A discriminant function is defined by conventional learning discriminant analysis (22) and a value of the discriminant function is calculated (23) for all the training patterns in the in-category pattern set of each category and for all the training patterns in the in-category rival pattern set of the category. The incategory pattern set is composed of all the training patterns defined as belonging to the category. The rival pattern set is composed of the training patterns that belong to other categories and that are incorrectly recognized as belonging to the category. An in-category pattern subset and a rival pattern subset are then formed (24) for each category. The in-category pattern subset for the category is formed by selecting a predetermined number of the training patterns that belong to the in-category pattern set and that, among the training patterns that belong to the in-category pattern set, have the largest values of the discriminant function. The rival pattern subset for the category is formed by selecting a predetermined number of the training patterns that belong to the rival pattern set of the category and that, among the training patterns that belong to the rival pattern set, have the smallest values of the discriminant function. A linear discriminant analysis operation is then performed (25) on the in-category pattern subset and the rival pattern subset to obtain parameters defining a new discriminant function. The reference vector and weighting vector stored in the recognition dictionary for the category are then modified using the parameters defining the new discriminant function.

Une fonction discriminante est définie par l'analyse discriminante d'étude conventionnelle (22) et une valeur de la fonction discriminante est calculée (23) pour tous les modèles de formation dans l'ensemble de modèle de dans-catégorie de chaque catégorie et pour tous les modèles de formation dans l'ensemble de modèle de rival de dans-catégorie de la catégorie. L'ensemble incategory de modèle se compose de tous les modèles de formation définis comme appartenant à la catégorie. L'ensemble rival de modèle se compose de modèles de formation qui appartiennent à d'autres catégories et qui sont inexactement identifiés comme appartenant à la catégorie. Un sous-ensemble de modèle de dans-catégorie et un sous-ensemble rival de modèle sont alors formés (24) pour chaque catégorie. Le sous-ensemble de modèle de dans-catégorie pour la catégorie est constitué en choisissant un nombre prédéterminé des modèles de formation qui appartiennent à l'ensemble de modèle de dans-catégorie et qui, parmi les modèles de formation qui appartiennent à l'ensemble de modèle de dans-catégorie, ont les plus grandes valeurs de la fonction discriminante. Le sous-ensemble rival de modèle pour la catégorie est constitué en choisissant un nombre prédéterminé des modèles de formation qui appartiennent à l'ensemble rival de modèle de la catégorie et qui, parmi les modèles de formation qui appartiennent à l'ensemble rival de modèle, ont les plus petites valeurs de la fonction discriminante. Une opération discriminante linéaire d'analyse est alors effectuée (25) sur le sous-ensemble de modèle de dans-catégorie et le sous-ensemble rival de modèle pour obtenir des paramètres définissant une nouvelle fonction discriminante. Le vecteur de référence et le vecteur de peser stocké dans le dictionnaire d'identification pour la catégorie sont alors modifiés en utilisant les paramètres définissant la nouvelle fonction discriminante.