초록 |
본 발명은 영역 밀도 기반의 패턴 분류 방법에 관한 것으로, 특히 주어진 복수 개의 데이터에 대하여 각 종류별로 이차 계획법을 이용하여 특징 영역 거리 함수를 결정하여 특징 영역 거리 함수의 값을 이용하여 데이터의 영역을 결정하고, 최대 우도 추정 방식을 사용하여 영역 내의 데이터 밀도를 산출하고, 데이터 밀도와 사전확률의 곱을 비교하여 데이터를 종류별로 분류하고, 새로운 추가된 데이터가 기 분류된 영역에 포함되지 않으면 기존의 영역에서 구해진 지지벡터와 새로 추가된 데이터를 주어진 전체 데이터로 삼아 새로운 지지벡터를 구하고 지지벡터가 아닌 데이터는 모두 제거하는 패턴 분류 방법에 관한 것이다. 본 발명에 따르면 지지벡터 학습에 의해 얻어진 영역으로부터 밀도 정보를 사용함으로써, 다중 분류의 경우에 기존의 지지벡터 기계 및 신경망 분류기법보다 훨씬 빠르게 학습할 수 있으며, 기존의 확률밀도 추정 방식보다 적은 수의 데이터를 사용하여 판별함수를 표현할 수 있는 효과가 있다. 또한, 인식 성능을 높이기 위해 새롭게 주어진 데이터를 점진적으로 학습함으로써, 여러 번 재학습을 필요로 하는 얼굴 인식 시스템과 같은 응용에서 학습 계산량을 감소시키는 효과가 있다. |