[发明专利]用于模式发现和识别的方法

说明书

技术领域

本发明涉及一种用于模式发现和识别的方法。本发明还涉及用于模式发现和识别的计算机程序产品。而且，本发明涉及一种用于模式发现和识别的设备。

背景技术

所有模式发现方法中的基本思想都是模型化统计规则性并将模型与实际表示相比较以便度量所创建(学习)的模型与在分析中的当前模式之间的相似性。

用于模型化和识别序列中模式的已知方法和技术之一是马尔可夫模型，其假设要模型化的序列具有马尔可夫性质。具有马尔可夫性质意味着，给定当前状态，将来状态就独立于过去状态。换句话说，仅有当前状态的描述就完全获取了可能影响过程的将来演化的所有信息。将通过概率过程而不是确定性过程到达将来状态。

在每个步骤，系统可根据某一概率分布将其状态从当前状态改变为另一状态，或保持在同一状态。状态的改变称为转移，并且与各种状态改变相关联的概率称为转移概率。

许多物理过程和由物理过程创建的对应可观察序列具有强结构，诸如可通过高阶相关系数度量的时间结构。因此，根据所用的时间分辨率，所创建的序列可能具有宽结构(在时间或空间上)，其不能由将来状态独立于过去状态的马尔可夫链准确地模型化。

发明内容

本发明的一个目的是提供用于模式发现和识别的方法、用于模式发现和识别的计算机程序产品和用于模式发现和识别的设备。

本发明的目的通过提供一种方法实现，其中接收包括与概念相关的第一序列符号的第一序列和与第一序列相关联的标签，从表示第一序列中不同距离的第一序列符号之间的转移出现的频率数据的转移频率矩阵中获得转移概率矩阵，并且学习每个标签和每个距离的转移概率矩阵以便获得确定出现在第二序列中的概念的激活函数。

本发明的目的还通过提供一种计算机程序产品实现，其接收包括与概念相关的第一序列符号的第一序列和与第一序列相关联的标签，从表示第一序列中不同距离的第一序列符号之间的转移出现的频率数据的转移频率矩阵中获得转移概率矩阵，并且学习每个标签和每个距离的转移概率矩阵以便获得确定出现在第二序列中的概念的激活函数。

此外，本发明的目的通过提供一种设备实现，其接收包括与概念相关的第一序列符号的第一序列和与第一序列相关联的标签，从表示第一序列中不同距离的第一序列符号之间的转移出现的频率数据的转移频率矩阵中获得转移概率矩阵，并且学习每个标签和每个距离的转移概率矩阵以便获得确定出现在第二序列中的概念的激活函数。

本发明的实施例涉及根据独立权利要求1的方法。

此外，本发明的实施例涉及根据独立权利要求10的计算机程序产品。

还有，本发明的实施例涉及根据独立权利要求11的设备。

在从属权利要求中定义了另外的实施例。

根据本发明的实施例，一种方法包括接收包括与概念相关的第一序列符号的第一序列和与第一序列相关联的标签，从表示第一序列中不同距离的第一序列符号之间的转移出现的频率数据的转移频率矩阵中获得转移概率矩阵，并且学习每个标签和每个距离的转移概率矩阵以便获得确定出现在第二序列中的概念的激活函数。

根据本发明实施例的方法可在设备中执行，该设备例如可以是计算机系统、便携机或移动电话机，其中软件执行模式发现和识别过程。其次，模式发现和识别过程可由处理器(例如数字信号处理器(DSP)芯片)执行，该处理器已经适合于执行模式发现和识别过程。

术语“概念”(模式)是指序列中(或两个不同序列之间)某种类型的统计规则性，其不同于其它概念(其它规则性)并形成与所有类似噪声的不规则性的清楚对照。

术语“标签”是指一个指示，其与序列相关联，或者几个标签与同一序列相关联，并且这些关联被称为概念。

术语“转移”是指序列符号(索引，标记)对。序列符号是序列的基本元素，并且序列符号对在一对内部在序列符号之间具有距离(换句话说，每个符号对在序列中具有一定位置和相互距离(位置中的差))。

根据本发明的实施例，在前一实施例中公开的方法包括接收包括概念的第一信息。第一信息例如可以是语音或图像。

根据本发明的实施例，在前面任一实施例中公开的方法包括将标签与第一序列相关联。