参考数据优化学方法及模式识别系统

摘要

本发明旨在能够对要添加的新参考数据有效地进行学的模式识别系统。在所述模式识别系统中，计算与模式搜索目标的输入数据与多个参考数据之间的相似性等同的距离，并基于与作为已识别的优胜者的参考数据集合相对应的固定次数的输入数据，计算其重心以优化参考数据。此外，改变阈值以扩大/缩小识别区域，从而防止错误识别并提高识别率。

主权项

一种参考数据优化学习方法，其执行对与模式搜索目标的输入数据与多个参考数据之间的相似性等同的距离的计算，并且所述方法用于模式识别，以选择在由阈值所决定的识别区域中存在的具有最小距离的作为已识别的优胜者的参考数据作为识别数据，并且所述方法通过学习所述识别数据来优化用于所述模式识别的所述作为已识别的优胜者的参考数据，所述方法的特征在于包括：对在所述识别区域内部和外部存在的输入数据的数量进行计数的步骤；确定所述识别区域内部的输入数据的数量和外部的输入数据的数量中哪一侧的数量首先达到固定次数的步骤；以及通过改变首先达到所述固定次数的所述侧的阈值，对所述参考数据的位置进行优化，以扩大/缩小所述识别区域的步骤。