JP2011028483A - Multidimensional data selection device, multidimensional data selection method and multidimensional data selection program - Google Patents
Multidimensional data selection device, multidimensional data selection method and multidimensional data selection program Download PDFInfo
- Publication number
- JP2011028483A JP2011028483A JP2009172934A JP2009172934A JP2011028483A JP 2011028483 A JP2011028483 A JP 2011028483A JP 2009172934 A JP2009172934 A JP 2009172934A JP 2009172934 A JP2009172934 A JP 2009172934A JP 2011028483 A JP2011028483 A JP 2011028483A
- Authority
- JP
- Japan
- Prior art keywords
- data
- dimension
- importance
- combination
- dimensional
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
Description
本発明は、多次元データ選択装置及び多次元データ選択方法及び多次元データ選択プログラムに関するものである。本発明は、特に、多次元データ可視化のための情報選択装置及び情報選択方法及び情報選択プログラムに関するものである。 The present invention relates to a multidimensional data selection device, a multidimensional data selection method, and a multidimensional data selection program. The present invention particularly relates to an information selection device, an information selection method, and an information selection program for visualizing multidimensional data.
一般にデータ分析において、データの特徴を把握するための手段として、データを視覚的に提示したいという要求がある。しかしながら、多くの場合において、可視化の対象となるデータはその次元数が多いために、そのままでは可視化に適さないという問題がある。これは、ヒトの視覚が基本的に３次元程度しか認識できないことに起因している。提示すべきデータの次元数がこれを超えた場合には、これらのデータを視覚的に提示することには困難が生じる。 In general, in data analysis, there is a demand for visually presenting data as a means for grasping the characteristics of data. However, in many cases, there is a problem that the data to be visualized is not suitable for visualization because it has many dimensions. This is due to the fact that human vision can basically recognize only about three dimensions. When the number of dimensions of data to be presented exceeds this, it is difficult to visually present these data.
このような問題に対して、低次元の組み合わせを複数同時に提示する手法や、高次元情報を色や形状に対応させることで低次元空間にマッピングして提示する手法等が提案されている（例えば、特許文献１〜３参照）。また、特異値分解や、自己組織化マップ等により、多次元データの特徴を保持しつつ、より低次元のデータに変換する手法も提案されている（例えば、特許文献４〜６参照）。また、多次元データのうち、有用な次元を選択的に提示する手法も提案されている（例えば、特許文献７，８）。 For such a problem, a method of simultaneously presenting a plurality of low-dimensional combinations, a method of mapping and presenting high-dimensional information in a low-dimensional space by corresponding to colors and shapes, etc. have been proposed (for example, Patent Documents 1 to 3). In addition, a technique for converting to multi-dimensional data while retaining the characteristics of multi-dimensional data by singular value decomposition, self-organizing map, or the like has been proposed (see, for example, Patent Documents 4 to 6). In addition, methods for selectively presenting useful dimensions among multidimensional data have been proposed (for example, Patent Documents 7 and 8).
実際の分析においては、上記のように従来から提案されている手法を用いたとしても、視覚的に提示可能な次元数に対して、提示すべき次元数が多過ぎるという場合がある。例えば、空調機の動作を分析する際には、温度に関する代表的なデータ項目、即ち、次元として、室内温度、室外温度、冷媒入口温度、冷媒出口温度等を分析する必要がある。これらの次元に加えて、湿度、圧力、流量、電力等についても同様に複数の次元があり、さらには複数の空調機の動作を同時に分析すること等を考えると、容易に次元数が爆発する。このような分析においては、特許文献１〜３のような手法では、全体の一部の次元しか提示することができないという課題がある。また、特許文献４〜６のような手法では、低次元化してもなお視覚的に提示するには次元が多過ぎるか、又は、低次元化し過ぎることにより、元のデータの持つ特徴が喪失するという課題がある。 In actual analysis, even if the conventionally proposed method is used as described above, there are cases where the number of dimensions to be presented is too much for the number of dimensions that can be presented visually. For example, when analyzing the operation of an air conditioner, it is necessary to analyze typical data items related to temperature, that is, dimensions such as indoor temperature, outdoor temperature, refrigerant inlet temperature, refrigerant outlet temperature, and the like. In addition to these dimensions, there are also multiple dimensions for humidity, pressure, flow rate, power, etc., and the number of dimensions easily explodes when considering the simultaneous analysis of the operation of multiple air conditioners, etc. . In such an analysis, there is a problem that only a part of the entire dimensions can be presented by the methods as in Patent Documents 1 to 3. Further, in the methods as described in Patent Documents 4 to 6, there are too many dimensions to visually present even if the dimensions are reduced, or the characteristics of the original data are lost due to the reduction in the dimensions. There is a problem.
このような、本質的に提示すべき次元数が多過ぎるために視覚的な提示が困難であるという課題に対して、元のデータのうち重要と思われる次元を選択的に提示することで、分析作業を効率化する手法が考えられる。特許文献７においては、過去の分析において重要と判定された次元を記憶する方法が開示されている。また、特許文献８においては、ルールの分布から次元の重要度を判定する方法が開示されている。しかしながら、特許文献７の方法では、未知の次元の重要度を判定することができないという課題があり、特許文献８の方法では、ルールの定義されない一般の分析への適用方法は明らかでない。 By selectively presenting the dimension that seems to be important in the original data to the problem that visual presentation is difficult because there are too many dimensions to be presented in this way, A method for improving the efficiency of analysis work can be considered. Patent Document 7 discloses a method for storing dimensions determined to be important in past analysis. Patent Document 8 discloses a method for determining the importance of a dimension from a rule distribution. However, the method of Patent Document 7 has a problem that the importance of an unknown dimension cannot be determined, and the method of Patent Document 8 is not clear how to apply to general analysis in which no rule is defined.
本発明は、例えば、一般の多次元データ分析において、次元の重要度を定義することにより、重要な次元を選択的に提示することを目的とするものである。 An object of the present invention is to selectively present important dimensions by, for example, defining importance of dimensions in general multidimensional data analysis.
本発明の一の態様に係る多次元データ選択装置は、
ｎ（ｎはｎ≧３となる整数）次元のデータを予め記憶する記憶装置と、データの演算を行う処理装置と、データの出力を行う出力装置とを具備するとともに、
前記記憶装置に記憶されたｎ次元のデータから、ｍ（ｍはｎ＞ｍ≧１となる整数）次元のデータの組み合わせを複数抽出し、抽出した組み合わせごとに、ｍ次元空間におけるデータの分布の特徴を前記処理装置により分析し、当該分析結果に基づいて、各組み合わせの重要度を前記処理装置により算出する重要度算出部と、
前記重要度算出部により算出された各組み合わせの重要度に基づいて、いずれかの組み合わせを選択する選択部と、
前記選択部により選択された組み合わせを構成するｍ次元のデータを前記出力装置により出力するデータ出力部とを備えることを特徴とする。
A multidimensional data selection device according to one aspect of the present invention provides:
a storage device that stores n-dimensional data (n is an integer satisfying n ≧ 3) in advance, a processing device that calculates data, and an output device that outputs data;
A plurality of combinations of m-dimensional data (m is an integer satisfying n> m ≧ 1) are extracted from the n-dimensional data stored in the storage device, and the distribution of data in the m-dimensional space is extracted for each extracted combination. Analyzing characteristics by the processing device, and based on the analysis result, an importance calculation unit that calculates the importance of each combination by the processing device,
A selection unit that selects any combination based on the importance of each combination calculated by the importance calculation unit;
And a data output unit that outputs m-dimensional data constituting the combination selected by the selection unit by the output device.
本発明の一の態様によれば、多次元データ選択装置の重要度算出部が、一般の多次元データ分析におけるｎ次元のデータから、ｍ次元のデータの組み合わせを複数抽出し、抽出した組み合わせごとに、ｍ次元空間におけるデータの分布の特徴を分析し、当該分析結果に基づいて、各組み合わせの重要度を算出するため、重要な次元を選択的に提示することが可能となる。 According to one aspect of the present invention, the importance calculation unit of the multidimensional data selection device extracts a plurality of combinations of m-dimensional data from n-dimensional data in general multidimensional data analysis, and extracts each combination. Furthermore, since the characteristics of data distribution in the m-dimensional space are analyzed and the importance of each combination is calculated based on the analysis result, it is possible to selectively present important dimensions.
以下、本発明の実施の形態について、図を用いて説明する。 Hereinafter, embodiments of the present invention will be described with reference to the drawings.
実施の形態１．
図１は、本実施の形態に係る多次元データ可視化のための情報選択装置１０の構成を示すブロック図である。
Embodiment 1 FIG.
FIG. 1 is a block diagram showing a configuration of an information selection device 10 for visualizing multidimensional data according to the present embodiment.
図１において、多次元データ可視化のための情報選択装置１０（多次元データ選択装置の一例）は、次元抽出部１００、次元データ記録部１０１、次元重要度算出部１０２、次元重要度記録部１０３、次元選択部１０４、データ提示部１０５を備える。 In FIG. 1, an information selection device 10 (an example of a multidimensional data selection device) for visualizing multidimensional data includes a dimension extraction unit 100, a dimension data recording unit 101, a dimension importance calculation unit 102, and a dimension importance recording unit 103. , A dimension selection unit 104 and a data presentation unit 105.
次元抽出部１００は、評価の対象となる次元、及び、次元に対応するデータを取得するものである。次元データ記録部１０１は、次元抽出部１００によって抽出された次元に対応するデータを記録するものである。次元重要度算出部１０２（重要度算出部の一例）は、次元データ記録部１０１に記録された次元の重要度を算出するものである。次元重要度記録部１０３は、次元重要度算出部１０２により算出された次元の重要度を蓄積するものである。次元選択部１０４（選択部の一例）は、次元重要度記録部１０３に蓄積された重要度情報に基づき、可視化に用いる次元の選択を行うものである。データ提示部１０５（データ出力部の一例）は、次元選択部１０４により選択された次元に基づき、データの提示を行うものである。 The dimension extraction unit 100 acquires dimensions to be evaluated and data corresponding to the dimensions. The dimension data recording unit 101 records data corresponding to the dimension extracted by the dimension extracting unit 100. The dimension importance calculation unit 102 (an example of the importance calculation unit) calculates the importance of the dimension recorded in the dimension data recording unit 101. The dimension importance recording unit 103 accumulates the dimension importance calculated by the dimension importance calculation unit 102. The dimension selection unit 104 (an example of a selection unit) selects a dimension to be used for visualization based on importance information stored in the dimension importance recording unit 103. The data presentation unit 105 (an example of a data output unit) presents data based on the dimension selected by the dimension selection unit 104.
上記のように、情報選択装置１０は、多次元データの可視化を行うものであり、以下の構成により、次元又は次元の組み合わせに対して、重要度を算出することにより、重要度の高い次元又は次元の組み合わせを優先的に提示可能とすることを特徴とする。
（１）重要度算出対象とする次元及び次元データを抽出する次元抽出部１００
（２）抽出された次元データを記録する次元データ記録部１０１
（３）抽出された次元データから次元の重要度を算出する次元重要度算出部１０２
（４）算出された次元重要度を記録する次元重要度記録部１０３
（５）次元の重要度に基づいて提示すべき次元を選択する次元選択部１０４
（６）選択された次元データを提示するデータ提示部１０５
As described above, the information selection device 10 performs visualization of multidimensional data, and calculates the importance for a dimension or a combination of dimensions with the following configuration, thereby obtaining a dimension with high importance or It is characterized in that a combination of dimensions can be preferentially presented.
(1) A dimension extraction unit 100 that extracts dimensions and dimension data as importance calculation targets.
(2) A dimension data recording unit 101 that records the extracted dimension data.
(3) A dimension importance calculation unit 102 that calculates the importance of a dimension from the extracted dimension data.
(4) A dimension importance recording unit 103 that records the calculated dimension importance.
(5) A dimension selection unit 104 that selects a dimension to be presented based on the importance of the dimension.
(6) Data presentation unit 105 presenting the selected dimension data
図２は、多次元データ可視化のための情報選択装置１０の構成例を示すブロック図である。以下では、この例に基づいて、本実施の形態の詳細を述べる。 FIG. 2 is a block diagram illustrating a configuration example of the information selection device 10 for visualizing multidimensional data. Hereinafter, details of the present embodiment will be described based on this example.
図２において、多次元データ可視化のための情報選択装置１０は、前述したように、次元抽出部１００、次元データ記録部１０１、次元重要度算出部１０２、次元重要度記録部１０３、次元選択部１０４、データ提示部１０５を備えるほか、多次元データ源２０１を備える。 In FIG. 2, the information selection apparatus 10 for visualizing multidimensional data includes a dimension extraction unit 100, a dimension data recording unit 101, a dimension importance calculation unit 102, a dimension importance recording unit 103, and a dimension selection unit, as described above. In addition to the data presentation unit 105, a multidimensional data source 201 is provided.
また、情報選択装置１０は、図２に示していない処理装置、記憶装置、入力装置、出力装置等のハードウェアを備える。ハードウェアは情報選択装置１０の各部によって利用される。例えば、処理装置は、情報選択装置１０の各部でデータや情報の演算、加工、読み取り、書き込み等を行うために利用される。記憶装置は、そのデータや情報を記憶するために利用される。また、入力装置は、そのデータや情報を入力するために、出力装置は、そのデータや情報を出力するために利用される。 Further, the information selection device 10 includes hardware such as a processing device, a storage device, an input device, and an output device that are not shown in FIG. The hardware is used by each unit of the information selection device 10. For example, the processing device is used to perform calculation, processing, reading, writing, and the like of data and information in each unit of the information selection device 10. The storage device is used to store the data and information. The input device is used for inputting the data and information, and the output device is used for outputting the data and information.
多次元データ源２０１は、分析の対象となるデータを格納するものである。例えば、センサによって得られる物理的な計測量やアンケートによって得られる回答等を記録したものである。多次元データ源２０１は、記憶装置に実装されるものとする。なお、多次元データ源２０１として、外部のデータベース等を利用してもよい。 The multidimensional data source 201 stores data to be analyzed. For example, a physical measurement amount obtained by a sensor, an answer obtained by a questionnaire, or the like is recorded. The multidimensional data source 201 is assumed to be mounted on a storage device. An external database or the like may be used as the multidimensional data source 201.
次元抽出部１００は、次元抽出手法により、多次元データ源２０１より次元を処理装置で抽出し、抽出した次元データを次元データ記録部１０１に記録する。ここで、次元抽出手法とは、多次元データ源２０１に蓄積されたデータを、何らかの処理により１次元に投影する任意の手法をいう。例えば、ＲＤＢ（リレーショナルデータベース）におけるカラムの抽出のように、データの次元を直接指定する手法や、次元圧縮手法のように、データを特定の処理により変換して次元を抽出する手法等が次元抽出手法に相当する。また、次元データとは、多次元データ源２０１のデータのうち、上記の次元抽出手法により抽出された次元に投影されたデータのことである。 The dimension extraction unit 100 extracts dimensions from the multi-dimensional data source 201 by a processing device using a dimension extraction method, and records the extracted dimension data in the dimension data recording unit 101. Here, the dimension extraction method refers to an arbitrary method for projecting data stored in the multidimensional data source 201 to one dimension by some processing. For example, a method for directly specifying data dimensions, such as column extraction in RDB (relational database), or a method for extracting dimensions by converting data by specific processing, such as a dimension compression method, is used for dimension extraction. It corresponds to the method. The dimension data is data projected on the dimension extracted by the above-described dimension extraction method from the data of the multidimensional data source 201.
次元データ記録部１０１は、後述する次元重要度算出部１０２における分析に使用するため、次元データを保持する。この次元データは、後述する次元選択部１０４によって該当する次元が選択された際に、データ提示部１０５に渡される。次元データ記録部１０１は、記憶装置に実装されるものとする。 The dimension data recording unit 101 holds dimension data for use in analysis in a dimension importance calculation unit 102 described later. This dimension data is passed to the data presentation unit 105 when a corresponding dimension is selected by the dimension selection unit 104 described later. It is assumed that the dimension data recording unit 101 is mounted on a storage device.
次元データ記録部１０１においては、図３（ａ）に示されるような記録形式により、次元データを管理する。次元データは、次元データ間のデータをひも付ける次元データＩＤ（識別子）と、当該次元データＩＤのデータに対応する次元データ値から構成される。また、各次元データは、次元を表すＩＤ（次元ＩＤ）により管理される。例えば、ＲＤＢにより実現する場合には、次元ＩＤはテーブル名に相当し、次元データＩＤはテーブルを結合する際にキーとなる主キーに相当し、次元データ値は元となるデータを当該次元に投影した際の値となる。 The dimension data recording unit 101 manages dimension data in a recording format as shown in FIG. The dimension data includes a dimension data ID (identifier) for linking data between dimension data, and a dimension data value corresponding to the data of the dimension data ID. Each dimension data is managed by an ID (dimension ID) representing a dimension. For example, when realized by RDB, the dimension ID corresponds to the table name, the dimension data ID corresponds to the primary key that becomes a key when joining the tables, and the dimension data value includes the original data in the dimension. This is the value when projected.
具体的には、次元データ記録部１０１は、ｎ（ｎはｎ≧３となる整数）次元のデータとして、例えば、設備に係る測定データを記憶する。設備とは、ある場所、建物等に設置される装置、機器、システム等のことをいう。具体例としては、空調機が挙げられる。この場合、多次元データ源２０１は、室内温度、室外温度、冷媒入口温度、冷媒出口温度等、温度に係る測定データや、湿度、圧力、流量、電力等に係る測定データを記憶する。前述したように、室内温度、室外温度、冷媒入口温度、冷媒出口温度等は、各々が１つの次元となる。図３（ａ）に示されるような記録形式を用いた場合、次元データ記録部１０１は、例えば、室内温度、室外温度、冷媒入口温度、冷媒出口温度の各次元の測定データをテーブルに格納するＲＤＢを構成する。例えば、室内温度の測定データを格納するテーブルには、室内温度に対応する次元ＩＤが割り当てられ、室内温度の測定時刻に対応する次元データＩＤごとに、室内温度の測定値である次元データ値が格納される。そして、室外温度の測定データを格納するテーブルには、室外温度に対応する次元ＩＤが割り当てられ、「室内温度」テーブルと同様の次元データＩＤごとに、室外温度の測定値である次元データ値が格納される。これにより、「室内温度」テーブルと「室外温度」テーブルに格納された同時刻の測定値を示す次元データ値は、次元データＩＤでひも付けられるため、後述するように、室内温度と室外温度との次元の組み合わせについてデータの分布の特徴を分析することができる。「冷媒入口温度」テーブル、「冷媒出口温度」テーブルについても同様となる。なお、次元データＩＤは、時刻に対応するＩＤ以外に、複数の空調機の各々を識別するＩＤや空調機が設置された位置を識別するＩＤであってもよいし、これらの組み合わせのＩＤであってもよい。 Specifically, the dimension data recording unit 101 stores, for example, measurement data relating to equipment as n-dimensional data (n is an integer satisfying n ≧ 3). Equipment refers to devices, equipment, systems, etc. installed in a certain place or building. A specific example is an air conditioner. In this case, the multidimensional data source 201 stores measurement data related to temperature, such as indoor temperature, outdoor temperature, refrigerant inlet temperature, refrigerant outlet temperature, and measurement data related to humidity, pressure, flow rate, power, and the like. As described above, the room temperature, the outdoor temperature, the refrigerant inlet temperature, the refrigerant outlet temperature, and the like each have one dimension. When the recording format as shown in FIG. 3A is used, the dimension data recording unit 101 stores, for example, measurement data of each dimension of indoor temperature, outdoor temperature, refrigerant inlet temperature, and refrigerant outlet temperature in a table. Configure the RDB. For example, a dimension ID corresponding to the room temperature is assigned to the table storing the room temperature measurement data, and for each dimension data ID corresponding to the room temperature measurement time, a dimension data value that is a measurement value of the room temperature is obtained. Stored. The table storing the outdoor temperature measurement data is assigned a dimension ID corresponding to the outdoor temperature. For each dimension data ID similar to the “indoor temperature” table, a dimension data value that is a measurement value of the outdoor temperature is set. Stored. As a result, since the dimension data values indicating the measured values at the same time stored in the “indoor temperature” table and the “outdoor temperature” table are linked with the dimension data ID, as described later, the indoor temperature and the outdoor temperature The characteristics of data distribution can be analyzed for combinations of dimensions. The same applies to the “refrigerant inlet temperature” table and the “refrigerant outlet temperature” table. In addition to the ID corresponding to the time, the dimension data ID may be an ID for identifying each of a plurality of air conditioners, an ID for identifying the position where the air conditioners are installed, or an ID of a combination thereof. There may be.
次元データ記録部１０１は、次元データの更新頻度に応じて、ＤＢ又はメモリ上のキャッシュ等として提供されることが望ましいが、次元抽出部１００が十分に高速な場合には次元データ記録部１０１を設けず、都度次元データの再計算を処理装置で行ってもよい。 The dimension data recording unit 101 is desirably provided as a cache on a DB or a memory according to the update frequency of the dimension data. However, if the dimension extraction unit 100 is sufficiently fast, the dimension data recording unit 101 is You may perform recalculation of dimension data by a processing apparatus each time without providing.
次元重要度算出部１０２は、次元データ記録部１０１に記録された次元データ又は次元データの組み合わせに対して、その次元又は次元の組み合わせにおけるデータの分布の特徴を処理装置で数値化することにより、重要度を算出するものである。算出された重要度は、対応する次元又は次元の組み合わせを表す識別子とともに、次元重要度記録部１０３に記録される。重要度を数値化する際の指標としては、データの分布形状に関するパラメータである、平均、分散、一様性、分離度、外れ値の割合（外れ値の数）、外れ値の平均からの距離等が好適である。また、周波数特性（フーリエ変換の結果）や特定パターンとの相関等もデータの形状を抽出する指標として好適である。 The dimension importance calculation unit 102 quantifies the distribution characteristics of the data in the dimension or the combination of dimensions for the dimension data or the combination of dimension data recorded in the dimension data recording unit 101 by using a processing device. The importance is calculated. The calculated importance is recorded in the dimension importance recording unit 103 together with an identifier representing the corresponding dimension or combination of dimensions. The indices used to quantify the importance include parameters related to the distribution shape of the data: average, variance, uniformity, degree of separation, outlier ratio (number of outliers), distance from outlier average Etc. are suitable. Further, frequency characteristics (result of Fourier transform), correlation with a specific pattern, and the like are also suitable as an index for extracting the shape of data.
なお、重要度の算出は、全ての次元又は次元の組み合わせについて行われることが望ましいが、分析対象の特徴や分析の目的から明らかに不要と判定されるものについては、重要度算出の対象から除外してもよい。本実施の形態の趣旨は、ユーザが容易に認識可能な次元数において、適切な次元の組み合わせを提供することにある。よって、一般的には次元の組み合わせ数は１ないし２次元を想定している。しかし、全く同じ理由から、ユーザが十分に理解し易いと判断する次元数であれば、３つ以上の次元の組み合わせを用いてもよい。 It is desirable to calculate the importance for all dimensions or combinations of dimensions, but exclude those that are clearly judged unnecessary due to the characteristics of the analysis target or the purpose of the analysis. May be. The gist of the present embodiment is to provide an appropriate combination of dimensions in the number of dimensions that can be easily recognized by the user. Therefore, generally, the number of dimension combinations is assumed to be one or two dimensions. However, for exactly the same reason, a combination of three or more dimensions may be used as long as the number of dimensions is determined to be easily understood by the user.
上記のように、次元重要度算出部１０２は、次元データ記録部１０１に記憶されたｎ次元のデータから、ｎ次元よりも次元数が小さいｍ（ｍはｎ＞ｍ≧１となる整数）次元のデータの組み合わせを複数抽出し、抽出した組み合わせごとに、ｍ次元空間におけるデータの分布の特徴を処理装置により分析する。そして、当該分析結果に基づいて、各組み合わせの重要度を処理装置により算出する。 As described above, the dimension importance degree calculation unit 102 calculates the m dimension (m is an integer satisfying n> m ≧ 1) from the n-dimensional data stored in the dimension data recording unit 101. A plurality of data combinations are extracted, and for each extracted combination, the characteristics of the data distribution in the m-dimensional space are analyzed by the processing device. Then, based on the analysis result, the importance of each combination is calculated by the processing device.
前述した空調機の温度に係る測定データの例では、次元重要度算出部１０２は、例えば、「室内温度」テーブルと「室外温度」テーブルに格納された次元データ値（測定値）を、対応する次元データＩＤ（時刻）ごとに、２次元平面にプロットし（あるいは、これに相当する演算処理を行い）、２次元平面におけるデータの分離度（分布の特徴の一例）の計算を処理装置により行う。そして、次元重要度算出部１０２は、当該計算結果に基づいて、室内温度と室外温度との２次元の組み合わせの重要度を処理装置により算出する。例えば、次元重要度算出部１０２は、計算したデータの分離度の大きさに比例させて、当該組み合わせの重要度の高さを決定する（分離度が大きいものほど重要度を高くする）。あるいは、計算したデータの分離度の大きさに反比例させて、当該組み合わせの重要度の高さを決定する（分離度が小さいものほど重要度を高くする）。あるいは、予め定められた算出式を用いて、データの分離度を重要度に換算する。なお、次元重要度算出部１０２は、２次元平面におけるデータの外れ値の検定（例えば、空調機の故障に関する分析を行う際に有効）、２次元空間におけるデータと特定の関数との相関の計算（例えば、空調機の特性に関する分析を行う際に有効）、２次元空間におけるデータの一様性の検定（例えば、空調機の試験に関する分析を行う際に有効）等を処理装置により行い、当該計算結果又は当該検定結果に基づいて、当該組み合わせの重要度を算出してもよい。次元重要度算出部１０２は、室内温度と室外温度との２次元の組み合わせ以外にも、室内温度と冷媒入口温度との２次元の組み合わせ、室内温度と冷媒出口温度との２次元の組み合わせ、室外温度と冷媒入口温度との２次元の組み合わせ、室外温度と冷媒出口温度との２次元の組み合わせ、冷媒入口温度と冷媒出口温度との２次元の組み合わせについても、同様に重要度を算出する。 In the example of the measurement data relating to the temperature of the air conditioner described above, the dimension importance calculation unit 102 corresponds to, for example, dimension data values (measurement values) stored in the “indoor temperature” table and the “outdoor temperature” table. For each dimensional data ID (time), the data is plotted on the two-dimensional plane (or an equivalent arithmetic process is performed), and the degree of data separation (an example of distribution characteristics) on the two-dimensional plane is calculated by the processing device. . And the dimension importance calculation part 102 calculates the importance of the two-dimensional combination of indoor temperature and outdoor temperature with a processing apparatus based on the said calculation result. For example, the dimension importance calculation unit 102 determines the level of importance of the combination in proportion to the calculated degree of separation of data (the higher the degree of separation, the higher the importance). Alternatively, the degree of importance of the combination is determined in inverse proportion to the calculated degree of separation of data (the smaller the degree of separation, the higher the degree of importance). Alternatively, the degree of data separation is converted into importance using a predetermined calculation formula. It should be noted that the dimension importance calculation unit 102 tests outliers of data on a two-dimensional plane (for example, effective when analyzing an air conditioner failure), and calculates correlation between data in a two-dimensional space and a specific function. (For example, effective when analyzing the characteristics of the air conditioner) Test the uniformity of the data in the two-dimensional space (for example, effective when performing the analysis regarding the test of the air conditioner) by the processing device, The importance of the combination may be calculated based on the calculation result or the test result. In addition to the two-dimensional combination of the indoor temperature and the outdoor temperature, the two-dimensional combination of the indoor temperature and the refrigerant inlet temperature, the two-dimensional combination of the indoor temperature and the refrigerant outlet temperature, The importance is similarly calculated for a two-dimensional combination of the temperature and the refrigerant inlet temperature, a two-dimensional combination of the outdoor temperature and the refrigerant outlet temperature, and a two-dimensional combination of the refrigerant inlet temperature and the refrigerant outlet temperature.
なお、次元重要度算出部１０２は、次元データ記録部１０１に記憶されたｎ次元のデータから、上記の例のように２次元のデータの組み合わせを抽出するほか、３次元又は４次元以上のデータの組み合わせを抽出してもよい。前述した空調機の温度に係る測定データの例で３次元のデータの組み合わせを抽出する場合、次元重要度算出部１０２は、例えば、「室内温度」テーブルと「室外温度」テーブルと「冷媒入口温度」テーブルに格納された次元データ値（測定値）を、対応する次元データＩＤ（時刻）ごとに、３次元空間にプロットし（あるいは、これに相当する演算処理を行い）、３次元空間におけるデータの分離度（分布の特徴の一例）の計算を処理装置により行う。そして、次元重要度算出部１０２は、当該計算結果に基づいて、室内温度と室外温度と冷媒入口温度との３次元の組み合わせの重要度を処理装置により算出する。次元重要度算出部１０２は、それ以外にも、室内温度と室外温度と冷媒入口温度との３次元の組み合わせ、室内温度と冷媒入口温度と冷媒出口温度との３次元の組み合わせ、室外温度と冷媒入口温度と冷媒出口温度との３次元の組み合わせについても、同様に重要度を算出する。 Note that the dimension importance calculation unit 102 extracts a combination of two-dimensional data from the n-dimensional data stored in the dimension data recording unit 101 as in the above example, and also three-dimensional or four-dimensional or more data. You may extract the combination of. When extracting a combination of three-dimensional data in the example of measurement data related to the temperature of the air conditioner described above, the dimension importance calculation unit 102, for example, the “indoor temperature” table, the “outdoor temperature” table, and the “refrigerant inlet temperature” The dimension data values (measurement values) stored in the table are plotted in the three-dimensional space for each corresponding dimension data ID (time) (or the corresponding arithmetic processing is performed), and the data in the three-dimensional space The degree of separation (an example of distribution characteristics) is calculated by the processing device. Then, the dimension importance calculation unit 102 calculates the importance of the three-dimensional combination of the indoor temperature, the outdoor temperature, and the refrigerant inlet temperature based on the calculation result. In addition to this, the dimension importance calculation unit 102 also includes a three-dimensional combination of the indoor temperature, the outdoor temperature, and the refrigerant inlet temperature, a three-dimensional combination of the indoor temperature, the refrigerant inlet temperature, and the refrigerant outlet temperature, the outdoor temperature, and the refrigerant. The importance is similarly calculated for the three-dimensional combination of the inlet temperature and the refrigerant outlet temperature.
次元重要度記録部１０３は、次元重要度算出部１０２によって算出された次元の重要度を記録する。 The dimension importance recording unit 103 records the importance of the dimension calculated by the dimension importance calculation unit 102.
次元重要度記録部１０３においては、図３（ｂ）に示されるような記録形式により、次元重要度を管理する。次元重要度は、重要度算出の対象となった次元のＩＤ（次元ＩＤ）又は次元の組み合わせのＩＤ（次元ＩＤの組み合わせ）と、当該次元又は次元の組み合わせに対して算出された重要度の値（次元重要度値）から構成される。また、複数の異なる目的を持った評価による重要度に対して、次元重要度ＩＤを付与して個別に管理してもよい。例えば、ＲＤＢにより実現する場合には、次元重要度ＩＤはテーブル名に相当し、次元ＩＤのカラムを組み合わせる次元数だけ用意して、次元ＩＤとヌル値を組み合わせることにより、次元ＩＤの組み合わせを表現し、さらに当該タプルに次元重要度値を付加することで、上記構成が実現される。 In the dimension importance recording unit 103, the dimension importance is managed by a recording format as shown in FIG. The dimension importance is the dimension ID (dimension ID) or dimension combination ID (dimension ID combination), and the importance value calculated for the dimension or dimension combination. (Dimension importance value). In addition, a dimension importance degree ID may be assigned to each importance degree by evaluation having a plurality of different purposes and managed individually. For example, when realized by RDB, the dimension importance ID corresponds to the table name, and the number of dimensions to be combined with the dimension ID column is prepared, and the dimension ID and null value are combined to express the combination of dimension IDs. Further, the above configuration is realized by adding a dimension importance value to the tuple.
前述した空調機の温度に係る測定データの例では、次元重要度記録部１０３は、次元重要度算出部１０２により算出された室内温度と室外温度との２次元の組み合わせ等の重要度を記憶する。図３（ｂ）に示されるような記録形式を用いた場合、次元重要度記録部１０３は、例えば、１つの次元重要度ＩＤが割り当てられたテーブルに、室内温度と室外温度との２次元の組み合わせに対応する次元ＩＤとして、室内温度の次元ＩＤと室外温度の次元ＩＤとの組み合わせを格納し、これに対応する次元重要度値として、次元重要度算出部１０２により算出された室内温度と室外温度との２次元の組み合わせの重要度を格納する。室内温度と冷媒入口温度との２次元の組み合わせ、室外温度と冷媒入口温度との２次元の組み合わせ、室内温度と冷媒出口温度との２次元の組み合わせ、室外温度と冷媒出口温度との２次元の組み合わせについても、同様に、当該テーブルに、次元ＩＤごとに次元重要度値を格納する。 In the example of the measurement data relating to the temperature of the air conditioner described above, the dimension importance recording unit 103 stores the importance such as a two-dimensional combination of the indoor temperature and the outdoor temperature calculated by the dimension importance calculating unit 102. . When the recording format as shown in FIG. 3 (b) is used, the dimension importance recording unit 103, for example, stores two-dimensional room temperature and outdoor temperature in a table to which one dimension importance ID is assigned. The combination of the room temperature dimension ID and the outdoor temperature dimension ID is stored as the dimension ID corresponding to the combination, and the room temperature calculated by the dimension importance calculation unit 102 and the outdoor temperature are stored as dimension importance values corresponding thereto. Stores the importance of a two-dimensional combination with temperature. Two-dimensional combination of indoor temperature and refrigerant inlet temperature, two-dimensional combination of outdoor temperature and refrigerant inlet temperature, two-dimensional combination of indoor temperature and refrigerant outlet temperature, two-dimensional combination of outdoor temperature and refrigerant outlet temperature Similarly, for the combinations, a dimension importance value is stored for each dimension ID in the table.
次元選択部１０４は、次元重要度記録部１０３に記録された重要度を用いてユーザに提示すべき次元を選択し、選択された次元に対応する次元データを次元データ記録部１０１より取得し、データ提示部１０５に提供する。提示すべき次元は、処理装置により自動で選択されてもよいし、入力装置を介してユーザにより手動で選択されてもよい。いずれにおいても、重要度の高い次元又は次元の組み合わせを優先的に提示できることが望ましい。 The dimension selection unit 104 selects a dimension to be presented to the user using the importance recorded in the dimension importance recording unit 103, acquires dimension data corresponding to the selected dimension from the dimension data recording unit 101, This is provided to the data presentation unit 105. The dimension to be presented may be automatically selected by the processing device, or may be manually selected by the user via the input device. In any case, it is desirable that a dimension or combination of dimensions with high importance can be preferentially presented.
上記のように、次元選択部１０４は、次元重要度算出部１０２により算出された各組み合わせの重要度に基づいて、いずれかの組み合わせを選択する。例えば、次元選択部１０４は、前述したように次元重要度記録部１０３によってテーブルに格納されている次元重要度値のうち、最高値又は最も値が高い所定数の次元重要度値を選択する。あるいは、次元選択部１０４は、次元の組み合わせ及び対応する次元重要度値の一覧を出力装置により画面等に出力してユーザ（例えば、空調機等の設備の管理者）に選択を促し、入力装置によりユーザから入力を受け付け、ユーザによる入力に基づいて次元重要度値を選択する。 As described above, the dimension selection unit 104 selects any combination based on the importance of each combination calculated by the dimension importance calculation unit 102. For example, the dimension selection unit 104 selects a predetermined number of dimension importance values having the highest value or the highest value among the dimension importance values stored in the table by the dimension importance recording unit 103 as described above. Alternatively, the dimension selection unit 104 outputs a list of dimension combinations and corresponding dimension importance values to a screen or the like by an output device, and prompts the user (for example, an administrator of a facility such as an air conditioner) to select the input device. Receives an input from the user and selects a dimension importance value based on the input by the user.
データ提示部１０５は、次元選択部１０４より提供された次元データを可視化して出力装置に出力する。可視化手法としては、主に散布図、ヒストグラム等の１ないし２次元の可視化手法を想定するが、ユーザが十分に理解し易いと判断すれば、より高次の可視化手法を採用してもよい。また、可視化の手段は、ＰＣ（パーソナルコンピュータ）画面への表示やプリンタによる印刷、その他上記の可視化手法による可視化に適した任意の手段であってよい。 The data presentation unit 105 visualizes the dimension data provided from the dimension selection unit 104 and outputs it to the output device. As the visualization method, a one- or two-dimensional visualization method such as a scatter diagram or a histogram is mainly assumed. However, if it is determined that the user can easily understand, a higher-order visualization method may be adopted. The visualization means may be any means suitable for display on a PC (personal computer) screen, printing by a printer, or other visualization using the above-described visualization method.
上記のように、データ提示部１０５は、次元選択部１０４により選択された組み合わせを構成するｍ次元のデータを出力装置により出力する。具体的には、データ提示部１０５は、次元選択部１０４により選択された組み合わせを構成するｍ次元のデータを出力装置（例えば表示装置や印刷装置）によりグラフ等として画面に表示したり、紙に印刷したりする。例えば、データ提示部１０５は、次元選択部１０４により選択された組み合わせについてｍ次元空間におけるデータの分布を示すグラフを表計算ソフトウェアの描画モジュール等を用いて出力装置により表示する。前述した空調機の温度に係る測定データの例で、次元選択部１０４により室内温度と室外温度との２次元の組み合わせが選択されたとすると、データ提示部１０５は、「室内温度」テーブルと「室外温度」テーブルに格納された次元データ値（測定値）を、対応する次元データＩＤ（時刻）ごとに、２次元平面にプロットして作成したグラフを出力装置により表示する。また、データ提示部１０５は、次元選択部１０４により選択された組み合わせを構成するｍ次元のデータを、上記提示方法に利用することを目的として、出力装置（例えば通信装置）によりＣＳＶ（Ｃｏｍｍａ・Ｓｅｐａｒａｔｅｄ・Ｖａｌｕｅｓ）形式等で出力してもよい。この際に重要度を出力する方法としては、図３（ｂ）の形式による付加情報を出力する方法や、重要度の高い順番にカラムを列挙する方法等がある。 As described above, the data presentation unit 105 outputs m-dimensional data constituting the combination selected by the dimension selection unit 104 by the output device. Specifically, the data presentation unit 105 displays m-dimensional data constituting the combination selected by the dimension selection unit 104 on a screen as a graph or the like by an output device (for example, a display device or a printing device), or on paper. Or print. For example, the data presentation unit 105 displays a graph indicating the distribution of data in the m-dimensional space for the combination selected by the dimension selection unit 104 using an output device using a drawing module of spreadsheet software. In the example of the measurement data related to the temperature of the air conditioner described above, if the two-dimensional combination of the room temperature and the outdoor temperature is selected by the dimension selection unit 104, the data presentation unit 105 displays the “indoor temperature” table and the “outdoor temperature”. A graph created by plotting the dimension data values (measurement values) stored in the “temperature” table on a two-dimensional plane for each corresponding dimension data ID (time) is displayed on the output device. In addition, the data presenting unit 105 uses a CSV (Comma / Separated) by an output device (for example, a communication device) for the purpose of using the m-dimensional data constituting the combination selected by the dimension selecting unit 104 in the presenting method. -Values may be output in a format or the like. At this time, as a method of outputting the importance, there are a method of outputting additional information in the format of FIG. 3B, a method of enumerating columns in order of importance.
図４は、情報選択装置１０のハードウェア構成の一例を示す図である。 FIG. 4 is a diagram illustrating an example of a hardware configuration of the information selection device 10.
図４において、情報選択装置１０は、コンピュータであり、ＬＣＤ９０１（Ｌｉｑｕｉｄ・Ｃｒｙｓｔａｌ・Ｄｉｓｐｌａｙ）（表示装置）、キーボード９０２（Ｋ／Ｂ）、マウス９０３、ＦＤＤ９０４（Ｆｌｅｘｉｂｌｅ・Ｄｉｓｋ・Ｄｒｉｖｅ）、ＣＤＤ９０５（Ｃｏｍｐａｃｔ・Ｄｉｓｃ・Ｄｒｉｖｅ）、プリンタ９０６（印刷装置）といったハードウェアデバイスを備えている。これらのハードウェアデバイスはケーブルや信号線で接続されている。ＬＣＤ９０１の代わりに、ＣＲＴ（Ｃａｔｈｏｄｅ・Ｒａｙ・Ｔｕｂｅ）、あるいは、その他の表示装置が用いられてもよい。マウス９０３の代わりに、タッチパネル、タッチパッド、トラックボール、ペンタブレット、あるいは、その他のポインティングデバイスが用いられてもよい。 In FIG. 4, the information selection apparatus 10 is a computer, and includes an LCD 901 (Liquid / Crystal / Display) (display device), a keyboard 902 (K / B), a mouse 903, an FDD 904 (Flexible Disk / Drive), and a CDD 905 (Compact). (Disc / Drive) and a hardware device such as a printer 906 (printing apparatus). These hardware devices are connected by cables and signal lines. Instead of the LCD 901, a CRT (Cathode / Ray / Tube) or other display device may be used. Instead of the mouse 903, a touch panel, a touch pad, a trackball, a pen tablet, or other pointing devices may be used.
情報選択装置１０は、プログラムを実行するＣＰＵ９１１（Ｃｅｎｔｒａｌ・Ｐｒｏｃｅｓｓｉｎｇ・Ｕｎｉｔ）を備えている。ＣＰＵ９１１は、処理装置の一例である。ＣＰＵ９１１は、バス９１２を介してＲＯＭ９１３（Ｒｅａｄ・Ｏｎｌｙ・Ｍｅｍｏｒｙ）、ＲＡＭ９１４（Ｒａｎｄｏｍ・Ａｃｃｅｓｓ・Ｍｅｍｏｒｙ）、通信ボード９１５（通信装置）、ＬＣＤ９０１、キーボード９０２、マウス９０３、ＦＤＤ９０４、ＣＤＤ９０５、プリンタ９０６、ＨＤＤ９２０（Ｈａｒｄ・Ｄｉｓｋ・Ｄｒｉｖｅ）と接続され、これらのハードウェアデバイスを制御する。ＨＤＤ９２０の代わりに、フラッシュメモリ、光ディスク装置、メモリカードリーダライタ又はその他の記憶媒体が用いられてもよい。 The information selection device 10 includes a CPU 911 (Central Processing Unit) that executes a program. The CPU 911 is an example of a processing device. The CPU 911 includes a ROM 913 (Read / Only / Memory), a RAM 914 (Random / Access / Memory), a communication board 915 (communication device), an LCD 901, a keyboard 902, a mouse 903, an FDD904, a CDD905, a printer 906, and an HDD920. (Hard Disk Drive) is connected to control these hardware devices. Instead of the HDD 920, a flash memory, an optical disk device, a memory card reader / writer, or other storage medium may be used.
ＲＡＭ９１４は、揮発性メモリの一例である。ＲＯＭ９１３、ＦＤＤ９０４、ＣＤＤ９０５、ＨＤＤ９２０は、不揮発性メモリの一例である。これらは、記憶装置の一例である。通信ボード９１５、キーボード９０２、マウス９０３、ＦＤＤ９０４、ＣＤＤ９０５は、入力装置の一例である。また、通信ボード９１５、ＬＣＤ９０１、プリンタ９０６は、出力装置の一例である。 The RAM 914 is an example of a volatile memory. The ROM 913, the FDD 904, the CDD 905, and the HDD 920 are examples of nonvolatile memories. These are examples of the storage device. The communication board 915, the keyboard 902, the mouse 903, the FDD 904, and the CDD 905 are examples of input devices. The communication board 915, the LCD 901, and the printer 906 are examples of output devices.
通信ボード９１５は、ＬＡＮ（Ｌｏｃａｌ・Ａｒｅａ・Ｎｅｔｗｏｒｋ）等に接続されている。通信ボード９１５は、ＬＡＮに限らず、ＩＰ−ＶＰＮ（Ｉｎｔｅｒｎｅｔ・Ｐｒｏｔｏｃｏｌ・Ｖｉｒｔｕａｌ・Ｐｒｉｖａｔｅ・Ｎｅｔｗｏｒｋ）、広域ＬＡＮ、ＡＴＭ（Ａｓｙｎｃｈｒｏｎｏｕｓ・Ｔｒａｎｓｆｅｒ・Ｍｏｄｅ）ネットワークといったＷＡＮ（Ｗｉｄｅ・Ａｒｅａ・Ｎｅｔｗｏｒｋ）、あるいは、インターネットに接続されていても構わない。ＬＡＮ、ＷＡＮ、インターネットは、ネットワークの一例である。 The communication board 915 is connected to a LAN (Local / Area / Network) or the like. The communication board 915 is not limited to a LAN, but is an IP-VPN (Internet, Protocol, Private, Network), a wide area LAN, an ATM (Asynchronous / Transfer / Mode) network, a WAN (Wide / Area / Network), or the Internet. It does not matter if it is connected to. LAN, WAN, and the Internet are examples of networks.
ＨＤＤ９２０には、オペレーティングシステム９２１（ＯＳ）、ウィンドウシステム９２２、プログラム群９２３、ファイル群９２４が記憶されている。プログラム群９２３のプログラムは、ＣＰＵ９１１、オペレーティングシステム９２１、ウィンドウシステム９２２により実行される。プログラム群９２３には、本実施の形態の説明において「〜部」として説明する機能を実行するプログラムが含まれている。プログラムは、ＣＰＵ９１１により読み出され実行される。ファイル群９２４には、本実施の形態の説明において、「〜データ」、「〜情報」、「〜ＩＤ（識別子）」、「〜フラグ」、「〜結果」として説明するデータや情報や信号値や変数値やパラメータが、「〜ファイル」や「〜データベース」や「〜テーブル」の各項目として含まれている。「〜ファイル」や「〜データベース」や「〜テーブル」は、ＲＡＭ９１４やＨＤＤ９２０等の記憶媒体に記憶される。ＲＡＭ９１４やＨＤＤ９２０等の記憶媒体に記憶されたデータや情報や信号値や変数値やパラメータは、読み書き回路を介してＣＰＵ９１１によりメインメモリやキャッシュメモリに読み出され、抽出、検索、参照、比較、演算、計算、制御、出力、印刷、表示といったＣＰＵ９１１の処理（動作）に用いられる。抽出、検索、参照、比較、演算、計算、制御、出力、印刷、表示といったＣＰＵ９１１の処理中、データや情報や信号値や変数値やパラメータは、メインメモリやキャッシュメモリやバッファメモリに一時的に記憶される。 The HDD 920 stores an operating system 921 (OS), a window system 922, a program group 923, and a file group 924. The programs in the program group 923 are executed by the CPU 911, the operating system 921, and the window system 922. The program group 923 includes programs that execute the functions described as “˜units” in the description of the present embodiment. The program is read and executed by the CPU 911. The file group 924 includes data, information, and signal values described as “˜data”, “˜information”, “˜ID (identifier)”, “˜flag”, and “˜result” in the description of this embodiment. And variable values and parameters are included as items of “˜file”, “˜database”, and “˜table”. The “˜file”, “˜database”, and “˜table” are stored in a storage medium such as the RAM 914 or the HDD 920. Data, information, signal values, variable values, and parameters stored in a storage medium such as the RAM 914 and the HDD 920 are read out to the main memory and the cache memory by the CPU 911 via a read / write circuit, and extracted, searched, referenced, compared, and calculated. It is used for processing (operation) of the CPU 911 such as calculation, control, output, printing, and display. During the processing of the CPU 911 such as extraction, search, reference, comparison, calculation, calculation, control, output, printing, and display, data, information, signal values, variable values, and parameters are temporarily stored in the main memory, cache memory, and buffer memory. Remembered.
本実施の形態の説明において用いるブロック図やフローチャートの矢印の部分は主としてデータや信号の入出力を示す。データや信号は、ＲＡＭ９１４等のメモリ、ＦＤＤ９０４のフレキシブルディスク（ＦＤ）、ＣＤＤ９０５のコンパクトディスク（ＣＤ）、ＨＤＤ９２０の磁気ディスク、光ディスク、ＤＶＤ（Ｄｉｇｉｔａｌ・Ｖｅｒｓａｔｉｌｅ・Ｄｉｓｃ）、あるいは、その他の記録媒体に記録される。また、データや信号は、バス９１２、信号線、ケーブル、あるいは、その他の伝送媒体により伝送される。 The arrows in the block diagrams and flowcharts used in the description of this embodiment mainly indicate input / output of data and signals. Data and signals are recorded in memory such as RAM 914, FDD904 flexible disk (FD), CDD905 compact disk (CD), HDD920 magnetic disk, optical disk, DVD (Digital Versatile Disc), or other recording media Is done. Data and signals are transmitted by a bus 912, a signal line, a cable, or other transmission media.
本実施の形態の説明において「〜部」として説明するものは、「〜回路」、「〜装置」、「〜機器」であってもよく、また、「〜ステップ」、「〜工程」、「〜手順」、「〜処理」であってもよい。即ち、「〜部」として説明するものは、ＲＯＭ９１３に記憶されたファームウェアで実現されていても構わない。あるいは、「〜部」として説明するものは、ソフトウェアのみ、あるいは、素子、デバイス、基板、配線といったハードウェアのみで実現されていても構わない。あるいは、「〜部」として説明するものは、ソフトウェアとハードウェアとの組み合わせ、あるいは、ソフトウェアとハードウェアとファームウェアとの組み合わせで実現されていても構わない。ファームウェアとソフトウェアは、プログラムとして、フレキシブルディスク、コンパクトディスク、磁気ディスク、光ディスク、ＤＶＤ等の記録媒体に記憶される。プログラムはＣＰＵ９１１により読み出され、ＣＰＵ９１１により実行される。即ち、プログラムは、本実施の形態の説明で述べる「〜部」としてコンピュータを機能させるものである。あるいは、プログラムは、本実施の形態の説明で述べる「〜部」の手順や方法をコンピュータに実行させるものである。 In the description of the present embodiment, what is described as “to part” may be “to circuit”, “to device”, “to device”, and “to step”, “to process”, “to”. ~ Procedure "," ~ process ". That is, what is described as “˜unit” may be realized by firmware stored in the ROM 913. Alternatively, what is described as “˜unit” may be realized only by software, or only by hardware such as an element, a device, a board, and wiring. Alternatively, what is described as “to part” may be realized by a combination of software and hardware, or a combination of software, hardware and firmware. Firmware and software are stored as programs in a recording medium such as a flexible disk, a compact disk, a magnetic disk, an optical disk, and a DVD. The program is read by the CPU 911 and executed by the CPU 911. That is, the program causes the computer to function as “to part” described in the description of the present embodiment. Or a program makes a computer perform the procedure and method of "-part" described by description of this Embodiment.
図５は、情報選択装置１０の動作（本実施の形態に係る情報選択方法、本実施の形態に係る情報選択プログラムの処理手順）を示すフローチャートである。 FIG. 5 is a flowchart showing the operation of the information selection apparatus 10 (information selection method according to the present embodiment, processing procedure of the information selection program according to the present embodiment).
ステップＳ１０１（次元抽出処理）において、次元抽出部１００は、多次元データ源２０１からデータを取得し、次元抽出手法を用いて次元データを処理装置により抽出し、次元データ記録部１０１に記録する。 In step S <b> 101 (dimension extraction process), the dimension extraction unit 100 acquires data from the multidimensional data source 201, extracts dimension data using a dimension extraction method, and records the dimension data in the dimension data recording unit 101.
ステップＳ１０２（重要度算出処理）において、次元重要度算出部１０２は、次元データ記録部１０１から次元データを取得し、次元重要度を処理装置により算出した後、次元重要度記録部１０３に次元重要度を記録する。ステップＳ１０２の詳細については、図６を用いて後述する。 In step S102 (importance calculation processing), the dimension importance calculation unit 102 acquires the dimension data from the dimension data recording unit 101, calculates the dimension importance by the processing device, and then adds the dimension importance to the dimension importance recording unit 103. Record the degree. Details of step S102 will be described later with reference to FIG.
ステップＳ１０３（データ提示処理）において、次元選択部１０４は、次元重要度記録部１０３に記録された次元重要度を基に、提示すべき次元を処理装置により選択し、該当する次元に対応する次元データを次元データ記録部１０１より取得する。データ提示部１０５は、次元選択部１０４により選択された次元データを出力装置により提示する。ステップＳ１０３の詳細については、図７を用いて後述する。 In step S103 (data presentation processing), the dimension selection unit 104 selects a dimension to be presented by the processing device based on the dimension importance recorded in the dimension importance recording unit 103, and a dimension corresponding to the corresponding dimension. Data is acquired from the dimension data recording unit 101. The data presentation unit 105 presents the dimension data selected by the dimension selection unit 104 using an output device. Details of step S103 will be described later with reference to FIG.
ステップＳ１０１、Ｓ１０２、Ｓ１０３の各処理は、各処理が前提とするデータが提供される範囲において、独立に実行可能である。よって、ステップＳ１０１、Ｓ１０２、Ｓ１０３は必ずしも図５に示した順序で実行される必要はなく、常に全ての処理を実行する必要もない。 Each process of steps S101, S102, and S103 can be executed independently as long as the data assumed by each process is provided. Therefore, steps S101, S102, and S103 are not necessarily executed in the order shown in FIG. 5, and it is not always necessary to execute all the processes.
図６は、重要度算出処理（図５のステップＳ１０２）の手順を示すフローチャートである。 FIG. 6 is a flowchart showing the procedure of importance calculation processing (step S102 in FIG. 5).
ステップＳ２０１において、次元重要度算出部１０２は、次元データ記録部１０１に記録された次元データに含まれる次元のうち、重要度の算出が必要な次元又は次元の組み合わせを処理装置により判定する。判定により、重要度の算出が必要とされる次元がない場合は、処理を終了する。なお、判定方法としては、例えば、どの次元又はどの次元の組み合わせについて重要度を算出するか（あるいは算出しないか）を示す情報を予め記憶装置に記憶しておき、この情報を参照して重要度の算出が必要な次元又は次元の組み合わせを判定したり、ある次元のデータ数が所定数以上ない場合に当該次元又は当該次元を含む組み合わせを重要度の算出が必要ないものであると判定したりすることが考えられる。 In step S <b> 201, the dimension importance calculation unit 102 determines, from the dimensions included in the dimension data recorded in the dimension data recording unit 101, a dimension or a combination of dimensions that requires calculation of the importance by the processing device. If it is determined that there is no dimension for which importance calculation is required, the process ends. As a determination method, for example, information indicating which dimension or combination of dimensions is to be calculated (or not to be calculated) is stored in a storage device in advance, and the importance is referred to by referring to this information. Determine the dimension or combination of dimensions that needs to be calculated, or if the number of data in a certain dimension is not greater than or equal to a predetermined number, determine that the dimension or combination including that dimension does not require calculation of importance It is possible to do.
ステップＳ２０２（次元データ抽出処理）において、次元重要度算出部１０２は、ステップＳ２０１において重要度の算出が必要と判定した次元又は次元の組み合わせに対応する次元データを、次元データ記録部１０１から取得する。 In step S202 (dimensional data extraction process), the dimension importance calculation unit 102 acquires dimension data corresponding to the dimension or combination of dimensions determined to require importance calculation in step S201 from the dimension data recording unit 101. .
ステップＳ２０３（次元重要度算出処理）において、次元重要度算出部１０２は、ステップＳ２０２において取得した次元データに対して、予め決められた（記憶装置に記憶された）指標に基づき、重要度の算出を処理装置により行う。 In step S203 (dimension importance calculation processing), the dimension importance calculation unit 102 calculates importance based on a predetermined index (stored in the storage device) for the dimension data acquired in step S202. Is performed by the processing device.
ステップＳ２０４（次元重要度記録処理）において、次元重要度算出部１０２は、ステップＳ２０３において算出した次元重要度を次元重要度記録部１０３に記録し、ステップＳ２０１に戻る。 In step S204 (dimension importance recording process), the dimension importance calculation unit 102 records the dimension importance calculated in step S203 in the dimension importance recording unit 103, and returns to step S201.
図７は、データ提示処理（図５のステップＳ１０３）の手順を示すフローチャートである。 FIG. 7 is a flowchart showing the procedure of the data presentation process (step S103 in FIG. 5).
ステップＳ３０１（次元重要度取得処理）において、次元選択部１０４は、次元重要度記録部１０３より次元重要度値を取得する。 In step S <b> 301 (dimension importance acquisition processing), the dimension selection unit 104 acquires a dimension importance value from the dimension importance recording unit 103.
ステップＳ３０２（次元選択処理）において、次元選択部１０４は、ステップＳ３０１において取得された次元重要度に基づき、提示すべき次元の選択を処理装置により行う。次元選択処理においては、重要度の高い次元又は重要度の高い次元の組み合わせが優先的に提示されることが望ましく、重要度が高い次元又は重要度の高い次元の組み合わせを順次選択するか、あるいは、重要度が上位の次元又は重要度が上位の次元の組み合わせをまとめて選択する等の手法が好適である。 In step S302 (dimension selection processing), the dimension selection unit 104 uses the processing device to select a dimension to be presented based on the dimension importance acquired in step S301. In the dimension selection process, it is desirable that a dimension with high importance or a combination of dimensions with high importance is preferentially presented, and a dimension with high importance or a combination of dimensions with high importance is sequentially selected, or A method of selecting a dimension having a higher importance level or a combination of dimensions having a higher importance level together is suitable.
ステップＳ３０３（次元データ提示処理）において、次元選択部１０４は、ステップＳ３０２において選択した次元又は次元の組み合わせに対する次元データを、次元データ記録部１０１より取得し、これをデータ提示部１０５に渡すことにより、データを出力装置により提示する。 In step S303 (dimension data presentation processing), the dimension selection unit 104 acquires the dimension data for the dimension or combination of dimensions selected in step S302 from the dimension data recording unit 101, and passes this to the data presentation unit 105. The data is presented by the output device.
以上のように、本実施の形態によれば、一般の多次元データ分析において、重要な次元を選択的に提示することが可能となる。 As described above, according to the present embodiment, it is possible to selectively present important dimensions in general multidimensional data analysis.
実施の形態２．
実施の形態１に係る多次元データ可視化のための情報選択装置１０において、次元重要度算出部１０２における重要度の指標として、分離度を用いた態様について説明する。
Embodiment 2. FIG.
In the information selection apparatus 10 for visualizing multidimensional data according to the first embodiment, an aspect in which the degree of separation is used as an importance index in the dimension importance calculation unit 102 will be described.
図８（ａ）は、分離度を重要度の指標として次元を選択した際の、次元データ提示結果の模式図である。縦軸と横軸に示された山型のグラフは、それぞれの軸方向における次元データのヒストグラムを模したものである。 FIG. 8A is a schematic diagram of a dimension data presentation result when a dimension is selected using the degree of separation as an index of importance. The mountain-shaped graphs shown on the vertical axis and the horizontal axis imitate a histogram of dimensional data in each axial direction.
左図は分離度の低い次元による提示結果であり、ほとんどの点が１箇所に集中していることが分かる。一方、右図は分離度の高い次元による提示結果であり、点の集合が複数形成されていることが分かる。このように、分離度を重要度の指標とすることで、２次元にプロットした際に複数のクラスタを形成する次元の組み合わせを抽出する効果を得る。 The figure on the left shows the presentation results based on the low degree of separation. It can be seen that most of the points are concentrated in one place. On the other hand, the right figure shows the presentation result based on a dimension with a high degree of separation, and it can be seen that a plurality of points are formed. Thus, by using the separation degree as an index of importance, an effect of extracting a combination of dimensions forming a plurality of clusters when plotted in two dimensions is obtained.
例えば、正常データと故障データを見分ける場合を考える。一般に正常データと故障データがきれいに分離されることは稀であり、多次元データのうちどの次元をもって分離すべきかは明確でない。よって、様々な次元における断面、即ち、次元の組み合わせによって、データを吟味することで正常データと故障データを見分ける手法を模索することになる。このような場合、上記分離度による重要度の指標を用いることで、分離度合いの高い次元の組み合わせが優先的に提示されるため、分析作業を効率化する効果を得る。 For example, consider a case where normal data and fault data are distinguished. In general, normal data and fault data are rarely separated cleanly, and it is not clear which dimension of multidimensional data should be separated. Therefore, a method for discriminating between normal data and failure data is examined by examining data according to cross sections in various dimensions, that is, combinations of dimensions. In such a case, since the combination of dimensions with a high degree of separation is preferentially presented by using the importance index based on the degree of separation, an effect of improving the efficiency of the analysis work is obtained.
また、例えば、ビル管理において部屋の使われ方を見たい場合、分離度が高いものほど重要度を高くすることで、同様の効果を得ることができる。例えば、サーバルームがあるビルでは部屋ごとの室内温度と消費電力との２次元の組み合わせについてデータの分離度が大きくなることが予想される。したがって、このような組み合わせが選択されることで、サーバルームの有無や割合（数）を容易に把握することができるようになる。 For example, when it is desired to see how a room is used in building management, the same effect can be obtained by increasing the importance as the degree of separation increases. For example, in a building with a server room, it is expected that the degree of data separation will increase for a two-dimensional combination of room temperature and power consumption for each room. Therefore, by selecting such a combination, it is possible to easily grasp the presence / absence and ratio (number) of server rooms.
なお、分離度の計算手法としては、判別分析手法や、Ｐａｒｚｅｎ・Ｋｅｒｎｅｌを用いた近似等を用いることができる。 As a method for calculating the degree of separation, a discriminant analysis method, an approximation using Parzen / Kernel, or the like can be used.
以上のように、次元重要度算出部１０２は、分離度を重要度の評価指標とすることができる。 As described above, the dimension importance calculation unit 102 can use the degree of separation as an evaluation index of importance.
実施の形態３．
実施の形態１に係る多次元データ可視化のための情報選択装置１０において、次元重要度算出部１０２における重要度の指標として、外れ値の割合を用いた態様について説明する。
Embodiment 3 FIG.
In the information selection apparatus 10 for visualizing multidimensional data according to the first embodiment, an aspect using an outlier ratio as an importance index in the dimension importance calculation unit 102 will be described.
図８（ｂ）は、外れ値の割合を重要度の指標として次元を選択した際の、次元データ提示結果の模式図である。図の中央部にある灰色部（例えば、直径３σ（平均の３倍）の円とする）は、多数の次元データが含まれる領域を模したものである。 FIG. 8B is a schematic diagram of a dimensional data presentation result when a dimension is selected using an outlier ratio as an index of importance. A gray portion (for example, a circle having a diameter of 3σ (three times the average)) in the center of the figure is an imitation of an area including a large number of dimension data.
左図は外れ値の割合が少ない次元による提示結果であり、ほとんどの点が中央部に集中していることが分かる。一方、右図は外れ値の割合が多い次元による提示結果であり、中央部から外れた点が多数見られることが分かる。このように、外れ値の割合（全データの数に対する、灰色部の中にプロットされたデータの数の割合）を重要度の指標とすることで、２次元にプロットした際に分布の中心から外れた点が多い次元の組み合わせを抽出する効果を得る。 The figure on the left shows the presentation results based on a dimension with a small ratio of outliers, and it can be seen that most points are concentrated in the center. On the other hand, the figure on the right shows the presentation results based on the dimension with a large proportion of outliers, and it can be seen that many points deviating from the center are seen. In this way, by using the ratio of outliers (the ratio of the number of data plotted in the gray part relative to the total number of data) as an index of importance, when plotting two-dimensionally, from the center of the distribution The effect of extracting a combination of dimensions with a large number of missed points is obtained.
例えば、異常状態にある機器を発見する場合を考える。一般に他の機器と異なる挙動を示す機器は異常であると考えられるが、多次元データの分析においては多くの機器が何らかの意味で異常である。よって、真に異常であるかどうかは、様々な次元における断面、すなわち次元の組み合わせによって、データを吟味することで判定することになる。このような場合、外れ値の割合を重要度の指標として用いることで、外れ値の多い次元の組み合わせが優先的に提示されるため、外れ値の発生した原因を効率的に分析可能とする効果を得る。 For example, consider the case of finding a device in an abnormal state. In general, a device that behaves differently from other devices is considered abnormal, but many devices are abnormal in some sense in the analysis of multidimensional data. Therefore, whether or not it is truly abnormal is determined by examining data based on cross sections in various dimensions, that is, combinations of dimensions. In such cases, by using the outlier ratio as an index of importance, combinations of dimensions with many outliers are preferentially presented, so that the cause of outliers can be analyzed efficiently. Get.
なお、外れ値の計算手法としては、分散を基準としてその定数倍を超えるものを外れ値とする手法や、特定の分布形状を仮定して分布形状からの外れの度合いを用いる手法等を用いることができる。 In addition, as a method for calculating outliers, a method that uses a value exceeding a constant multiple based on variance as an outlier, or a method that uses a degree of deviation from the distribution shape assuming a specific distribution shape, etc. Can do.
以上のように、次元重要度算出部１０２は、外れ値の割合を重要度の評価指標とすることができる。 As described above, the dimension importance calculation unit 102 can use the outlier ratio as an importance evaluation index.
前述したように、次元重要度算出部１０２は、外れ値の割合、外れ値の平均からの距離、分散、一様性、特定パターンとの相関係数等を重要度の評価指標とすることができる。 As described above, the dimension importance calculation unit 102 may use the outlier ratio, the distance from the average of the outliers, the variance, the uniformity, the correlation coefficient with the specific pattern, and the like as the importance evaluation index. it can.
以上、本発明の実施の形態について説明したが、これらのうち、２つ以上の実施の形態を組み合わせて実施しても構わない。あるいは、これらのうち、１つの実施の形態を部分的に実施しても構わない。あるいは、これらのうち、２つ以上の実施の形態を部分的に組み合わせて実施しても構わない。 As mentioned above, although embodiment of this invention was described, you may implement combining 2 or more embodiment among these. Alternatively, one of these embodiments may be partially implemented. Or you may implement combining two or more embodiment among these partially.
１０ 情報選択装置、１００ 次元抽出部、１０１ 次元データ記録部、１０２ 次元重要度算出部、１０３ 次元重要度記録部、１０４ 次元選択部、１０５ データ提示部、２０１ 多次元データ源、９０１ ＬＣＤ、９０２ キーボード、９０３ マウス、９０４ ＦＤＤ、９０５ ＣＤＤ、９０６ プリンタ、９１１ ＣＰＵ、９１２ バス、９１３ ＲＯＭ、９１４ ＲＡＭ、９１５ 通信ボード、９２０ ＨＤＤ、９２１ オペレーティングシステム、９２２ ウィンドウシステム、９２３ プログラム群、９２４ ファイル群。 DESCRIPTION OF SYMBOLS 10 Information selection apparatus, 100-dimensional extraction part, 101-dimensional data recording part, 102-dimensional importance calculation part, 103-dimensional importance recording part, 104-dimensional selection part, 105 data presentation part, 201 Multidimensional data source, 901 LCD, 902 Keyboard, 903 mouse, 904 FDD, 905 CDD, 906 printer, 911 CPU, 912 bus, 913 ROM, 914 RAM, 915 communication board, 920 HDD, 921 operating system, 922 window system, 923 program group, 924 file group.
Claims (6)
前記記憶装置に記憶されたｎ次元のデータから、ｍ（ｍはｎ＞ｍ≧１となる整数）次元のデータの組み合わせを複数抽出し、抽出した組み合わせごとに、ｍ次元空間におけるデータの分布の特徴を前記処理装置により分析し、当該分析結果に基づいて、各組み合わせの重要度を前記処理装置により算出する重要度算出部と、
前記重要度算出部により算出された各組み合わせの重要度に基づいて、いずれかの組み合わせを選択する選択部と、
前記選択部により選択された組み合わせを構成するｍ次元のデータを前記出力装置により出力するデータ出力部とを備えることを特徴とする多次元データ選択装置。 a storage device that stores n-dimensional data (n is an integer satisfying n ≧ 3) in advance, a processing device that calculates data, and an output device that outputs data;
A plurality of combinations of m-dimensional data (m is an integer satisfying n> m ≧ 1) are extracted from the n-dimensional data stored in the storage device, and the distribution of data in the m-dimensional space is extracted for each extracted combination. Analyzing characteristics by the processing device, and based on the analysis result, an importance calculation unit that calculates the importance of each combination by the processing device,
A selection unit that selects any combination based on the importance of each combination calculated by the importance calculation unit;
A multi-dimensional data selection device comprising: a data output unit that outputs m-dimensional data constituting the combination selected by the selection unit by the output device.
前記選択部は、前記重要度算出部により算出された各組み合わせの重要度の一覧を前記出力装置により出力し、出力した一覧に基づいて設備管理者にいずれかの組み合わせを選択させることを特徴とする請求項１又は２に記載の多次元データ選択装置。 The storage device stores measurement data relating to equipment as the n-dimensional data,
The selection unit outputs a list of importance levels of each combination calculated by the importance level calculation unit by the output device, and allows the facility manager to select any combination based on the output list. The multidimensional data selection device according to claim 1 or 2.
前記コンピュータの処理装置が、前記記憶装置に記憶されたｎ次元のデータから、ｍ（ｍはｎ＞ｍ≧１となる整数）次元のデータの組み合わせを複数抽出し、抽出した組み合わせごとに、ｍ次元空間におけるデータの分布の特徴を分析し、当該分析結果に基づいて、各組み合わせの重要度を算出し、
前記処理装置が、算出された各組み合わせの重要度に基づいて、いずれかの組み合わせを選択し、
前記コンピュータの出力装置が、選択された組み合わせを構成するｍ次元のデータを出力することを特徴とする多次元データ選択方法。 A computer storage device stores n-dimensional data (n is an integer satisfying n ≧ 3),
The processing device of the computer extracts a plurality of combinations of m-dimensional data (m is an integer satisfying n> m ≧ 1) from the n-dimensional data stored in the storage device, and for each extracted combination, m Analyze the characteristics of the data distribution in the dimensional space, calculate the importance of each combination based on the analysis results,
The processing device selects any combination based on the calculated importance of each combination,
The multi-dimensional data selection method, wherein the output device of the computer outputs m-dimensional data constituting the selected combination.
前記記憶装置に記憶されたｎ次元のデータから、ｍ（ｍはｎ＞ｍ≧１となる整数）次元のデータの組み合わせを複数抽出し、抽出した組み合わせごとに、ｍ次元空間におけるデータの分布の特徴を処理装置により分析し、当該分析結果に基づいて、各組み合わせの重要度を処理装置により算出する重要度算出処理と、
前記重要度算出処理により算出された各組み合わせの重要度に基づいて、いずれかの組み合わせを選択する選択処理と、
前記選択処理により選択された組み合わせを構成するｍ次元のデータを出力装置により出力するデータ出力処理とをコンピュータに実行させることを特徴とする多次元データ選択プログラム。 Multidimensional data executed by a computer including a storage device that stores n-dimensional data (n is an integer satisfying n ≧ 3) in advance, a processing device that performs data calculation, and an output device that outputs data A selection program,
A plurality of combinations of m-dimensional data (m is an integer satisfying n> m ≧ 1) are extracted from the n-dimensional data stored in the storage device, and the distribution of data in the m-dimensional space is extracted for each extracted combination. An importance calculation process in which features are analyzed by a processing device, and the importance of each combination is calculated by the processing device based on the analysis result;
A selection process for selecting any combination based on the importance of each combination calculated by the importance calculation process;
A multidimensional data selection program causing a computer to execute data output processing for outputting m-dimensional data constituting a combination selected by the selection processing by an output device.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2009172934A JP5452118B2 (en) | 2009-07-24 | 2009-07-24 | Multidimensional data selection device, multidimensional data selection method, and multidimensional data selection program |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2009172934A JP5452118B2 (en) | 2009-07-24 | 2009-07-24 | Multidimensional data selection device, multidimensional data selection method, and multidimensional data selection program |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2011028483A true JP2011028483A (en) | 2011-02-10 |
| JP5452118B2 JP5452118B2 (en) | 2014-03-26 |
Family
ID=43637166
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2009172934A Active JP5452118B2 (en) | 2009-07-24 | 2009-07-24 | Multidimensional data selection device, multidimensional data selection method, and multidimensional data selection program |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP5452118B2 (en) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2016021144A (en) * | 2014-07-14 | 2016-02-04 | 富士通株式会社 | Graph display method, graph display device and graph display program |
| WO2017163294A1 (en) * | 2016-03-22 | 2017-09-28 | 三菱電機株式会社 | Refrigerant shortage prediction apparatus, refrigerant shortage prediction method, and program |
| JP2019174960A (en) * | 2018-03-27 | 2019-10-10 | 西日本電信電話株式会社 | Data preprocessing apparatus, data preprocessing method and data preprocessing program |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2001265596A (en) * | 2000-03-15 | 2001-09-28 | Mitsubishi Electric Corp | Device and method for mining data |
| JP2004133684A (en) * | 2002-10-10 | 2004-04-30 | Ntt Data Corp | Information retrieval system and information retrieval program |
| JP2007226639A (en) * | 2006-02-24 | 2007-09-06 | Mitsubishi Electric Corp | Multivariate data discrimination device |
| JP2008250857A (en) * | 2007-03-30 | 2008-10-16 | Sony Corp | Information processor, method, and program |
-
2009
- 2009-07-24 JP JP2009172934A patent/JP5452118B2/en active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2001265596A (en) * | 2000-03-15 | 2001-09-28 | Mitsubishi Electric Corp | Device and method for mining data |
| JP2004133684A (en) * | 2002-10-10 | 2004-04-30 | Ntt Data Corp | Information retrieval system and information retrieval program |
| JP2007226639A (en) * | 2006-02-24 | 2007-09-06 | Mitsubishi Electric Corp | Multivariate data discrimination device |
| JP2008250857A (en) * | 2007-03-30 | 2008-10-16 | Sony Corp | Information processor, method, and program |
Non-Patent Citations (2)
| Title |
|---|
| CSNG200100266007; 磯部 成二: 'データ視覚化によるデータマイニングプロセス支援方式' アドバンスト・データベース・シンポジウム 第９８巻， 第１７号, 19981202, ｐ．８７〜９４, 社団法人情報処理学会 * |
| JPN6013022097; 磯部 成二: 'データ視覚化によるデータマイニングプロセス支援方式' アドバンスト・データベース・シンポジウム 第９８巻， 第１７号, 19981202, ｐ．８７〜９４, 社団法人情報処理学会 * |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2016021144A (en) * | 2014-07-14 | 2016-02-04 | 富士通株式会社 | Graph display method, graph display device and graph display program |
| WO2017163294A1 (en) * | 2016-03-22 | 2017-09-28 | 三菱電機株式会社 | Refrigerant shortage prediction apparatus, refrigerant shortage prediction method, and program |
| JPWO2017163294A1 (en) * | 2016-03-22 | 2018-05-24 | 三菱電機株式会社 | Refrigerant shortage prediction device, refrigerant shortage prediction method and program |
| JP2019174960A (en) * | 2018-03-27 | 2019-10-10 | 西日本電信電話株式会社 | Data preprocessing apparatus, data preprocessing method and data preprocessing program |
Also Published As
| Publication number | Publication date |
|---|---|
| JP5452118B2 (en) | 2014-03-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10146891B2 (en) | Extracting data from a 3D geometric model by geometry analysis | |
| US9972105B2 (en) | Visualization of data clusters | |
| Chen et al. | Empirical studies of information visualization: a meta-analysis | |
| US20170323028A1 (en) | System and method for large scale information processing using data visualization for multi-scale communities | |
| US8497863B2 (en) | Graph scalability | |
| US20090105984A1 (en) | Methods and Apparatus for Dynamic Data Transformation for Visualization | |
| US20120166250A1 (en) | Data visualization for time-based cohorts | |
| Hailemariam et al. | Toward a unified representation system of performance-related data | |
| US11074276B2 (en) | Methods and systems for optimized visual summarization for sequences of temporal event data | |
| WO2017044958A1 (en) | Network representation for evolution of clusters and groups | |
| JP5452118B2 (en) | Multidimensional data selection device, multidimensional data selection method, and multidimensional data selection program | |
| Zhou et al. | Indexed-points parallel coordinates visualization of multivariate correlations | |
| US20150012644A1 (en) | Performance measurement method, storage medium, and performance measurement device | |
| AU2015204339B2 (en) | Information processing apparatus and information processing program | |
| CN108734761B (en) | Scene visualization method and device, electronic equipment and storage medium | |
| CN112463844B (en) | Data processing method and device, electronic equipment and storage medium | |
| JP2017207878A (en) | Missing data estimation method, missing data estimation device, and missing data estimation program | |
| JP6852004B2 (en) | Data analysis system, data analysis method, and program | |
| JP2011258097A (en) | Data processing apparatus | |
| CN111865696A (en) | Visualization method, device, equipment and medium for network security | |
| Müller et al. | A framework for evaluation and exploration of clustering algorithms in subspaces of high dimensional databases | |
| Sawant et al. | Diffarchviz: A tool to visualize correspondence between multiple representations of a software architecture | |
| JP7371802B1 (en) | Abnormality diagnosis system, abnormality diagnosis device, abnormality diagnosis method, and program | |
| JP2012252547A (en) | Content management system, content management method, content management program and content management server | |
| WO2023181167A1 (en) | Map generation device, map generation method, and non-transitory computer-readable medium |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20120201 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20130426 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20130514 |
|
| A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20130605 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20130806 |
|
| A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20130930 |
|
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20131203 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20131227 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 5452118 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |