に基いて類似
度を計算し、パターンＡとパターンＢの間の類似度とし
て、計算結果が次段に設けられた判定部へ制御部１９の
指示により出力される。即ち、標準パターンＡの特徴ベ
クトルａＭに対して、入力パターンＢから得られる特徴
ベクトルｂｊを直ちに利用して類似度を求めることなく
推定ベクトルを用いて類似度を計算する。
度を計算し、パターンＡとパターンＢの間の類似度とし
て、計算結果が次段に設けられた判定部へ制御部１９の
指示により出力される。即ち、標準パターンＡの特徴ベ
クトルａＭに対して、入力パターンＢから得られる特徴
ベクトルｂｊを直ちに利用して類似度を求めることなく
推定ベクトルを用いて類似度を計算する。
その結果特徴ベクトルの変動成分は著しく軽減され、マ
ッチング特性の良好な類似度計算を行うことができる。
次に第２図を用いてパターン内の各段階毎に重み付け係
数値を求めてゆく方式での本発明の実施例を説明する。
ッチング特性の良好な類似度計算を行うことができる。
次に第２図を用いてパターン内の各段階毎に重み付け係
数値を求めてゆく方式での本発明の実施例を説明する。
本実施例では推定ベクトルｂを求めてアルゴリズムをゥ
ィナー型フィル夕のアルゴリズを応用して構成する場合
を説明する。制御部３９は、標準パターンＡと入力パタ
ーンＢの間の特徴ベクトルの対応づけに従って、パター
ンＡの各特徴ベクトルに対してパターンＢの特徴ベクト
ルを送り出す指令を出し、各処理のタイミングを制御す
る。
ィナー型フィル夕のアルゴリズを応用して構成する場合
を説明する。制御部３９は、標準パターンＡと入力パタ
ーンＢの間の特徴ベクトルの対応づけに従って、パター
ンＡの各特徴ベクトルに対してパターンＢの特徴ベクト
ルを送り出す指令を出し、各処理のタイミングを制御す
る。
標準パターンＡを記憶する記憶部２１は制御部３９から
の指令により、指定された特徴ベクトルａ：をベクトル
保持部２３へ、特徴ベクトルａｉ＋，をベクトル保持部
２４へ送る。同様に入力パターン記憶部２２は制御部３
９により指定された特徴ベクトルｂｊを入力ベクトル保
持部２５へ出力する。除算部３１はパターンＡにおける
特徴ベクトルａ，とａ…の各要素毎の比ｒｉ（＝ａｉ＋
．／ａｉ）を求め、その結果を保持部３２へ送る。
の指令により、指定された特徴ベクトルａ：をベクトル
保持部２３へ、特徴ベクトルａｉ＋，をベクトル保持部
２４へ送る。同様に入力パターン記憶部２２は制御部３
９により指定された特徴ベクトルｂｊを入力ベクトル保
持部２５へ出力する。除算部３１はパターンＡにおける
特徴ベクトルａ，とａ…の各要素毎の比ｒｉ（＝ａｉ＋
．／ａｉ）を求め、その結果を保持部３２へ送る。
該保持部３２で保持されている値は次段の乗算部３３に
与えられ、保持部４３で既に保持されている前段階で得
られた推定ベクトルｂと乗算されてｒｉｂ＝ｂが求めら
れ、保持部３４で保持される。保持部３４に収納されて
いる内容ｂは制御部３９の指令により減算部３５及び加
算部４５に出力される。ここで入力パターンＢのベクト
ルには誤差による変動があるものとし、第ｉ十１段階の
特徴ベクトルｂｊの第ｋ要素における変動の分散をｏｋ
，ｉ＋，と表わし、上記対角行列ｒｉの第ｋ対角要素ｙ
ｋ，ｉと表わすとき、減算器３５に収納されているｂｊ
−ｂに対する重み付け係数の第ｋ要素に対する値Ｑｋ，
Ｍはｙ毒，ｉ。ｋ，ｉＱｋ，ｉを８ｋ，ｉと置き換える
と８ｋ，ｉ／（３刈十。ｋ，ｉ＋，）により求められる
。従って重み付け係数。ｋ，ｉ＋，の値は、。ｋ，，，
。ｋ，…，ｙｋ，ｉ及び前段階で得られた値。ｋ，ｉを
用いて計算することができる。演算部２９は上記計算原
理に基づいて、制御部３９からの指令で重み付け係数の
値を演算し、その演算結果を保持部３０へ転送する。
与えられ、保持部４３で既に保持されている前段階で得
られた推定ベクトルｂと乗算されてｒｉｂ＝ｂが求めら
れ、保持部３４で保持される。保持部３４に収納されて
いる内容ｂは制御部３９の指令により減算部３５及び加
算部４５に出力される。ここで入力パターンＢのベクト
ルには誤差による変動があるものとし、第ｉ十１段階の
特徴ベクトルｂｊの第ｋ要素における変動の分散をｏｋ
，ｉ＋，と表わし、上記対角行列ｒｉの第ｋ対角要素ｙ
ｋ，ｉと表わすとき、減算器３５に収納されているｂｊ
−ｂに対する重み付け係数の第ｋ要素に対する値Ｑｋ，
Ｍはｙ毒，ｉ。ｋ，ｉＱｋ，ｉを８ｋ，ｉと置き換える
と８ｋ，ｉ／（３刈十。ｋ，ｉ＋，）により求められる
。従って重み付け係数。ｋ，ｉ＋，の値は、。ｋ，，，
。ｋ，…，ｙｋ，ｉ及び前段階で得られた値。ｋ，ｉを
用いて計算することができる。演算部２９は上記計算原
理に基づいて、制御部３９からの指令で重み付け係数の
値を演算し、その演算結果を保持部３０へ転送する。
重み付け係数の演算において、記憶部２６は標準パター
ン毎の設けたパターンのばらつきにより分散の値を記憶
し、その値は制御部３９の指令により保持部２７を介し
て演算部２９に与えられる。一方記憶部２８は重み付け
係数の初期値を記憶しており、初期段階では設定されて
いる重み付け係数の初期値が上記演算部２９へ読み出さ
れる。切期段階でない場合には、保持部３０で保持され
ている前段階での演算結果が演算部２９へ読み出される
。推定ベクトルの演算過程において、保持部３２の内容
ｒｉは制御部３９の指令により演算部２９又は乗算部３
３へ与えられ、ベクトルｂ（＝「ｉｂ）が求められて保
持部３４で保持される。該保持部３４に収納されたベク
トルｂは減算部３８に与えられ、ベクトル保持部から読
み出された特徴ベクトルｂｊとの間でｂｊ−ｂが計算さ
れ、その計算結果が演算レジスタ３６に出力される。続
いて演算レジスタ３６に保持されているｂｊ−ｂは乗算
部３７に与えられ、上記係数保持部３０で保持されてい
る重み付け係数値との間で乗算これ、重み付けされたベ
クトルが演算レジスタ３８で保持される。演算レジスタ
３８で保持されている値は加算部４５で保持部３４の内
容ｂと加算され、第ｉ＋１段階の推定ベクトルｂとして
演算レジスタ４４で保持される。保持部４３は初期段階
では記憶部４２で記憶されている推定ベクトルｂの初期
値を績み込み、初期段階でなければ保持部４４で保持さ
れている推定ベクトルｂを読み込むように制御部３９に
より指示される。前記実施例と同様に距離計算部４０で
は、保持部４３で保持されているパターンＢの推定ベク
トルｂと、保持部２４で保持されているパターンＡの特
徴ベクトルａｉ＋，を用いて距離が計算され、制御部３
９の指令に従って計算結果は類似度計算部４１へ出力さ
れる。
ン毎の設けたパターンのばらつきにより分散の値を記憶
し、その値は制御部３９の指令により保持部２７を介し
て演算部２９に与えられる。一方記憶部２８は重み付け
係数の初期値を記憶しており、初期段階では設定されて
いる重み付け係数の初期値が上記演算部２９へ読み出さ
れる。切期段階でない場合には、保持部３０で保持され
ている前段階での演算結果が演算部２９へ読み出される
。推定ベクトルの演算過程において、保持部３２の内容
ｒｉは制御部３９の指令により演算部２９又は乗算部３
３へ与えられ、ベクトルｂ（＝「ｉｂ）が求められて保
持部３４で保持される。該保持部３４に収納されたベク
トルｂは減算部３８に与えられ、ベクトル保持部から読
み出された特徴ベクトルｂｊとの間でｂｊ−ｂが計算さ
れ、その計算結果が演算レジスタ３６に出力される。続
いて演算レジスタ３６に保持されているｂｊ−ｂは乗算
部３７に与えられ、上記係数保持部３０で保持されてい
る重み付け係数値との間で乗算これ、重み付けされたベ
クトルが演算レジスタ３８で保持される。演算レジスタ
３８で保持されている値は加算部４５で保持部３４の内
容ｂと加算され、第ｉ＋１段階の推定ベクトルｂとして
演算レジスタ４４で保持される。保持部４３は初期段階
では記憶部４２で記憶されている推定ベクトルｂの初期
値を績み込み、初期段階でなければ保持部４４で保持さ
れている推定ベクトルｂを読み込むように制御部３９に
より指示される。前記実施例と同様に距離計算部４０で
は、保持部４３で保持されているパターンＢの推定ベク
トルｂと、保持部２４で保持されているパターンＡの特
徴ベクトルａｉ＋，を用いて距離が計算され、制御部３
９の指令に従って計算結果は類似度計算部４１へ出力さ
れる。
該類似度計算部２１は各段階で得られた距離に基いて類
似度を計算し、計算結果をパターンＡとパターンＢの間
の類似度として判定部へ制御部３９の指示により出力す
る。以上本発明によれば、特徴ベクトルの系列ａ，，ａ
２……ａｎからなるパターンＡと特徴ベクトルの系刃岬
，，ら・・・・・・ｂｍからなるパターンＢの間で類似
度を計算する方式において、両パターンの対応づけられ
た特徴ベクトルを直ちに比較するものではなく、予めパ
ターンＡの第ｉ＋１段階と第ｉ段階の各特徴ベクトルに
おける要素から求められる係数を利用してパターンＢの
特徴ベクトルを重み付けて推定ベクトルを計算し、該推
定ベクトルを入力ベクトルの代りに用いて類似度を計算
することにより、従来方式に比べてマッチングをとる際
の特徴ベクトルの変動成分を著しく軽減することができ
、効率のよいパターンマッチングを行わせることができ
る。
似度を計算し、計算結果をパターンＡとパターンＢの間
の類似度として判定部へ制御部３９の指示により出力す
る。以上本発明によれば、特徴ベクトルの系列ａ，，ａ
２……ａｎからなるパターンＡと特徴ベクトルの系刃岬
，，ら・・・・・・ｂｍからなるパターンＢの間で類似
度を計算する方式において、両パターンの対応づけられ
た特徴ベクトルを直ちに比較するものではなく、予めパ
ターンＡの第ｉ＋１段階と第ｉ段階の各特徴ベクトルに
おける要素から求められる係数を利用してパターンＢの
特徴ベクトルを重み付けて推定ベクトルを計算し、該推
定ベクトルを入力ベクトルの代りに用いて類似度を計算
することにより、従来方式に比べてマッチングをとる際
の特徴ベクトルの変動成分を著しく軽減することができ
、効率のよいパターンマッチングを行わせることができ
る。
第１図及び第２図は本発明による計算方式を適用した装
置のブロック図である。 第１図 第２図
置のブロック図である。 第１図 第２図
Claims (1)
- １ 特徴ベクトルの系列ａ１，ａ２……ａｎから成るパ
ターンＡと、特徴ベクトルの系列ｂ１，ｂ２……ｂｎか
ら成るパターンＢの間の類似度の計算に於いて、第ｉ＋
１段階において、特徴ベクトルａｉ（ｉ＝１，２……ｎ
−１）とａｉ＋１の各要素毎の比を求め、この求めた比
と前回の第ｉ段階で得られた推定ベクトルｂの各要素と
を乗じてベクトルｂを求め、該ベクトルｂと特徴ベクト
ルａｉ＋１と対応づけられたパターンＢの特徴ベクトル
ｂｊとで第ｉ＋１段階の推定ベクトルｂを算出し、該算
出された上記第ｉ＋１段階の推定ベクトルｂと特徴ベク
トルａ１＋１との間の距離を各段階毎に順次計算し、該
計算された距離に基いて類似度を計算することを特徴と
するパターン類似度計算方式。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP55053322A JPS6024994B2 (ja) | 1980-04-21 | 1980-04-21 | パタ−ン類似度計算方式 |
| US06/255,497 US4446531A (en) | 1980-04-21 | 1981-04-20 | Computer for calculating the similarity between patterns |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP55053322A JPS6024994B2 (ja) | 1980-04-21 | 1980-04-21 | パタ−ン類似度計算方式 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPS56149677A JPS56149677A (en) | 1981-11-19 |
| JPS6024994B2 true JPS6024994B2 (ja) | 1985-06-15 |
Family
ID=12939476
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP55053322A Expired JPS6024994B2 (ja) | 1980-04-21 | 1980-04-21 | パタ−ン類似度計算方式 |
Country Status (2)
| Country | Link |
|---|---|
| US (1) | US4446531A (ja) |
| JP (1) | JPS6024994B2 (ja) |
Families Citing this family (21)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS58115490A (ja) * | 1981-12-29 | 1983-07-09 | 日本電気株式会社 | パタン間距離計算装置 |
| JPS58132298A (ja) * | 1982-02-01 | 1983-08-06 | 日本電気株式会社 | 窓制限付パタンマツチング装置 |
| JPS5997200A (ja) * | 1982-11-26 | 1984-06-04 | 株式会社日立製作所 | 音声認識方式 |
| US4712242A (en) * | 1983-04-13 | 1987-12-08 | Texas Instruments Incorporated | Speaker-independent word recognizer |
| US4723290A (en) * | 1983-05-16 | 1988-02-02 | Kabushiki Kaisha Toshiba | Speech recognition apparatus |
| US4545025A (en) * | 1983-08-16 | 1985-10-01 | The United States Of America As Represented By The Administrator Of The National Aeronautics And Space Administration | Auto covariance computer |
| US5131043A (en) * | 1983-09-05 | 1992-07-14 | Matsushita Electric Industrial Co., Ltd. | Method of and apparatus for speech recognition wherein decisions are made based on phonemes |
| US4718093A (en) * | 1984-03-27 | 1988-01-05 | Exxon Research And Engineering Company | Speech recognition method including biased principal components |
| US4998286A (en) * | 1987-02-13 | 1991-03-05 | Olympus Optical Co., Ltd. | Correlation operational apparatus for multi-dimensional images |
| US4905162A (en) * | 1987-03-30 | 1990-02-27 | Digital Equipment Corporation | Evaluation system for determining analogy and symmetric comparison among objects in model-based computation systems |
| EP0529744B1 (en) * | 1988-05-13 | 1996-11-06 | Canon Kabushiki Kaisha | Image processing apparatus |
| US5321470A (en) * | 1988-05-13 | 1994-06-14 | Canon Kabushiki Kaisha | Apparatus with anti-forgery provision |
| JP2991779B2 (ja) * | 1990-06-11 | 1999-12-20 | 株式会社リコー | 文字認識方法及び装置 |
| JPH04194999A (ja) * | 1990-11-27 | 1992-07-14 | Sharp Corp | 学習を用いた動的計画法 |
| GB2253296B (en) * | 1991-02-28 | 1995-05-24 | Toshiba Kk | Pattern recognition apparatus |
| JP3050934B2 (ja) * | 1991-03-22 | 2000-06-12 | 株式会社東芝 | 音声認識方式 |
| US5189709A (en) * | 1991-08-26 | 1993-02-23 | The United States Of America As Represented By The United States National Aeronautics And Space Administration | Dynamic pattern matcher using incomplete data |
| BE1007355A3 (nl) * | 1993-07-26 | 1995-05-23 | Philips Electronics Nv | Spraaksignaaldiscriminatieschakeling alsmede een audio-inrichting voorzien van een dergelijke schakeling. |
| US5638465A (en) * | 1994-06-14 | 1997-06-10 | Nippon Telegraph And Telephone Corporation | Image inspection/recognition method, method of generating reference data for use therein, and apparatuses therefor |
| US8348736B2 (en) * | 2008-04-23 | 2013-01-08 | Aristocrat Technologies Australia Pty Limited | Gaming system and method of gaming |
| US10923111B1 (en) * | 2019-03-28 | 2021-02-16 | Amazon Technologies, Inc. | Speech detection and speech recognition |
Family Cites Families (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US3521235A (en) * | 1965-07-08 | 1970-07-21 | Gen Electric | Pattern recognition system |
| US3700815A (en) * | 1971-04-20 | 1972-10-24 | Bell Telephone Labor Inc | Automatic speaker verification by non-linear time alignment of acoustic parameters |
| JPS50155105A (ja) * | 1974-06-04 | 1975-12-15 | ||
| US4059725A (en) * | 1975-03-12 | 1977-11-22 | Nippon Electric Company, Ltd. | Automatic continuous speech recognition system employing dynamic programming |
| JPS5529803A (en) * | 1978-07-18 | 1980-03-03 | Nippon Electric Co | Continuous voice discriminating device |
| JPS5569880A (en) * | 1978-11-22 | 1980-05-26 | Nec Corp | Pattern recognition unit |
-
1980
- 1980-04-21 JP JP55053322A patent/JPS6024994B2/ja not_active Expired
-
1981
- 1981-04-20 US US06/255,497 patent/US4446531A/en not_active Expired - Lifetime
Also Published As
| Publication number | Publication date |
|---|---|
| US4446531A (en) | 1984-05-01 |
| JPS56149677A (en) | 1981-11-19 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JPS6024994B2 (ja) | パタ−ン類似度計算方式 | |
| US5216748A (en) | Integrated dynamic programming circuit | |
| US5008941A (en) | Method and apparatus for automatically updating estimates of undesirable components of the speech signal in a speech recognition system | |
| JPS5885499A (ja) | 連続音声認識装置 | |
| US4882756A (en) | Pattern matching system using dynamic programming | |
| US4571697A (en) | Apparatus for calculating pattern dissimilarity between patterns | |
| JPH067345B2 (ja) | ベクトル量子化を用いた音声認識方式 | |
| JPS58132298A (ja) | 窓制限付パタンマツチング装置 | |
| US4901352A (en) | Pattern matching method using restricted matching paths and apparatus therefor | |
| WO2022179360A1 (zh) | 一种声纹识别方法、装置及计算机可读存储介质 | |
| US4608708A (en) | Pattern matching system | |
| JPS58115497A (ja) | 音声認識方法 | |
| JPH01138597A (ja) | 連続音声認識方式 | |
| EP0749647B1 (en) | Method and apparatus for determining a masked threshold | |
| US4750190A (en) | Apparatus for using a Leroux-Gueguen algorithm for coding a signal by linear prediction | |
| EP0290190B1 (en) | Pattern matching system | |
| GB2059726A (en) | Sound synthesizer | |
| CN112036088A (zh) | 一种基于多新息随机梯度优化的过热汽温预测方法 | |
| JPS63205786A (ja) | 複合類似度法によるパタ−ン認識装置 | |
| JPH0552517B2 (ja) | ||
| JPS638797A (ja) | パタン認識方法 | |
| JPS58105294A (ja) | 信号波形認識方式 | |
| JP2518871B2 (ja) | パタン比較器 | |
| JPH0574836B2 (ja) | ||
| JPH01283599A (ja) | パタンマツチング装置 |