【発明の詳細な説明】

【０００１】

【産業上の利用分野】本発明は、パターン分類装置および方法、更に詳細には、検出装置と、検出装置から供給される一連の物理的特徴の値に基づきパターン、特に紙幣あるいは貨幣を分類する分類装置とを有する装置であって、分類装置は特徴を伝達する入力データバスを介して検出装置と接続され、出力データバスを介して自動サービス装置と接続されるパターン分類装置及び方法に関する。

【０００２】

【従来の技術】この種の装置と方法は好ましくは自動販売機、自動両替機などに多用されており、これらの自動機においては価値に従って、例えば１ドル、２ドルおよび５ドル紙幣の分類が行われ、またオリジナルとコピーの分類が行われる。

【０００３】磁気材料（例えば磁気インク）を有する被検査物の種々の領域間の磁場の強さの差が基準値と比較され、それによって例えば本物の１ドル紙幣をコピーと区別するこの種の方法が知られている（ＥＰ０２０４５
７４Ａ２）。

【０００４】また、被検査物の画像部分によって反射される電磁線の強度値を処理して、被検査物をオリジナルのピクセルマトリクスと比較すること（ＥＰ００６７８
９８Ｂ１）あるいはオリジナルに対する違いを２つのｎ
次元ベクトル間の角度の形で（ＤＥ３０４０９６３Ａ
１）、あるいは相互相関関数として（ＥＰ００８４１３
７Ａ２）表現し評価することが知られている。

【０００５】

【発明が解決しようとする課題】本発明の課題は、１秒の数分の１の間にパターンを安価に分類することができる、冒頭で述べた種類の装置及び方法を提供することである。

【０００６】

【課題を解決するための手段】上記の課題を解決するために、本発明では、分類装置には、それぞれ可能性のある２つの類のパターンを区別してその区別をそれぞれ出力信号によって表す複数の分類器が設けられ、分類器のぞれぞれは、パターンの一連の特徴から選び出された成分を有する固有の特徴ベクトルに基づいて分類を行ない、分類装置には、出力信号からパターンの対応する類を表す判定データを発生する評価素子と遮断素子が設けらる構成を採用した。

【０００７】

【作用】このような構成において、分類器のそれぞれは、その特徴ベクトルの各成分を特徴に関連する所定の重み係数で乗算し、このようにして得られた積を加算して分離値とし、その値を用いて区別を行い、出力信号を発生する。

【０００８】又、各分類器のそれぞれは、加算素子と、
加算素子の後段に接続された比較素子と、出力側がそれぞれ加算素子の入力と接続され、入力側がそれぞれ特徴入力の導線の一つに接続された複数の乗算素子とを有し、比較素子が分類出力に接続されている。

【０００９】好ましくは、準備段階において各分類器について、特徴ベクトルの特徴が相関関係にないが、分類器が区別する両類の区別に本質的に寄与するように定められ、また、重み係数も準備段階において区別が信頼性をもって可能になるように選ばれる。

【００１０】具体的には、準備段階において各類の所定数のパターンからそれぞれ一連の測定値が検出され、その測定値から各分類器について、分類器によって区別される２つの類の分離値の両平均値の差が最大となり、また両類のそれぞれの分離値のばらつき（分散）が最小となるように、特徴ベクトルが選択されかつ特徴ベクトルの各特徴について重み係数が計算される。

【００１１】

【実施例】以下、本発明の実施例を図面に示し以下で詳細に説明する。

【００１２】図１において符号１は検出装置を示し、検出装置１はほぼ入口２と、被検査物３を移送する不図示の移送装置と、被検査物のパターンを測定する同様に不図示のセンサ装置とを有する。 分類装置４は入力データバス５を介して検出装置１と接続され、出力データバス６を介して自動サービス装置７と接続されている。

【００１３】図２には分類装置４が図示されており、分類装置はこの場合には１、２、５および１０ドル紙幣とそのコピーを区別するように設計されている。 分類装置は、複数の分類器８、少なくともそれぞれ２つの入力と１つの出力とを有する複数の評価素子９、並びに遮断素子１０を有する。 各分類器８は複数の導線からなる特徴入力１１と分類出力１２を有し、特徴入力は入力データバス５と接続されている。

【００１４】１ドル紙幣を２ドル紙幣と区別する第１の分類器８ａはその出力側が第１の評価素子９ａの第１の入力と、また第１の遮断素子１０ａを介して第２の評価素子９ｂの第１の入力と接続されている。

【００１５】１ドル紙幣を５ドル紙幣と区別する第２の分類器８ｂはその出力側が第１の評価素子９ａの第２の入力と、また第２の遮断素子１０ｂを介して第３の評価素子９ｃの第１の入力と接続されている。

【００１６】１ドル紙幣を１０ドル紙幣と区別する第３
の分類器８ｃはその出力側が第１の評価素子９ａの第３
の入力と、また第３の遮断素子１０ｃを介して第４の評価素子９ｄの第１の入力と接続されている。

【００１７】２ドル紙幣を５ドル紙幣と区別する第４の分類器８ｄはその出力側が第２の評価素子９ｂの第２の入力と、また第４の遮断素子１０ｄを介して第３の評価素子９ｃの第２の入力と接続されている。

【００１８】２ドル紙幣を１０ドル紙幣と区別する第５
の分類器８ｅはその出力側が第２の評価素子９ｂの第３
の入力と、また第５の遮断素子１０ｅを介して第４の評価素子９ｄの第２の入力と接続されている。

【００１９】５ドル紙幣を１０ドル紙幣と区別する第６
の分類器８ｆはその出力側が第３の評価素子９ｃの第３
の入力と、また第６の遮断素子１０ｆを介して第４の評価素子９ｄの第３の入力と接続されている。

【００２０】１、２、５及び１０ドル紙幣を他の用紙と区別する第７の分類器８ｇの分類出力１２は出力データバス６へ導かれている。

【００２１】本物の１ドル紙幣をそのコピーと区別する第８の分類器８ｈの分類出力１２は第５の評価素子９ｅ
の第１の入力へ導かれており、第５の評価素子は第１の評価素子９ａの出力と接続された第２の入力を有し、かつその出力側は出力データバス６と接続されている。

【００２２】本物の２ドル紙幣をそのコピーと区別する第９の分類器８ｉの分類出力１２は第６の評価素子９ｆ
の第１の入力へ導かれており、第６の評価素子は第２の評価素子９ｂの出力と接続された第２の入力を有し、かつその出力側はデータバス６と接続されている。

【００２３】本物の５ドル紙幣をそのコピーと区別する第１０の分類器８ｊの分類出力１２は、第７の評価素子９ｇの第１の入力へ導かれており、第７の評価素子は第３の評価素子９ｃの出力と接続された第２の入力を有し、かつその出力側は出力データバス６と接続されている。

【００２４】本物の１０ドル紙幣をそのコピーと区別する第１１の分類器８ｋの分類出力１２は、第８の評価素子９ｈの第１の入力と接続され、第８の評価素子は第４
の評価素子９ｄの出力と接続された第２の入力を有し、
かつその出力側は出力データバス６と接続されている。

【００２５】図３には分類器８のブロック回路図が示されており、分類器８は複数の入力を有する加算素子１
３、加算素子１３の後段に接続された比較素子１４及び出力側が加算素子１３の入力と接続された複数の乗算素子１５を有し、乗算素子の入力側はそれぞれ特徴入力１
１の導線のいずれかと接続されている。 分類出力１２は比較素子１４の出力である。

【００２６】被検査物（本実施例においては磁気インクを有する紙幣）３は、移送装置の入口２（図１）へ供給され、移送装置によって被検査物３は、被検査物３のパターンを測定するセンサ装置を通過して案内される。 パターンとしては、被検査物３の一連の物理的特徴の値が用いられる。 実施例においてはパターンは、被検査物の長さにわたって分布する異なる５００の箇所で少なくとも１つの磁場センサによって測定された磁場強度の５０
０の値から形成される。

【００２７】好ましくは直列に接続された２つの磁場センサが、紙幣の長手方向の中心線に対して対称に互いに並べて配置されており、紙幣の長手方向における２つの異なる平行な軌跡上の磁場強度の２つの値がそれぞれ同時に２つの値の合計として検出され、それによって紙幣は長手方向において異なる４つの向きで入口に供給されるにも拘らず、所定の紙幣に対して異なる２列の特徴だけを測定することになる。 好ましくは測定点は長手方向において等間隔であるので、考えられる２列は値の順序が逆になることだけが異なる。

【００２８】また、パターンを被検査物の画像部分から反射される電磁光線の強度値から構成することも可能である。 被検査物がコインである場合には、被検査物がぶつかるときに発生する音のレベルから求めた音響スペクトルの周波数からパターンを形成することもできる。

【００２９】検出装置１において特徴の値は規格化あるいは量子化して記憶され、それぞれパターンに従ってフィルタ処理される。

【００３０】被検査物の特徴の値は、好ましくはアナログ形状で入力データバス５を介して分類装置４へ供給される。 入力データバス５は好ましくは各特徴について専用の導線を有するので、分類装置４はすべての特徴の値を同時に得ることができる。 しかしまた、値が検出装置１に格納されており、かつ検出装置１が公知のように値をグループ毎に入力データバス５へ供給するマルチプレクサを有する場合、あるいは分類装置４からの値が入力データバス５を介してグループ毎に呼び出される場合には、それに応じて少ない数の導線を有する入力データバス５にすることもできる。

【００３１】被検査物は種々の方法で入口２へ供給され、それによって測定された特徴が２つの異なる順序で発生しうるので、データバス５は好ましくは切り替え素子５ａを有する。 この切り替え素子は分類装置４によって前提とされている導線に対する特徴の対応方向を検出して、特徴あるいは導線を対応が全く逆になるように対で交換する。

【００３２】各分類器８（図２）は特徴入力１１に発生する特徴ベクトルに基づいて被検査物を可能性のある２
つの類に区別する。 特徴ベクトルは測定された一連の特徴の部分量を有しており、原則的に各分類器８において他の特徴と合成される。 特徴ベクトルの組成及び各分類器に関する分類パラメータは準備段階で求められる。 すなわち分類器８は好ましくは顧客に固有の素子、いわゆるＡＳＩＣである。

【００３３】分類器８の出力信号から評価素子９は遮断素子１０を用いて出力データ線６に出力される判定データを形成する。 その判定データにより被検査物のパターンの対応する類が示される。 この判定データに基づいて自動サービス装置７においてサービスが行なわれる。

【００３４】各分類器８の分類出力１２の出力信号は好ましくは２進の「０」あるいは「１」である。 それによって遮断素子１０は２進のインバータによって、かつ評価素子９はアンドゲートによって実現することができる。 もちろん分類装置４において遮断素子１０と評価素子９の組み合せによって得られるブール関数を他のゲート、例えばノアゲートあるいはナンドゲートによって実現することもできる。

【００３５】次に分類装置４の機能を検査の場合を用いて説明する。

【００３６】第１例で被検査物が１ドル紙幣である場合には第１の分類器８ａと第２の分類器８ｂ及び第３の分類器８ｃも出力信号「１」を有し、それによって第１の評価素子９ａの出力には値「１」が出力される。 第１の遮断素子１０ａは、その出力の値が「０」となっており、それにより公知のように第２の評価素子９ｂの出力の値を「０」にする。 従って第６の評価素子９ｆの出力にも同様に値「０」が現れ、被検査物が２ドル紙幣でないことが示される。 さらに第２の遮断素子１０ｂないし第３の遮断素子１０ｃは第３の評価素子９ｃないし第４
の評価素子９ｄの出力と、従って第７の評価素子９ｇないし第８の評価素子９ｈの出力に値「０」をもたらす。
これは、被検査物が５ドル紙幣でないこと、ないしは１
０ドル紙幣でないことを意味している。

【００３７】第７の分類器８ｇの分類出力１２における値は「１」であり、それは被検査物が１、２、５あるいは１０ドル紙幣であって、単なる用紙ではないことを意味している。 第８の分類器８ｈは本物の１ドル紙幣をそのコピーと区別し、その分類出力１２における値「１」
によって被検査物が本物であることを示す。 従って被検査物が本物である場合には評価素子９ｅの出力には値「１」が発生し、コピーである場合には値「０」が発生する。

【００３８】第２例で被検査物が２ドル紙幣である場合には、第１の分類器８ａの分類出力１２は値「０」を有し、それによって第１の評価素子９ａの出力には値「０」が発生する。 それによって第５の評価素子９ｅの出力にも値「０」が発生し、被検査物が１ドル紙幣でないことが表示される。 第４ないし第５の分類器８ｄないし８ｅの分類出力１２は値「１」を有し、それによって第４ないし第５の遮断素子１０ｄないし１０ｅの出力は「０」となる。 従って第３ないし第４の評価素子９ｃないし９ｄの値は「０」となり、それによって第７ないし第８の評価素子９ｇないし９ｈの出力にも値「０」が発生する。 これは、被検査物が５ドル紙幣でないこと、ないしは１０ドル紙幣でないことを意味する。

【００３９】さらに第１の分類器８ａの分類出力１２の値が「０」になることによって第１の遮断素子１０ａの出力の値は「１」となり、それによって第２の評価素子９ｂの３つの入力はすべて値「１」を有する。 第７の分類器８ｇの分類出力１２の値は「１」であり、それは被検査物が１、２、５あるいは１０ドル紙幣であって、単なる用紙ではないことを意味している。 第９の分類器８
ｉは本物の２ドル紙幣をそのコピーと区別するものであって、その分類出力１２の値が「１」であることは被検査物が本物であることを示している。 従って第６の評価素子９ｆの出力には被検査物が本物であれば値「１」が発生し、またコピーである場合には値「０」が発生する。

【００４０】さらに図２を用いて容易に理解できるように、５ドル紙幣が本物であれば第７の分類器８ｇの分類出力並びに第７の評価素子９ｇの出力はそれぞれ値「１」を有し、かつ第７の分類器８ｇの分類出力１２の値が「１」であることと第８の評価素子９ｈの出力の値「１」によって１０ドル紙幣が本物であることが示される。

【００４１】オリジナルとそのコピーは非常に似通っているので、好ましくは第１のグループの分類器８によって紙幣の値が分類され、第２のグループの分類器８によってオリジナルがそのコピーから分離される。 各値の紙幣はそれぞれ分類器８によって他の値の紙幣から分離される。 ４種類の値の紙幣がある場合には、４つの要素の内２つは繰り返しがないので６つの組み合せが生じ、従って６つの分類器８ａ、８ｂ、８ｃ、８ｄ、８ｅ及び８
ｆからなる第１グループが形成される。 第２のグループは各値の紙幣について対応する分類器８ｈ、８ｉ、８ｊ
あるいは８ｋを有する。 さらに取り扱う値（ここでは１
＄、２＄、５＄及び１０＄）の紙幣を他の用紙と区別するために分類器８ｇが使用される。

【００４２】さらに分類器８を有するここには示されていない他の回路例も可能である。 例えばそれぞれ１つの分類器８によって各類を他の類から区別することもできる。 この種の装置にすると、４種類の値の紙幣およびその４種類のコピーを分離するためには８つの要素のうち２つは繰り返さずに２８の組み合せが生じ、従って２８
の分類器８が必要となる。

【００４３】分類器８は原理的にそれぞれ線形の分離式によって動作し、その分離式に従って特徴入力１１に出力される特徴ベクトルから分離値が計算される。 その場合、分離式と特徴ベクトルはそれぞれ個々の分類器８について最適に構成されており、従って確実な分離ないし分類が可能になる。

【００４４】次に、各分類器８について最適な分離式を見いだす方法を説明する。

【００４５】線形に重み付けされた複数の特徴の合計に基づいてパターンを分類することが知られている（ニーマン（Ｈ．Ｎｉｅｍａｎｎ、「パターンの分類（Ｋｌａ
ｓｓｉｆｉｋａｔｉｏｎ ｖｏｎ Ｍｕｓｔｅｒｎ）」
ベルリン、ハイデルベルク、ベルリン、東京、スプリンガー出版１９８３）。

【００４６】

【数１】

【００４７】式（Ｇ１）は分離式であり、ｍは特徴の数、ｘiは分類すべきパターンの測定値の付された特徴、ｂiはｘiに関連する重み係数である。 分離値Ｘにより各類のパターンが他の類のパターンと区別される。

【００４８】多数の類のパターンを分離し、分類すべきパターンが互いに極めて類似している場合には、安価な構成で全ての類を確実に互いに分離できる線形の分離式が存在しない可能性がある。

【００４９】好ましくは、分離式（Ｇ１）はそれぞれ正確に２つの類を分離するのに用いられる。 そのために、
準備段階で処理コンピュータを用いて複数の得られる特徴から、相関関係になくかつ重み付けを最適にしたとき両類の分離に本質的に寄与する特徴を求めておく。

【００５０】準備段階ではそれぞれの分類器８に対して分離すべきそれぞれの２つの類のばらつきを考慮して特徴ベクトルと重みが求められる。

【００５１】データベースとしてそれぞれの類に対して十分な数（例えば百）の試料に関して一連の測定された特徴が用意される。 試料として第１の類Ａに対してｍ個の特徴を有するｎＡ個の試料が、また第２の類Ｂに対してはｍ個の特徴を有するｎＢ個の試料が用意される。 類Ａの試料の個数ｎＡは、類Ｂの試料の個数ｎＢと異るようにすることもできる。

【００５２】好ましくは試料は検出装置１を用いて測定され、それにより例えば移送装置の速度変動等の実際に発生する全ての外乱が測定値のばらつきに影響するようにする。

【００５３】類Ａは、例えば真正の１ドル紙幣を、また類Ｂは１ドル紙幣のコピーを意味する。

【００５４】一連の類Ａと類Ｂの測定値は好ましくは２
つのマトリクスに組織化される。 類Ａに関する第１のマトリクスＸAはｍ行とｎＡ列を有し、一方類Ｂに関する第２のマトリクスＸBはｍ行とｎＢ列を有する。

【００５５】従って類Ａの個々の測定値はマトリクスＸ
Aの要素ＸijA、 ＸijA；ｉ＝１…ｍ；ｊ＝１…ｎＡ （Ｇ
２） となる。 そして類Ｂの個々の測定値はマトリクスＸBの要素ＸijB、 ＸijB；ｉ＝１…ｍ；ｊ＝１…ｎＢ （Ｇ
３） となる。 さらにデータベースに基づいて以下の他の量が計算される。

【００５６】類Ａないし類Ｂの個々の特徴ｉの測定値の平均値ＸiA'ないしＸiB'が

【００５７】

【数２】

【００５８】に従って計算される。 なお平均値に付した「'」は平均を示すものであって、式内ではそれぞれＸ
の上に「−」を付して示されている。

【００５９】類Ａと類Ｂ間のこの平均値の差ａ1は、

【００６０】

【数３】

【００６１】となる。

【００６２】両類のｊ番目の試料の分離値ＸjAとＸjBはマトリクスＸAないしＸBから

【００６３】

【数４】

【００６４】により求められる。

【００６５】両類の分離値の平均値ＸA'とＸB'は、

【００６６】

【数５】

【００６７】となる。

【００６８】分離値の平均値ＸA'とＸB'の差ａxは、

【００６９】

【数６】

【００７０】となる。

【００７１】（Ｇ８）、（Ｇ５）、（Ｇ７ａ）及び（Ｇ
７ｂ）から、

【００７２】

【数７】

【００７３】が得られる。

【００７４】各試料に対して試料の各分離値と分離値の平均値との偏差の平方の合計Ｔは、

【００７５】

【数８】

【００７６】となる。

【００７７】この合計Ｔは分離値ＸAとＸBのばらつきの平方の合計に相当する。

【００７８】以下においては表現を扱いやすくするために、３つの特徴のみを考察する。 すなわちｍ＝３とするが、これは本発明の普遍性を制限するものではない。

【００７９】重みｂi（但しｉ＝１…ｍ）は、式（Ｇ
９）における２つの類の分離値の平均値の差ａxが最大で、式（Ｇ１０）における２つの類の分離値のばらつきの平方の合計Ｔが最小になるように定められる。 これは（ａx）の２乗／Ｔが最大である場合に満たされる。 従って（ａx）の２乗／Ｔの重みｂiに関する第１の微分が求められ、ゼロに等しく設定される。 即ち、

【００８０】

【数９】

【００８１】式（Ｇ１１）に商の規則を適用すると、

【００８２】

【数１０】

【００８３】となる。 従って、

【００８４】

【数１１】

【００８５】となる。

【００８６】式（Ｇ９）から、

【００８７】

【数１２】

【００８８】となることが明らかである。

【００８９】従って式（Ｇ４ａ）と（Ｇ４ｂ）を考慮して式（Ｇ１０）に式（Ｇ６ａ）と（Ｇ６ｂ）を代入すると、３つの特徴について、

【００９０】

【数１３】

【００９１】が得られる。

【００９２】それに関する微分は、

【００９３】

【数１４】

【００９４】となる。 変形すると、

【００９５】

【数１５】

【００９６】となり、式（Ｇ１６）の２つの表現が、

【００９７】

【数１６】

【００９８】で置き換えられる。 （Ｓ11）Aの表現は、

【００９９】

【数１７】

【０１００】で表現される類Ａにおける第１の特徴の測定値の経験的分散（ρx11）の２乗と同様である。

【０１０１】式（Ｇ１７ａ）と（Ｇ１７ｂ）から両類Ａ
とＢの第１の特徴のばらつきの平方の合計が形成され、
それをＳ11とすると、 Ｓ11＝（Ｓ11）A＋（Ｓ11）B （Ｇ１８） となる。 式（Ｇ１６）において、重み付けを行う場合に特徴間に種々の相互相関係数が見られる。 すなわち例えば測定値Ｘ1jA（ｊ＝１…ｎAの場合）と測定値Ｘ2jA
（ｊ＝１…ｎAの場合）の間、すなわち類Ａの第１と第２の特徴の間、従ってマトリクスＸAの第１と第２行の間に相互相関係数が見られる。 この相互相関係数を（Ｓ
12）Aとすると、

【０１０２】

【数１８】

【０１０３】となる。 同様に式（Ｇ１６）には測定値Ｘ
1jB（ｊ＝１…ｎBの場合）と測定値Ｘ2jB（ｊ＝１…ｎB
の場合）の間、すなわち類Ｂの第１と第２の特徴間、従ってマトリクスＸBの第１と第２行間に相互相関係数が存在する。 この相互相関係数を（Ｓ12）Bとすると、

【０１０４】

【数１９】

【０１０５】となる。 （Ｇ１９ａ）と（Ｇ１９ｂ）を置き換えると、 Ｓ12＝（Ｓ12）A＋（Ｓ12）B （Ｇ２０） Ｓ12と同じ方法に従って（Ｇ１６）から Ｓ13＝（Ｓ13）A＋（Ｓ13）B （Ｇ２１） が得られる。 式（Ｇ１６）は式（Ｇ１８）、（Ｇ１９）
及び（Ｇ２１）により、 ｄＴ／ｄｂ1＝２（ｂ1Ｓ11＋ｂ2Ｓ12＋ｂ3Ｓ13） （Ｇ２２） のようになる。

【０１０６】式（Ｇ１３）においてｉ＝１の場合式（Ｇ
２２）と（Ｇ１４）を用いると、 ｂ1Ｓ11＋ｂ2Ｓ12＋ｂ3Ｓ13＝ａ1・Ｔ／ａx （Ｇ２３） が得られる。

【０１０７】式（Ｇ１６）のｄＴ／ｄｂ1が展開されたのと同様に、ｄＴ／ｄｂ2及びｄＴ／ｄｂ3が変換される。 さらにＳ11ないしＳ12のような方法に従って、係数Ｓ22、Ｓ33ないしＳ23が用いられる。 それによって式（１３）から、 ｂ1Ｓ11＋ｂ2Ｓ12＋ｂ3Ｓ13＝ａ1 （Ｇ２４a） ｂ1Ｓ12＋ｂ2Ｓ22＋ｂ3Ｓ23＝ａ2 （Ｇ２４ｂ） ｂ1Ｓ13＋ｂ2Ｓ23＋ｂ3Ｓ33＝ａ3 （Ｇ２４ｃ） の３つの展開式が得られる。 もちろん、係数に関してＳ
12＝Ｓ21、Ｓ13＝Ｓ31及びＳ23＝Ｓ32が成立することは自明である。

【０１０８】式（Ｇ２４ａ…ｃ）においては式（Ｇ１
３）ないし（Ｇ２３）の因数Ｔ／ａｘは受け継がれていない。 それによって重要な比（ａｘ）の２乗／Ｔに対する影響がなくなる。 というのはすべての重みｂ1…ｂmの乗算によって（ａx）の２乗／Ｔの値が変化しないからである。 これは式（Ｇ９）と（Ｇ１５）から明らかである。 重要なのは重みｂ1…ｂmの互いの比であって、その絶対値ではない。

【０１０９】３つの式（Ｇ２４ａ…ｃ）を用いて３つの未知の重みｂ1、ｂ2ないしｂ3が計算される。 従って特徴がｍ箇である場合にはｍ箇の式（Ｇ２４）が生じ、従って準備段階において、線形の分離式（Ｇ１）を最適に定めるｍ箇の重みを計算することができる。

【０１１０】この式（Ｇ２４）の構成は驚くほど簡単である。 未知の重みｂの係数Ｓは直接それぞれ２つの特徴間の類ＡとＢの相互相関係数の合計である。 各係数Ｓのインデックスないし係数Ｓにおいて考慮される２つの特徴のインデックスは、特徴のインデックスに従って配置されている式（Ｇ２４）の係数Ｓの位置（行、列）に直接対応する。

【０１１１】分類器８のそれぞれについて分離しようとする２つの類ＡとＢを確実に分離できるようにするために、分類器８のそれぞれについて特徴ベクトルが次のように、すなわち式（Ｇ５）と（Ｇ９）に記述されている差ａxの絶対値ができるだけ大きく、かつ分離値ＸAないしＸBのばらつきσAとσBができるだけ小さくなるように、定められる。

【０１１２】図４には関数ｈ（ＸA）と他の関数ｈ（Ｘ
B）、平均値ＸA'とＸB'、差ａx並びに平均値ＸA'とＸB'の中央にしきい値Ｓが示されている。 関数ｈ（Ｘ
A）は類Ａの分離値ＸAの相対頻度を示し、一方関数ｈ
（ＸB）は類Ｂの分離値ＸBの相対頻度を表す。 ２つの類ＡとＢを確実に分離するために、ｘ軸と頻度関数ｈ（Ｘ
A）の領域ＸA'±ｑ・σAに囲まれた第１の面積と、ｘ
軸と頻度関数ｈ（ＸB）の領域ＸB'±ｑ・σBに囲まれた第２の面積が実際に重なり合ってはならないので、 ｜ａx｜−ｑ（σA＋σB）≧０ （Ｇ２
５） の関係が成立する。

【０１１３】因数ｑが大きくなるにつれて、２つの類Ａ
とＢが分離される確実性が増大する。 好ましくは因数ｑ
は少なくとも３である。

【０１１４】類Ａのばらつきの２乗σXA（２乗）と類Ｂ
のばらつきの２乗σXB（２乗）は、

【０１１５】

【数２０】

【０１１６】のように計算される。

【０１１７】図５は準備段階で使用される学習方法のフローチャートを示すものであって、この学習方法は各分類器８のいずれにも使用され、この学習方法を用いて分類器８のそれぞれに関する特徴ベクトルと重みが定められる。 学習方法において符号ＡとＢで示される類は関連する分類器８が分離する類である。

【０１１８】学習方法の開始１６と終了１７の間に初期化ステップ１８と、初期化ステップ１８に連続する反復ステップ１９が設けられている。

【０１１９】初期化ステップ１８においては得られるｍ
箇の特徴から個数ｐの開始特徴が選択されて、特徴ベクトルに関連付けられる。 その場合、個数ｐは好ましくは約１０である。 開始特徴は任意に選択することができる。 しかしこれらをランダムに選択するのではなく、２
つの類ＡあるいはＢのいずれかについて測定された一連の特徴から自己相関関数を形成し、それらをゼロに設定する際にできるだけ大きな値を有する特徴を捜し出して開始特徴として用いると効果的である。

【０１２０】実際の特徴ベクトルについて、ｐ箇の未知の重みについて式（Ｇ２４）を作成して解くことによって、重みｂ１…ｂｐが計算される。 次に式（Ｇ９）と（Ｇ５）に従って分離値の平均値の差ａxが、また式（Ｇ２６ａ）ないし（Ｇ２６ｂ）に従ってばらつきσA
ないしσBが計算され、それによって初期化ステップが終了する。

【０１２１】反復ステップ１９においてはサーチステップ２０の次に計算ステップ２１が続き、その後に選択ステップ２２が続く。

【０１２２】サーチステップ２０において使用できる特徴から他の新しい特徴が選択され、従って特徴ベクトルが拡大され、かつ個数ｐが１だけ増分される。

【０１２３】計算ステップ２１においては、ｐ箇の未知の重みについて式（Ｇ２４）が設定され、かつ解かれることによって、実際の特徴ベクトルについて重みｂ１…
ｂｐが定められる。 次に式（Ｇ９）と（Ｇ５）に従って差ａxに関する新しい値ａx＊と、式（Ｇ２６ａ）ないし（Ｇ２６ｂ）に従ってばらつきσAないしσBの新しい値σA＊とσB＊が計算される。

【０１２４】選択ステップ２２はまず最初に２つの可能なステップを有する第１の分岐２３を有する。 その場合、分岐の一方は認容ステップ２４であり、他方は否認ステップ２５である。

【０１２５】分岐２３においては前回選択された特徴が２つの類ＡとＢを良好に分離するかどうかを判定し、分離が良好な場合には認容ステップ２４へ分岐し、そうでない場合には否認ステップ２５へ分岐する。 ２つの類の分離値の平均値の差ａxが分離値のばらつき以上に増大する場合、すなわち次のブール表現が真である場合に、
分離がより良好になる。

【０１２６】 （（｜ａx＊｜−｜ａx｜）≧ｋ・（σA＊−σA））及び （（｜ａx＊｜−｜ａx｜）≧ｋ・（σB＊−σB）） なお、因数ｋは好ましくは約３である。

【０１２７】認容ステップ２４においては差ａxの値がその新しい値ａx＊によって、ばらつきσAとσBの値が対応する新しい値σA＊ないしσB＊によって置き換えられ、従って更新され、一方否認ステップ２５においては前のサーチステップ２０において選択された特徴が特徴ベクトルから除去され、分離に不適であるとして印を付けられる。

【０１２８】選択ステップ２２に続いてサーチステップ２０あるいは終了１７へ続く第２の分岐２６が設けらる。 この分岐はブールループ条件を有し、その条件の評価に従って学習方法はサーチステップ２０へ進み、あるいは終了される。 特徴ベクトルが２つの類ＡあるいはＢ
を十分に分離する場合には、学習方法は終了される。 それぞれ使用目的及び必要な確実性に従ってループ条件は不等式（Ｇ２５）に従って形成されるので、必要な距離ａxに達した場合には終了１７で終結し、そうでない場合にはサーチステップ２０へ戻る。 ループ条件は例えば、 ｜ａx｜≧ｑ（σA＋σB） のようになる。

【０１２９】各分類器８の特徴入力１１は、分類器８が使用するｐ箇の特徴のそれぞれについて専用の導線１１
1…１１p（図３）と専用の乗算素子１５1…１５pを有する。 乗算素子は個々の特徴を関連する重みｂ1…ｂpで乗算し、従って重み付けする。 特徴ベクトルの重み付けされたすべての値は加算素子１３において加算されて分離値Ｘとなり、それが比較素子１４へ供給される。 それぞれ分離値Ｘがしきい値Ｓより大きいかあるいは小さいかに従って、比較素子１４において分離出力１２の出力信号が変化する。 例えばＸ≧Ｓであれば出力信号は「１」
であり、Ｘ＜Ｓの場合には「０」となる。 好ましくは準備段階においてしきい値Ｓは分離値の２つの平均値Ｘ
A'及びＸB'の算術的な平均に定められる。

【０１３０】また、比較素子１４が２進の出力信号の代わりに多進の値を有する信号あるいはアナログ信号を発生するようにすることもできる。 そうなると、評価素子９と遮断素子１０は２進のゲートでは実現できなくなる。

【０１３１】図２に示す、それぞれ丁度２つの類を正確に区別する分類器８（時間的に並列して動作できる）を有する分類装置４によれば、設定された課題を確実かつ簡単な方法で解決することができる。

【０１３２】分類装置４は、少なくとも１つの適当なプロセッサ上で実行されるプログラムによって実現することも可能である。 その場合、準備段階で得られた分類パラメータは例えば読み出し専用のメモリ（ＲＯＭ）内にテーブルとして格納される。

【０１３３】

【発明の効果】以上の説明から明らかなように、本発明によれば１秒の数分の１の間にパターンを安価にしかも確実に分類することができる。

【図面の簡単な説明】

【図１】パターンを分類する装置の構成を示すブロック図である。

【図２】紙幣を分類する装置の詳細な構成を示すブロック図である。

【図３】分類器の具体的な構成を示すブロック図である。

【図４】分類器が分離する２つの類の分離値の頻度分布を示す線図である。

【図５】分類器の特徴ベクトルと重みを決定する学習方法のフローチャート図である。

【符号の説明】

１ 検出装置 ４ 分類装置 ８ 分類器 ９ 評価素子 １０ 遮断素子 １１ 特徴入力 １２ 分類出力 １３ 加算素子 １４ 比較素子 １５ 乗算素子