| 1 |
1
다중 레이블로 분류가 가능한 복수의 패턴 각각을 구성하는 복수의 특징 중에서 상기 패턴의 레이블 분류를 위한 최적의 특징을 선별하는 방법에 있어서, 집합 관리부가, 상기 복수의 특징을 모두 구성요소로서 포함하는 특징 전체 집합 중에서 선별된 제1 특징을 구성요소로 하여 구성되며, 상기 복수의 패턴 각각의 레이블 분류에 이용되는 특징 하위 집합을 생성하는 단계;평가값 산출부가, 상기 특징 전체 집합 중에서 상기 특징 하위 집합에 속하지 않는 복수의 제2 특징과 제1 레이블간의 제1 상관 관계와 상기 제1 특징, 상기 제2 특징 및 제2 레이블간의 제2 상관 관계에 기초하여, 상기 복수의 제2 특징 각각에 대한 특징 평가값을 산출하는 단계; 및특징 선별부가, 상기 특징 평가값에 기초하여, 상기 복수의 제2 특징 중 하나를 상기 특징 하위 집합에 추가할 최적 특징으로 선별하는 단계를 포함하는 다중 레이블 패턴 분류를 위한 최적 특징 선별 방법
|
| 2 |
2
제1항에 있어서, 상기 특징 하위 집합을 생성하는 단계는 상기 집합 관리부에 의해 수행되고,상기 특징 하위 집합을 생성하는 단계는 상기 제2 특징 중 하나가 최적 특징으로 선별되면, 상기 최적 특징으로 선별된 상기 제2 특징을 상기 특징 하위 집합의 구성 요소인 상기 제1 특징으로 추가함으로써 갱신된 특징 하위 집합을 생성하고, 상기 특징 하위 집합을 생성하는 단계, 상기 복수의 제2 특징 각각에 대한 특징 평가값을 산출하는 단계 및 상기 복수의 제2 특징 중 하나를 최적 특징으로 선별하는 단계는 상기 특징 하위 집합의 구성요소의 개수가 소정 임계치에 이를 때까지 반복 수행되는 다중 레이블 패턴 분류를 위한 최적 특징 선별 방법
|
| 3 |
3
제1항에 있어서, 상기 특징 하위 집합을 생성하는 단계는 상기 집합 관리부에 의해 수행되고,상기 특징 하위 집합을 생성하는 단계는상기 특징 하위 집합이 공집합인 경우에, 상기 특징 하위 집합을 공집합으로 설정하고 상기 복수의 제2 특징 각각에 대한 특징 평가값을 산출하는 단계 및 상기 복수의 제2 특징 중 하나를 최적 특징으로 선별하는 단계를 수행한 후,상기 최적 특징으로 선별된 상기 제2 특징을 상기 특징 하위 집합의 구성 요소인 상기 제1 특징으로 추가함으로써 상기 특징 하위 집합을 생성하는 다중 레이블 패턴 분류를 위한 최적 특징 선별 방법
|
| 4 |
4
제1항에 있어서, 상기 복수의 제2 특징 각각에 대한 특징 평가값을 산출하는 단계는 상기 평가값 산출부에 의해 수행되고,상기 복수의 제2 특징 각각에 대한 특징 평가값을 산출하는 단계는제1 상호 정보 척도를 이용하여 상기 제2 특징과 상기 제1 레이블간의 상관 관계를 정의하는 상기 제1 상관 관계 함수에서 상기 제1 상호 정보 척도를 이용하여 상기 제1 특징, 상기 제2 특징 및 상기 제2 레이블간의 상관 관계를 정의하는 제2 상관 관계 함수를 차감한 특징 상관 함수에 기초하여 수행되는 다중 레이블 패턴 분류를 위한 최적 특징 선별 방법
|
| 5 |
5
제4항에 있어서, 상기 특징 상관 함수는 하기 수학식 1에 의하여 정의되는 것을 특징으로 하는 다중 레이블 패턴 분류를 위한 최적 특징 선별 방법
|
| 6 |
6
제4항에 있어서, 상기 복수의 제2 특징 각각에 대한 특징 평가값을 산출하는 단계는 상기 평가값 산출부에 의해 수행되고,상기 복수의 제2 특징 각각에 대한 특징 평가값을 산출하는 단계는제2 상호 정보 척도를 이용하여 상기 제1 특징과 상기 제2 특징간의 상관 관계를 정의하는 제1 변환 함수 및 상기 제2 레이블 하에서의 상기 제1 특징과 상기 제2 특징간의 상관 관계를 정의하는 제2 변환 함수로 구성되는 변환 제2 상관 관계 함수를 생성하는 단계;미리 정해진 조건하에서, 상기 제2 변환 함수를 최대 2개의 변수를 가지는 상관 관계로 구성되는 중간 변환 함수로 변환하는 단계;상기 제1 변환 함수 및 상기 중간 변환 함수에 기초하여, 상기 변환 제2 상관 관계 함수를 상기 제1 특징에 대한 조인트 엔트로피 함수, 상기 제1 상호 정보 척도 기반으로 정의된 상기 제1 특징과 상기 제2 특징간의 상관관계 및 상기 제1 상호 정보 척도 기반으로 정의된 상기 제1 특징과 상기 제2 레이블간의 상관 관계로 구성되는 제3 변환 함수로 변환하는 단계; 및상기 제1 상관 관계 함수 및 상기 제3 변환 함수를 이용하여 생성된 변환 특징 상관 함수를 이용하여 상기 복수의 제2 특징 각각에 대한 특징 평가값을 산출하는 단계를 포함하는 다중 레이블 패턴 분류를 위한 최적 특징 선별 방법
|
| 7 |
7
제6항에 있어서, 상기 미리 정해진 조건은 상기 제2 변환 함수와 제2 레이블 하에서의 상기 제1 특징의 조인트 엔트로피 함수 간의 비율이 상기 제2 상호 정보 척도 M을 기반으로 한 상기 제1 특징과 상기 제2 특징간의 상관 관계와 상기 제1 특징의 조인트 엔트로피 함수간의 비율과 동일하다는 조건인 다중 레이블 패턴 분류를 위한 최적 특징 선별 방법
|
| 8 |
8
제6항에 있어서, 상기 중간 변환 함수는상기 제1 특징에 대한 조인트 엔트로피 함수, 상기 제2 레이블 하에서의 상기 제1 특징에 대한 조인트 엔트로피 함수 및 상기 제2 상호 정보 척도를 기반으로 한 상기 제1 특징과 상기 제2 특징간의 상관관계로 구성되는 다중 레이블 패턴 분류를 위한 최적 특징 선별 방법
|
| 9 |
9
제6항에 있어서, 상기 변환 특징 상관 함수는 하기 수학식 9에 의하여 정의되는 것을 특징으로 하는 다중 레이블 패턴 분류를 위한 최적 특징 선별 방법
|
| 10 |
10
다중 레이블로 분류가 가능한 복수의 패턴 각각을 구성하는 복수의 특징 중에서 상기 패턴의 레이블 분류를 위한 최적의 특징을 선별하는 장치에 있어서, 상기 복수의 특징을 모두 구성요소로서 포함하는 특징 전체 집합 중에서 선별된 제1 특징을 구성요소로 하여 구성되며, 상기 복수의 패턴 각각의 레이블 분류에 이용되는 특징 하위 집합을 생성하는 집합 관리부;상기 특징 전체 집합 중에서 상기 특징 하위 집합에 속하지 않는 복수의 제2 특징과 제1 레이블간의 제1 상관 관계와 상기 제1 특징, 상기 제2 특징 및 제2 레이블간의 제2 상관 관계에 기초하여, 상기 복수의 제2 특징 각각에 대한 특징 평가값을 산출하는 평가값 산출부; 및상기 특징 평가값에 기초하여, 상기 복수의 제2 특징 중 하나를 상기 특징 하위 집합에 추가할 최적 특징으로 선별하는 특징 선별부를 포함하는 다중 레이블 패턴 분류를 위한 최적 특징 선별 장치
|
| 11 |
11
다중 카테고리로 분류가 가능한 복수의 문서 각각을 구성하는 복수의 단어 중에서 상기 문서의 카테고리 분류를 위한 최적의 단어를 선별하는 장치를 포함하는 다중 카테고리 문서 분류 장치에 있어서, 상기 복수의 단어를 모두 구성요소로서 포함하는 단어 전체 집합 중에서 선별된 제1 단어를 구성요소로 하여 구성되며, 상기 문서 각각의 카테고리 분류에 이용되는 단어 하위 집합을 생성하는 집합 관리부;상기 단어 전체 집합 중에서 상기 단어 하위 집합에 속하지 않는 복수의 제2 단어와 제1 카테고리간의 제1 상관 관계와 상기 제1 단어, 상기 제2 단어 및 제2 카테고리간의 제2 상관 관계에 기초하여, 상기 제2 단어 각각에 대한 단어 평가값을 산출하는 평가값 산출부; 및상기 단어 평가값에 기초하여, 상기 복수의 제2 단어 중 하나를 상기 단어 하위 집합에 추가할 최적 단어로 선별하는 단어 선별부를 포함하는 다중 카테고리 문서 분류 장치
|
