[发明专利]信息处理装置和方法，以及程序存储介质

说明书

技术领域

本发明涉及信息处理装置和方法以及程序存储介质，并且，具体地，涉及信息处理装置和方法，以及使能够进行适当的集群(clustering)的程序存储介质。

背景技术

集群技术在诸如机器学习和数据开发的领域中起着很重要的作用。例如，在图像识别中、在压缩中的向量量化中、在自然语言处理中的字典的自动生成中等，集群的能力直接影响它们的精度。

现有集群技术主要被分类为分层类型和分区类型。

在可以定义项之间的距离的情况下，分层集群以作为单独的集群(cluster)的每个项开始，并将集群合并到连续更大的集群中。

分区集群(见非专利文件1和2)确定在其中定义了距离和绝对位置的空间上排列的何种程度(degree)的项属于先前所确定的集群中心，并根据其重复计算集群中心。

[非专利文件1]MacQueen，J.，“Some Method for Classification andAnalysis of Multivariate Observations，”Proc.of the 5th Berkeley Symposium onMathematical Statistics and Probability，281-297页，1967。

[非专利文件2]Zhang，B.et al.，“K-Harmonic Means-a Data ClusteringAlgorithm，“Hewlett-Packard Labs Technical Report HPL-1999-124，1999。

发明内容

[本发明要解决的问题]

然而，在分层集群中，根据集群间的距离的定义(例如，在最近相邻方法、最远相邻方法和组平均方法中所定义的距离)创建了不同的集群模式，并且用于不同的集群模式的选择标准并不明确。

此外，通常重复合并直到集群的数量降低为一个，但是，在当已经创建了预定数量的集群时希望停止合并的情况下，通常基于先前以ad hoc为基础确定的阈值距离或集群数量来停止合并。有时采用MDL原理或AIC，但是没有做出它们实际有用的报告。

同样，在分区集群中，需要预先确定集群的数量。

此外，在分层集群和分区集群的每个中，没有可用于从所创建的每个集群中挑选代表项的标准。例如，在分区集群中，通常选择离最后集群的中心最近的项作为该集群的代表，但是不清楚这在人类认知中是什么意思。

本发明已经考虑到上述情况，并且实现了集群，以便确定集群的数量和集群的代表，以符合人类认知模型。

[解决问题的手段]

根据本发明的信息处理设备包括：第一选择装置，用于依次选择将被集群的项作为聚焦项；第二选择装置，用于选择在将被集群的项中接近聚焦项的项作为目标项；计算装置，用于使用基于聚焦项和目标项的普遍性的不对称距离测量计算从聚焦项到目标项的距离和从目标项到聚焦项的距离；和链接装置，用于基于由计算装置所计算的距离把聚焦项和目标项链接到一起。

基于由计算装置所计算的距离，链接装置通过将聚焦项和目标项中的一个作为父母并且另一个作为子女的父母-子女关系把聚焦项和目标项链接到一起。

第二选择装置可以选择最接近聚焦项的项作为目标项。

第二选择装置可以选择接近聚焦项的预定数量的项作为目标项。

链接装置通过父母-子女关系把聚焦项和目标项链接到一起，同时允许聚焦项具有多个父母。

可以确定由于所述链接装置对所有将被集群的项进行的链接而获得的集群根节点是所述集群的代表项。

根据本发明的信息处理方法包括：依次选择将被集群的项作为聚焦项的第一选择步骤；选择在将被集群的项中接近聚焦项的项作为目标项的第二选择步骤；使用基于聚焦项和目标项的普遍性的不对称距离测量计算从聚焦项到目标项的距离和从目标项到聚焦项的距离的计算步骤；和基于在计算步骤中所计算的距离把聚焦项和目标项链接到一起的链接步骤。

根据本发明的程序存储介质包括：依次选择将被集群的项作为聚焦项的第一选择步骤；选择在将被集群的项中接近聚焦项的项作为目标项的第二选择步骤；使用基于聚焦项和目标项的普遍性的不对称距离测量计算从聚焦项到目标项的距离和从目标项到聚焦项的距离的计算步骤；和基于在计算步骤中所计算的距离把聚焦项和目标项链接到一起的链接步骤。