DE112017006859T5

DE112017006859T5 - Pattern extractor, pattern extraction method and pattern extraction program

Info

Publication number: DE112017006859T5
Application number: DE112017006859.2T
Authority: DE
Inventors: Shogo Shimizu; Katsuhiro KUSANO; Seiji Okumura
Original assignee: Mitsubishi Electric Corp
Current assignee: Mitsubishi Electric Corp
Priority date: 2017-02-20
Filing date: 2017-02-20
Publication date: 2019-09-26
Also published as: CN110291519A; JP6556397B2; JPWO2018150589A1; WO2018150589A1

Abstract

In einer Musterextraktionseinrichtung (10), um ein Standardmuster, das in ersten Sequenzdaten iterativ erscheint, aus zweiten Sequenzdaten zu extrahieren, extrahiert eine Extraktionseinheit (23) ein Muster ähnlich einem Probemuster, das Daten eines spezifizierten Intervalls in den zweiten Sequenzdaten sind, aus den ersten Sequenzdaten. Eine Bewertungseinheit (24) berechnet den Grad der Anpassung (35) des Probemusters für das Standardmuster basierend auf einem Bewertungswert, der eine Häufigkeit des Vorkommens des durch die Extraktionseinheit (23) extrahierten Musters in den ersten Sequenzdaten repräsentiert, und einem Bewertungswert, der einen Grad der Expansion oder Kontraktion des durch die Extraktionseinheit (23) extrahierten Musters in einer Sequenzrichtung der ersten Sequenzdaten repräsentiert. Eine Steuereinheit (25) ändert das spezifizierte Intervall und veranlasst die Extraktionseinheit (23) und die Bewertungseinheit (24), neu zu arbeiten, in einem Fall, wo die Güte der Anpassung (35) einen Schwellenwert nicht überschreitet, oder gibt Informationen aus, die das spezifizierte Intervall als ein dem Standardmuster entsprechendes Intervall anzeigen, in einem Fall, wo die Güte der Anpassung (35) den Schwellenwert überschreitet.In a pattern extraction means (10) for extracting a standard pattern iteratively appearing in first sequence data from second sequence data, an extraction unit (23) extracts a pattern similar to a sample pattern which is data of a specified interval in the second sequence data from the first one sequence data. A judging unit (24) calculates the degree of fitting (35) of the sample pattern for the standard pattern based on an evaluation value representing a frequency of occurrence of the pattern extracted by the extracting unit (23) in the first sequence data, and an evaluation value representing one degree represents the expansion or contraction of the pattern extracted by the extraction unit (23) in a sequence direction of the first sequence data. A control unit (25) changes the specified interval and causes the extraction unit (23) and the evaluation unit (24) to work again in a case where the quality of the adaptation (35) does not exceed a threshold, or outputs information that indicate the specified interval as an interval corresponding to the standard pattern, in a case where the quality of fit (35) exceeds the threshold.

Description

Technisches GebietTechnical area

Die vorliegende Erfindung betrifft eine Musterextraktionseinrichtung, ein Musterextraktionsverfahren und ein Musterextraktionsprogramm.The present invention relates to a pattern extraction means, a pattern extraction method and a pattern extraction program.

Hintergrund zum Stand der TechnikBackground to the prior art

Die Patentliteratur 1 offenbart eine Technik, bei der Zeitreihendaten in Merkmalsintervalle unterteilt werden und bei der eine hierarchische Clusterbildung der Merkmalsintervalle gemäß dem Grad der Ähnlichkeit zwischen den Merkmalsintervallen durchgeführt wird. In dieser Technik, mit Verwendung von DTW für die Berechnung des Ähnlichkeitsgrades zwischen „Intervall A“ und „Intervall B“, wird die Berechnung durch die Menge der partiellen Expansion oder Kontraktion nicht beeinflusst, die durch die Überlagerung eines Musters von „Intervall A“ auf ein Muster von „Intervall B“ verursacht wird. Der Begriff „DTW“ ist eine Abkürzung für Dynamic Time Warping (= Dynamische Zeitnormierung).Patent Literature 1 discloses a technique in which time-series data is divided into feature intervals and hierarchical clustering of the feature intervals is performed according to the degree of similarity between the feature intervals. In this technique, using DTW to calculate the degree of similarity between "Interval A" and "Interval B", the calculation is unaffected by the amount of partial expansion or contraction caused by the superposition of a pattern of "Interval A" a pattern of "Interval B" is caused. The term "DTW" is an abbreviation for Dynamic Time Warping.

Liste zitierter SchriftenList of quoted writings

Patentliteraturpatent literature

Patent Literature 1: WO 2013/051101
Patent Literature 2: JP 2008-134706

Zusammenfassung der ErfindungSummary of the invention

Technisches ProblemTechnical problem

In der in der Patentliteratur 1 offenbarten Technik kann die Berechnung der Güte der Anpassung unter Berücksichtigung der Quantität der partiellen Expansion oder Kontraktion in einer Sequenzrichtung der Zeitreihendaten nicht durchgeführt werden. Dies bedeutet, dass aus den Eingabesequenzdaten, die als Iteration eines spezifizierten Musters ausgedrückt werden, kein Standardintervall für häufiges Vorkommen ausgewählt werden kann. Hierin bezieht sich das Standardintervall des häufigen Vorkommens auf ein Intervall, das mit geringerer partieller Expansion oder Kontraktion in der Sequenzrichtung liegt, wenn die Eingabesequenzdaten als Iteration eines Musters des häufigen Vorkommens ausgedrückt werden. Das heißt, das Standardintervall des häufigen Vorkommens bezieht sich auf ein Intervall, in dem die Expansion oder Kontraktion des Musters unter einer großen Anzahl von Intervallen, wo ein bestimmtes Muster unabhängig von der Expansion oder Kontraktion in der Sequenzrichtung in den Sequenzdaten erscheint, klein ist.In the technique disclosed in Patent Literature 1, the calculation of the goodness of fit can not be performed in consideration of the quantity of partial expansion or contraction in a sequence direction of the time-series data. This means that from the input sequence data expressed as an iteration of a specified pattern, no standard frequency of frequent occurrence can be selected. Herein, the standard interval of frequent occurrence refers to an interval having less partial expansion or contraction in the sequence direction when the input sequence data is expressed as an iteration of a frequent occurrence pattern. That is, the standard interval of frequent occurrence refers to an interval in which the expansion or contraction of the pattern is small at a large number of intervals where a certain pattern appears in the sequence data regardless of the expansion or contraction in the sequence direction.

Die vorliegende Erfindung hat das Ziel, die Auswahl des Standardintervalls des häufigen Vorkommens aus Sequenzdaten zu ermöglichen.The present invention aims to enable selection of the standard interval of frequent occurrence from sequence data.

Lösung des Problemsthe solution of the problem

Eine Musterextraktionseinrichtung gemäß einem Aspekt der vorliegenden Erfindung, um ein Standardmuster, das in ersten Sequenzdaten iterativ erscheint, aus zweiten Sequenzdaten zu extrahieren, umfasst:

eine Extraktionseinheit, um ein Muster ähnlich einem Probemuster, das Daten eines spezifizierten Intervalls in den zweiten Sequenzdaten sind, aus den ersten Sequenzdaten zu extrahieren;
eine Bewertungseinheit, um einen ersten Bewertungswert, repräsentierend eine Häufigkeit des Vorkommens des durch die Extraktionseinheit extrahierten Musters in den ersten Sequenzdaten, und einen zweiten Bewertungswert, repräsentierend einen Grad der Expansion oder Kontraktion des durch die Extraktionseinheit extrahierten Musters in einer Sequenzrichtung der ersten Sequenzdaten, zu berechnen, und um den Grad der Anpassung des Probemusters für das Standardmuster zu berechnen basierend auf dem ersten Bewertungswert und dem zweiten Bewertungswert; und
eine Steuereinheit, um das spezifizierte Intervall zu ändern und die Extraktionseinheit und die Bewertungseinheit zu veranlassen, neu zu arbeiten, in einem Fall, wo die durch die Bewertungseinheit berechnete Güte der Anpassung einen Schwellenwert nicht überschreitet, oder um Informationen auszugeben, die das spezifizierte Intervall als ein dem Standardmuster entsprechendes Intervall angeben, in einem Fall, wo die durch die Bewertungseinheit berechnete Güte der Anpassung den Schwellenwert überschreitet.

A pattern extractor according to an aspect of the present invention for extracting a standard pattern iteratively appears in first sequence data from second sequence data comprises:

an extraction unit for extracting a pattern similar to a sample pattern, which is data of a specified interval in the second sequence data, from the first sequence data;
an evaluation unit for assigning a first evaluation value representing a frequency of occurrence of the pattern extracted by the extraction unit in the first sequence data, and a second evaluation value representing a degree of expansion or contraction of the pattern extracted by the extraction unit in a sequence direction of the first sequence data and to calculate the degree of adaptation of the sample pattern for the standard pattern based on the first evaluation value and the second evaluation value; and
a control unit for changing the specified interval and causing the extraction unit and the judgment unit to re-work in a case where the quality of the adjustment calculated by the evaluation unit does not exceed a threshold, or to output information indicating the specified interval as indicate an interval corresponding to the standard pattern in a case where the quality of the adjustment calculated by the evaluation unit exceeds the threshold.

Vorteilhafte Wirkungen der ErfindungAdvantageous Effects of the Invention

In der vorliegenden Erfindung werden, in Bezug auf ein oder mehr Intervalle der Sequenzdaten, Bewertungen über eine Häufigkeit des Vorkommens eines Musters ähnlich den Daten jedes Intervalls in den Sequenzdaten und den Grad der Expansion oder Kontraktion des Musters in der Sequenzrichtung der Sequenzdaten durchgeführt. Anschließend wird auf der Grundlage der Ergebnisse beider Bewertungen bestimmt, ob oder ob nicht das jeweilige Intervall das Standardintervall des häufigen Vorkommens ist. Ein solches Bestimmungsverfahren ermöglicht die Auswahl des Standardintervalls des häufiges Vorkommens aus den Sequenzdaten.In the present invention, with respect to one or more intervals of the sequence data, evaluations of a frequency of occurrence of a pattern similar to the data of each interval in the sequence data and the degree of expansion or contraction of the pattern in the sequence direction of the sequence data are performed. Then, based on the results of both scores, it is determined whether or not the respective interval is the standard interval of frequent occurrence. Such a determination method allows selection of the standard interval of frequent occurrence from the sequence data.

Figurenliste list of figures

1 FIG. 10 is a block diagram illustrating a configuration of a pattern extracting device according to Embodiment 1. FIG.
2 FIG. 12 is a flowchart illustrating the operation of a calculation unit of the pattern extracting device according to Embodiment 1. FIG.
3 FIG. 15 is a diagram illustrating an example of a similarity matrix according to Embodiment 1. FIG.
4 FIG. 10 is a flowchart illustrating the operation of an analysis unit of the pattern extracting device according to Embodiment 1. FIG.
5 FIG. 15 is a diagram illustrating an example of a similarity sub-matrix according to Embodiment 1. FIG.
6 FIG. 14 is a diagram illustrating an example of paths according to Embodiment 1. FIG.
7 FIG. 15 is a diagram illustrating an example of calculation of a first evaluation value according to Embodiment 1. FIG.
8th FIG. 15 is a diagram illustrating an example of calculation of a second evaluation value according to Embodiment 1. FIG.

Beschreibung der AusführungsformenDescription of the embodiments

Im Folgenden wird eine Ausführungsform der vorliegenden Erfindung unter Verwendung der Zeichnungen beschrieben. In den Zeichnungen sind gleiche Teile oder entsprechende Teile mit identischen Bezugszeichen versehen. Bei der Beschreibung der Ausführungsform entfällt die Beschreibung der gleichen Teile oder der entsprechenden Teile oder wird entsprechend vereinfacht. Es ist zu beachten, dass die vorliegende Erfindung nicht durch die nachfolgend zu beschreibende Ausführungsform eingeschränkt werden soll, sondern gegebenenfalls auf verschiedene Weisen modifiziert werden kann. So kann beispielsweise die im Folgenden zu beschreibende Ausführungsform teilweise umgesetzt sein.Hereinafter, an embodiment of the present invention will be described using the drawings. In the drawings, like parts or corresponding parts are designated by identical reference numerals. In describing the embodiment, the description of the same parts or the corresponding parts will be omitted or simplified accordingly. It should be noted that the present invention should not be limited by the embodiment to be described hereinafter, but may be modified in various manners, if necessary. For example, the embodiment to be described below may be partially implemented.

Ausführungsform 1.Embodiment 1.

Die vorliegende Ausführungsform wird unter Verwendung der 1 bis 8 beschrieben.The present embodiment will be described using the 1 to 8th described.

Beschreibung der KonfigurationDescription of the configuration

Unter Bezugnahme auf 1 wird eine Konfiguration einer Musterextraktionseinrichtung 10 gemäß der Ausführungsform beschrieben.With reference to 1 becomes a configuration of a pattern extraction means 10 described according to the embodiment.

Die Musterextraktionseinrichtung 10 ist ein Computer. Die Musterextraktionseinrichtung 10 umfasst einen Prozessor 11 und andere Hardware, wie einen Speicher 12, eine Eingabeschnittstelle 13 und eine Ausgabeschnittstelle 14. Der Prozessor 11 ist über Signalleitungen mit der anderen Hardware verbunden, um die andere Hardware zu steuern.The pattern extractor 10 is a computer. The pattern extractor 10 includes a processor 11 and other hardware, like a memory 12 , an input interface 13 and an output interface 14 , The processor 11 is connected via signal lines to the other hardware to control the other hardware.

Die Musterextraktionseinrichtung 10 umfasst als funktionale Komponenten eine Berechnungseinheit 21, eine Selektionseinheit 22, eine Extraktionseinheit 23, eine Bewertungseinheit 24 und eine Steuereinheit 25. Die Selektionseinheit 22, die Extraktionseinheit 23, die Bewertungseinheit 24 und die Steuereinheit 25 bilden eine Analyseeinheit 26. Die Funktionen der Berechnungseinheit 21, der Selektionseinheit 22, der Extraktionseinheit 23, der Bewertungseinheit 24 und der Steuereinheit 25 werden durch Software realisiert.The pattern extractor 10 comprises as functional components a calculation unit 21 , a selection unit 22 , an extraction unit 23 , a valuation unit 24 and a control unit 25 , The selection unit 22 , the extraction unit 23 , the valuation unit 24 and the control unit 25 form an analysis unit 26 , The functions of the calculation unit 21 , the selection unit 22 , the extraction unit 23 , the valuation unit 24 and the control unit 25 are realized by software.

Der Prozessor 11 ist eine IC zur Ausführung verschiedener Prozesse. Der Begriff „IC“ ist eine Abkürzung für Integrated Circuit (= Integrierte Schaltung). Der Prozessor 11 ist zum Beispiel eine CPU. Der Begriff „CPU“ ist eine Abkürzung für Central Processing Unit (= Zentrale Verarbeitungseinheit).The processor 11 is an IC for performing various processes. The term "IC" is an abbreviation for Integrated Circuit. The processor 11 is for example a CPU. The term "CPU" is an abbreviation for Central Processing Unit.

Der Speicher 12 ist z.B. ein Flash-Speicher oder ein RAM. Der Begriff „RAM“ ist eine Abkürzung für Random Access Memory (= Direktzugriffsspeicher).The memory 12 is eg a flash memory or a RAM. The term "RAM" is an abbreviation for Random Access Memory (= Random Access Memory).

Die Eingabeschnittstelle 13 ist eine Schnittstelle zum Empfangen von Sequenzdaten, die von einem Sensor ausgegeben werden, um beispielsweise Messungen bei einer konstanten Probezeitdauer durchzuführen.The input interface 13 is an interface for receiving sequence data output from a sensor, for example, to make measurements at a constant probe time.

Die Ausgabeschnittstelle 14 ist eine Schnittstelle zum Schreiben eines Ergebnisses einer Analyse in eine Datei oder eine Schnittstelle zur Anzeige eines Ergebnisses einer Analyse beispielsweise auf einem Bildschirm.The output interface 14 is an interface for writing a result of an analysis into a file or an interface for displaying a result of an analysis, for example on a screen.

Im Speicher 12 ist ein Musterextraktionsprogramm gespeichert, das ein Programm zur Implementierung der Funktionen der Berechnungseinheit 21, der Selektionseinheit 22, der Extraktionseinheit 23, der Bewertungseinheit 24 und der Steuereinheit 25 ist. Das Musterextraktionsprogramm wird in den Prozessor 11 eingelesen und vom Prozessor 11 ausgeführt. Ein OS wird ebenfalls im Speicher 12 gespeichert. Der Begriff „OS“ ist eine Abkürzung für Operating System (=Betriebssystem). Der Prozessor 11 führt das Musterextraktionsprogramm während der Ausführung des OS aus. Ein Teil oder die Gesamtheit des Musterextraktionsprogramms kann in das Betriebssystem integriert sein.In the storage room 12 is stored a pattern extraction program, which is a program for implementing the functions of the calculation unit 21 , the selection unit 22 , the extraction unit 23 , the valuation unit 24 and the control unit 25 is. The pattern extraction program gets into the processor 11 read in and from the processor 11 executed. An OS is also in memory 12 saved. The term "OS" is an abbreviation for Operating System. The processor 11 executes the pattern extraction program during the execution of the OS. Some or all of the pattern extraction program may be integrated with the operating system.

Das Musterextraktionsprogramm und das OS können in einer Hilfsspeichereinrichtung gespeichert sein. Die Hilfsspeichereinrichtung ist z.B. ein Flash-Speicher oder ein HDD. Der Begriff „HDD“ ist eine Abkürzung für Hard Disk Drive (= Festplattenlaufwerk). Das Musterextraktionsprogramm und das OS, die in der Hilfsspeichereinrichtung gespeichert sind, werden in den Speicher 12 geladen und vom Prozessor 11 ausgeführt.The pattern extraction program and the OS may be stored in an auxiliary storage device. The auxiliary storage device is eg a flash memory or an HDD. The term "HDD" is a Abbreviation for Hard Disk Drive. The pattern extracting program and the OS stored in the auxiliary storage device are written in the memory 12 loaded and from the processor 11 executed.

Die Musterextraktionseinrichtung 10 kann eine Vielzahl von Prozessoren enthalten, die den Prozessor 11 ersetzen. Die Ausführung des Musterextraktionsprogramms ist auf die Vielzahl der Prozessoren verteilt. Jeder der Prozessoren ist ein IC, um verschiedene Prozesse, wie mit dem Prozessor 11, auszuführen.The pattern extractor 10 can contain a variety of processors that the processor 11 replace. The execution of the pattern extraction program is distributed among the plurality of processors. Each of the processors is an IC to different processes, as with the processor 11 to execute.

Informationen, Daten, Signalwerte und Variablenwerte, die Ergebnisse von Prozessen in der Berechnungseinheit 21, der Selektionseinheit 22, der Extraktionseinheit 23, der Bewertungseinheit 24 und der Steuereinheit 25 anzeigen, werden im Speicher 12, der Hilfsspeichereinrichtung oder einem Register oder einem Cache-Speicher im Prozessor 11 gespeichert.Information, data, signal values and variable values, the results of processes in the calculation unit 21 , the selection unit 22 , the extraction unit 23 , the valuation unit 24 and the control unit 25 Show will be in memory 12 , the auxiliary storage device or a register or a cache memory in the processor 11 saved.

Das Musterextraktionsprogramm kann auf einem tragbaren Speichermedium, wie einer magnetischen Platte und einer optischen Platte, gespeichert sein.The pattern extracting program may be stored on a portable storage medium such as a magnetic disk and an optical disk.

Beschreibung des BetriebsDescription of the operation

Unter Bezugnahme auf die 1 bis 8 wird der Betrieb der Musterextraktionseinrichtung 10 gemäß der Ausführungsform beschrieben. Der Betrieb der Musterextraktionseinrichtung 10 entspricht einem Musterextraktionsverfahren gemäß der Ausführungsform.With reference to the 1 to 8th becomes the operation of the pattern extraction means 10 described according to the embodiment. The operation of the pattern extractor 10 corresponds to a pattern extraction method according to the embodiment.

Die Musterextraktionseinrichtung 10 extrahiert ein Standardmuster, das in den ersten Sequenzdaten 31a iterativ erscheint, aus den zweiten Sequenzdaten 31b, durch den nachfolgend beschriebenen Betrieb. In der Ausführungsform werden die Sequenzdaten 31, die in die Musterextraktionseinrichtung 10 eingegeben werden, sowohl als die ersten Sequenzdaten 31a als auch als die zweiten Sequenzdaten 31b behandelt. Das heißt, die ersten Sequenzdaten 31a und die zweiten Sequenzdaten 31b sind die gleichen Sequenzdaten 31. Es ist jedoch nicht zwingend erforderlich, dass die ersten Sequenzdaten 31a und die zweiten Sequenzdaten 31b die gleichen Sequenzdaten 31 sind. Die ersten Sequenzdaten 31a und die zweiten Sequenzdaten 31b müssen nur Sequenzdaten 31 sein, in denen generierte Muster gleichartig sind, wie beispielsweise Sequenzdaten 31, die zu unterschiedlichen Zeiten erhalten wurden.The pattern extractor 10 extracts a standard pattern that is in the first sequence data 31a iteratively appears from the second sequence data 31b , by the operation described below. In the embodiment, the sequence data becomes 31 placed in the pattern extractor 10 be entered, as well as the first sequence data 31a as well as the second sequence data 31b treated. That is, the first sequence data 31a and the second sequence data 31b are the same sequence data 31 , However, it is not mandatory that the first sequence data 31a and the second sequence data 31b the same sequence data 31 are. The first sequence data 31a and the second sequence data 31b just need sequence data 31 in which generated patterns are similar, such as sequence data 31 that were obtained at different times.

Mit Bezug auf die 1, 2 und 3 wird der Betrieb der Berechnungseinheit 21 beschrieben.With reference to the 1 . 2 and 3 becomes the operation of the calculation unit 21 described.

In Schritt S101 empfängt die Berechnungseinheit 21 die Sequenzdaten 31 über die Eingabeschnittstelle 13.In step S101 receives the calculation unit 21 the sequence data 31 via the input interface 13 ,

In Schritt S102 teilt die Berechnungseinheit 21 die ersten Sequenzdaten 31a und die zweiten Sequenzdaten 31b in Frames fester Länge. Die Berechnungseinheit 21 berechnet eine Ähnlichkeitsmatrix 32, die eine Matrix ist, die den Ähnlichkeitsgrad SlM_ij zwischen den Frames für jede Kombination eines Frames der ersten Sequenzdaten 31a und eines Frames der zweiten Sequenzdaten 31b repräsentiert.In step S102 divides the calculation unit 21 the first sequence data 31a and the second sequence data 31b in fixed length frames. The calculation unit 21 computes a similarity matrix 32 , which is a matrix that indicates the degree of similarity SlM _ij between the frames for each combination of a frame of the first sequence data 31a and a frame of the second sequence data 31b represents.

Insbesondere berechnet die Berechnungseinheit 21 die Ähnlichkeitsgrade SlM_ij für alle Framekombinationen zwischen den ersten Sequenzdaten 31a und den zweiten Sequenzdaten 31b und erzeugt so die Ähnlichkeitsmatrix 32. Die zu vergleichenden ersten Sequenzdaten 31a und zweiten Sequenzdaten 31b sind die gleichen Sequenzdaten 31, die in Schritt S101 empfangen wurden. In 3 wird als konkretes Beispiel die Ähnlichkeitsmatrix 32 mit einem Kontrast basierend auf den Ähnlichkeitsgraden SlM_ij ausgedrückt. In der Zeichnung bezeichnet „T“ eine Sequenzrichtung der Sequenzdaten 31. „T“ entspricht der Zeit, in einem Fall, wo die Sequenzdaten 31 Zeitreihendaten sind.In particular, the calculation unit calculates 21 the similarity levels SlM _ij for all frame combinations between the first sequence data 31a and the second sequence data 31b and thus generates the similarity matrix 32 , The first sequence data to be compared 31a and second sequence data 31b are the same sequence data 31 that in step S101 were received. In 3 becomes the concrete example of the similarity matrix 32 with a contrast based on the degrees of similarity SlM _ij expressed. In the drawing, "T" denotes a sequence direction of the sequence data 31 , "T" equals time, in a case where the sequence data 31 Time series data are.

Obwohl irgendein Verfahren als ein Verfahren zum Berechnen der Ähnlichkeitsgrade SlM_ij für die Werte Fi und Fj von zwei zu vergleichenden Frames verwendet werden kann, wird in der Ausführungsform ein Verfahren verwendet, bei dem eine solche Kosinusähnlichkeit wie der folgende Ausdruck verwendet wird. $S I M_{i j} = \frac{F i • F j}{‖ F i ‖ ‖ F j ‖}$

Although any method as a method for calculating the degrees of similarity SlM _ij For the values Fi and Fj of two frames to be compared, in the embodiment, a method using such a cosine similarity as the following expression is used.

S I M_{i j} = \frac{F i • F j}{‖ F i ‖ ‖ F j ‖}

Fi bezeichnet einen Wert, dem ein i-ter Frame der zweiten Sequenzdaten 31b hat. Fj bezeichnet einen Wert, den ein j-ter Frame der ersten Sequenzdaten 31a hat. Eindimensionale Daten oder mehrdimensionale Daten dürfen Fi und Fj sein.Fi denotes a value to which an i-th frame of the second sequence data 31b Has. Fj denotes a value which is a jth frame of the first sequence data 31a Has. One-dimensional data or multi-dimensional data may be Fi and Fj.

In Schritt S103 schreibt die Berechnungseinheit 21 die in Schritt S102 berechnete Ähnlichkeitsmatrix 32 in den Speicher 12.In step S103 writes the calculation unit 21 the in step S102 calculated similarity matrix 32 in the store 12 ,

In Bezug auf 1 und 4 bis 8 wird der Betrieb der Analyseeinheit 26 beschrieben.In relation to 1 and 4 to 8th becomes the operation of the analysis unit 26 described.

In Schritt S201 liest die Selektionseinheit 22 die Ähnlichkeitsmatrix 32 aus dem Speicher 12.In step S201 reads the selection unit 22 the similarity matrix 32 from the store 12 ,

In Schritt S202 stellt die Selektionseinheit 22 ein Intervall (T_start , T_end ), das durch einen von der Steuereinheit 25 ausgegebenen Intervallparameter 36 angezeigt wird, für die in Schritt S201 gelesene Ähnlichkeitsmatrix 32 ein. Der Intervallparameter 36 ist ein Parameter, der Kandidaten für das Standardintervall des häufigen Vorkommens spezifiziert.In step S202 Represents the selection unit 22 an interval ( T _start . T _end ) by one of the control unit 25 output interval parameters 36 is displayed for in step S201 read similarity matrix 32 one. The interval parameter 36 is a parameter that specifies candidates for the standard frequency of frequent occurrence.

In Schritt S203 wählt die Selektionseinheit 22 eine Ähnlichkeitssubmatrix 33 aus, die eine Submatrix ist, die dem spezifizierten Intervall der durch Berechnungseinheit 21 berechneten Ähnlichkeitsmatrix 32 entspricht.In step S203 selects the selection unit 22 a similarity sub-matrix 33 which is a sub-matrix corresponding to the specified interval of the calculation unit 21 calculated similarity matrix 32 equivalent.

Insbesondere extrahiert die Selektionseinheit 22 die Submatrix, die dem in Schritt S202 eingestellten Intervall (T_start , T_end ) entspricht, als die Ähnlichkeitssubmatrix 33 aus der in Schritt S201 gelesenen Ähnlichkeitsmatrix 32 aus. Die Selektionseinheit 22 schreibt die extrahierte Ähnlichkeitssubmatrix 33 in den Speicher 12. In 5 wird als konkretes Beispiel ein Prozess des Extrahierens der Ähnlichkeitssubmatrix 33 basierend auf dem Intervallparameter 36 aus der Ähnlichkeitsmatrix 32 visuell ausgedrückt.In particular, the selection unit extracts 22 the submatrix that's in step S202 set interval ( T _start . T _end ), as the similarity sub-matrix 33 out of step S201 read similarity matrix 32 out. The selection unit 22 writes the extracted similarity sub-matrix 33 in the store 12 , In 5 becomes a concrete example of a process of extracting the similarity sub-matrix 33 based on the interval parameter 36 from the similarity matrix 32 visually expressed.

In Schritt S204 extrahiert die Extraktionseinheit 23 ein Muster ähnlich einem Probemuster, das Daten des spezifizierten Intervalls in den zweiten Sequenzdaten 31b sind, aus den ersten Sequenzdaten 31a. Obwohl irgendein Verfahren, bei dem die Expansion oder Kontraktion in der Sequenzrichtung der ersten Sequenzdaten 31a betrachtet wird, als ein Verfahren des Extrahierens des Musters ähnlich dem Probemuster verwendet werden kann, wird in der Ausführungsform ein Verfahren mit Berechnung von Pfaden 34 aus der Ähnlichkeitssubmatrix 33 verwendet. Das heißt, die Extraktionseinheit 23 berechnet die Pfade 34, die Elemente verfolgen, die Kombinationen der Frames der zweiten Sequenzdaten 31b und der Frames der ersten Sequenzdaten 31a entsprechen, die den Frames der zweiten Sequenzdaten 31b in der durch die Selektionseinheit 22 ausgewählten Ähnlichkeitssubmatrix 33 ähnlich sind. Die Pfade 34 entsprechen Informationen, die eine Korrespondenzbeziehung ähnlicher Frames zwischen dem Probemuster darstellen, das die Daten des spezifizierten Intervalls in den zweiten Sequenzdaten 31b und den ersten Sequenzdaten 31a sind. Ein Intervall, das zwischen einem Startpunkt und einem Endpunkt eines Pfades 34 liegt und sich in der Sequenzrichtung der ersten Sequenzdaten 31a erstreckt, wird als „ähnliches Intervall“ bezeichnet.In step S204 extracts the extraction unit 23 a pattern similar to a sample pattern, the data of the specified interval in the second sequence data 31b are, from the first sequence data 31a , Although any method in which the expansion or contraction in the sequence direction of the first sequence data 31a is considered as a method of extracting the pattern similar to the sample pattern can be used, in the embodiment, a method with calculation of paths 34 from the similarity sub-matrix 33 used. That is, the extraction unit 23 calculates the paths 34 that track elements, the combinations of the frames of the second sequence data 31b and the frames of the first sequence data 31a match the frames of the second sequence data 31b in the by the selection unit 22 selected similarity sub-matrix 33 are similar. The paths 34 Corresponds to information representing a correspondence relationship of similar frames between the sample pattern containing the data of the specified interval in the second sequence data 31b and the first sequence data 31a are. An interval between a start point and an end point of a path 34 lies and in the sequence direction of the first sequence data 31a extends is referred to as a "similar interval".

Insbesondere liest die Extraktionseinheit 23 die Ähnlichkeitssubmatrix 33 aus dem Speicher 12 aus. Die Extraktionseinheit 23 extrahiert die Pfade 34, wie ein Beispiel von 6, indem sie einen Prozess ausführt, bei dem eine Teilsequenzvergleichstechnik eines in der Patentliteratur 2 offenbarten „Datenstromüberwachungsverfahrens“ angewendet wird. Die Extraktionseinheit 23 schreibt die extrahierten Pfade 34 in den Speicher 12.In particular, the extraction unit reads 23 the similarity sub-matrix 33 from the store 12 out. The extraction unit 23 extracts the paths 34 as an example of 6 by performing a process applying a subsequence comparison technique of a "data stream monitoring method" disclosed in Patent Literature 2. The extraction unit 23 writes the extracted paths 34 in the store 12 ,

Dabei wird davon ausgegangen, dass die ersten Sequenzdaten 31a Sequenzdaten X = (x1, x2, ..., xn) mit einer Länge n sind. Es wird davon ausgegangen, dass das Probemuster, das die Daten des spezifizierten Intervalls in den zweiten Sequenzdaten 31b sind, Sequenzdaten Y = (y1, y2, ..., yn) mit einer Länge m sind. Es wird davon ausgegangen, dass 1 ≤ s < e ≤ n gilt. Beim Extrahieren von Teilsequenzdaten ähnlich den Sequenzdaten Y aus Sequenzdaten X, extrahiert die Extraktionseinheit 23 Kandidaten für optimale Pfade, indem die DTW-Anpassung mit den Sequenzdaten Y auf alle Teilsequenzdaten X[s:e] = (xs, xs+1, ..., xe) angewendet wird, die aus den Sequenzdaten X erhalten werden können. Falls nach der Extraktion der Kandidaten eine Vielzahl von benachbarten Pfaden in der Sequenzrichtung der Sequenzdaten X vorhanden sind, extrahiert die Extraktionseinheit 23 nur wahrscheinlichere Pfade, indem eine Auswahl basierend auf den Pfaden zugeordneten Pfaddistanzinformationen vorgenommen wird. Die Extraktionseinheit 23 schreibt die Pfade als Pfade 34 in den Speicher 12.It is assumed that the first sequence data 31a Sequence data X = (x1, x2, ..., xn) are of a length n. It is assumed that the sample pattern containing the data of the specified interval in the second sequence data 31b are, sequence data Y = (y1, y2, ..., yn) are of a length m. It is assumed that 1 ≦ s <e ≦ n. When extracting partial sequence data similar to the sequence data Y from sequence data X, the extraction unit extracts 23 Optimal path candidates by applying the DTW fit with the sequence data Y to all the subsequence data X [s: e] = (xs, xs + 1, ..., xe) that can be obtained from the sequence data X. If, after the extraction of the candidates, there are a plurality of adjacent paths in the sequence direction of the sequence data X, the extraction unit extracts 23 only more probable paths by making a selection based on path-distance information associated with the paths. The extraction unit 23 writes the paths as paths 34 in the store 12 ,

In Schritt S205 berechnet die Bewertungseinheit 24 einen ersten Bewertungswert E₁ , der eine Häufigkeit des Vorkommens des durch die Extraktionseinheit 23 extrahierten Musters in den ersten Sequenzdaten 31a repräsentiert. In der Ausführungsform berechnet die Bewertungseinheit 24 den ersten Bewertungswert E1 basierend auf den durch die Extraktionseinheit 23 berechneten Pfaden 34.In step S205 calculates the valuation unit 24 a first rating E ₁ , the frequency of occurrence of the by the extraction unit 23 extracted pattern in the first sequence data 31a represents. In the embodiment, the evaluation unit calculates 24 the first rating E1 based on the through the extraction unit 23 calculated paths 34 ,

Insbesondere liest die Bewertungseinheit 24 die Pfade 34 aus dem Speicher 12 aus und berechnet den ersten Bewertungswert E₁ unter Verwendung des folgenden Ausdrucks: $E_{1} (P a t h_{1}, P a t h_{2}, \dots) = \frac{1}{N} \sum_{k}^{N - 1} {P a t h_{k + 1_s t a r t} - P a t h_{k_e n d}}^{2}$

(Path = Pfad; end = Ende; start = Start)In particular, the valuation unit reads 24 the paths 34 from the store 12 and calculates the first score E ₁ using the following expression:

e_{1} (P a t H_{1} . P a t H_{2} . ...) = \frac{1}{N} Σ_{k}^{N - 1} {P a t H_{k + 1_s t a r t} - P a t H_{k_e n d}}^{2}

(Path = path; end = end; start = start)

Der erste Bewertungswert E₁ ist ein Bewertungswert, der eine durchschnittliche Länge der Lücken zwischen den benachbarten Pfaden 34 oder überlappende Intervalle der benachbarten Pfade 34, wie in 7 dargestellt, repräsentiert. Das heißt, der erste Bewertungswert E₁ ist ein Bewertungswert, der einen durchschnittlichen Abstand zwischen den benachbarten ähnlichen Intervallen oder eine durchschnittliche Breite von Überlappungen zwischen den ähnlichen Intervallen repräsentiert. Je mehr sich das durch den Intervallparameter 36 bestimmte Intervall dem Intervall des häufigen Vorkommens annähert, desto kleiner ist der erste Bewertungswert E₁ . Das bedeutet, dass Strafen (Penalties) für die Lücken und die Überlappungen zwischen den ähnlichen Intervallen auferlegt werden.The first rating E ₁ is an evaluation value that has an average length of gaps between adjacent paths 34 or overlapping intervals of the adjacent paths 34 , as in 7 represented, represented. That is, the first evaluation value E ₁ is an evaluation value representing an average distance between the adjacent similar intervals or an average width of overlaps between the similar intervals. The more that through the interval parameter 36 If the interval approaches the interval of frequent occurrence, the smaller the first score E ₁ , This means that penalties are imposed on the gaps and overlaps between similar intervals.

Somit berechnet die Bewertungseinheit 24 als den ersten Bewertungswert E₁ einen Wert, der einen geringeren Grad repräsentiert, wenn Abstände zwischen den Intervallen in den ersten Sequenzdaten 31a, wo die durch die Extraktionseinheit 23 berechneten Pfade 34 vorhanden sind, größer werden. Die Bewertungseinheit 24 berechnet als den ersten Bewertungswert E₁ einen Wert, der einen geringeren Grad repräsentiert, wenn Überlappungen zwischen Intervallen in den ersten Sequenzdaten 31a, wo die durch die Extraktionseinheit 23 berechneten Pfade 34 vorhanden sind, größer werden. Thus, the valuation unit calculates 24 as the first rating E ₁ a value representing a lesser degree when intervals between the intervals in the first sequence data 31a where the through the extraction unit 23 calculated paths 34 are present, get bigger. The valuation unit 24 calculated as the first rating E ₁ a value representing a lesser degree when overlaps between intervals in the first sequence data 31a where the through the extraction unit 23 calculated paths 34 are present, get bigger.

In Schritt S206 berechnet die Bewertungseinheit 24 einen zweiten Bewertungswert E₂ , der einen Grad der Expansion oder Kontraktion des durch die Extraktionseinheit 23 extrahierten Musters in der Sequenzrichtung der ersten Sequenzdaten 31a repräsentiert. In der Ausführungsform berechnet die Bewertungseinheit 24 den zweiten Bewertungswert E₂ basierend auf den durch die Extraktionseinheit 23 berechneten Pfaden 34.In step S206 calculates the valuation unit 24 a second rating value E ₂ that has a degree of expansion or contraction by the extraction unit 23 extracted pattern in the sequence direction of the first sequence data 31a represents. In the embodiment, the evaluation unit calculates 24 the second rating E ₂ based on the through the extraction unit 23 calculated paths 34 ,

Insbesondere berechnet die Bewertungseinheit 24 den zweiten Bewertungswert E₂ unter Verwendung des folgenden Ausdrucks: $E_{2} (P a t h_{1}, P a t h_{2}, \dots) = \frac{1}{N} \sum_{k}^{N} S_{k}$

(Path = Pfad)In particular, the valuation unit calculates 24 the second rating E ₂ using the following expression:

e_{2} (P a t H_{1} . P a t H_{2} . ...) = \frac{1}{N} Σ_{k}^{N} S_{k}

(Path = path)

Der zweite Bewertungswert E₂ ist ein Bewertungswert, der einen Durchschnitt aus Flächen von Bereichen darstellt, die jeweils durch eine Diagonale eines rechteckigen Bereichs gebildet werden, die durch den Startpunkt und den Endpunkt jedes Pfades 34 und den Pfad 34 selbst definiert ist, wie in 8 dargestellt. Das heißt, der erste Bewertungswert E₁ ist ein Bewertungswert, der die durchschnittliche Fläche der Bereiche repräsentiert, die jeweils zwischen der Diagonale und dem Pfad 34 in jedem ähnlichen Intervall definiert sind. Je mehr das durch den Intervallparameter 36 definierte Intervall dem Standard entspricht, desto kleiner ist der zweite Bewertungswert E₂ . Das bedeutet, dass Belohnungen (Rewards) entsprechend der Gleichmäßigkeit (Smoothness) der Pfade 34 vergeben werden.The second rating E ₂ is an evaluation value representing an average of areas of areas each formed by a diagonal of a rectangular area passing through the start point and the end point of each path 34 and the path 34 itself is defined as in 8th shown. That is, the first evaluation value E ₁ is an evaluation value representing the average area of the areas, each between the diagonal and the path 34 are defined in each similar interval. The more that through the interval parameter 36 defined interval corresponds to the standard, the smaller is the second evaluation value E ₂ , This means that rewards (Rewards) according to the smoothness of the paths 34 be forgiven.

Somit berechnet die Bewertungseinheit 24 als den zweiten Bewertungswert E₂ einen Wert, der einen geringeren Grad repräsentiert, wenn sich die durch die Extraktionseinheit 23 berechneten Pfade 34 den Geraden annähern.Thus, the valuation unit calculates 24 as the second rating E ₂ a value representing a lesser degree when passing through the extraction unit 23 calculated paths 34 approach the straight line.

In Schritt S207 berechnet die Bewertungseinheit 24 die Güte der Anpassung 35 des Probemusters für das Standardmuster basierend auf dem ersten Bewertungswert E₁ und dem zweiten Bewertungswert E₂ .In step S207 calculates the valuation unit 24 the goodness of the adaptation 35 the sample pattern for the standard pattern based on the first evaluation value E ₁ and the second rating value E ₂ ,

Insbesondere berechnet die Bewertungseinheit 24 Score(T_start , T_end ) unter Verwendung des folgenden Ausdrucks und gibt Score(T_start , T_end ) als Güte der Anpassung an die Steuereinheit 25 aus. $S c o r e (T_{s t a r t}, T_{e n d}) = α / (E_{1} + δ) + β / (E_{2} + δ)$

(Score = Bewertung, start= Start; end = Ende)In particular, the valuation unit calculates 24 Score ( T _start . T _end ) using the following expression and gives score ( T _start . T _end ) as the quality of the adaptation to the control unit 25 out.

S c O r e (T_{s t a r t} . T_{e n d}) = α / (e_{1} + δ) + β / (e_{2} + δ)

(Score = rating, start = start; end = end)

α ist ein voreingestellter Parameter für den ersten Bewertungswert E₁ . B ist ein voreingestellter Parameter für den zweiten Bewertungswert E₂ . δ ist eine Konstante zur Verhinderung eines Nullteilers.α is a default parameter for the first score E ₁ , B is a default parameter for the second score E ₂ , δ is a constant for preventing a zero divider.

Somit berechnet die Bewertungseinheit 24 als Güte der Anpassung 35 des Probemusters für das Standardmuster einen kleineren Wert, wenn die Häufigkeit des Vorkommens, die durch den ersten Bewertungswert E₁ repräsentiert ist, geringer wird. Die Bewertungseinheit 24 berechnet als die Güte der Anpassung 35 des Probemusters für das Standardmuster einen größeren Wert, wenn der Grad der Expansion oder der Kontraktion, der durch den zweiten Bewertungswert E₂ repräsentiert ist, geringer wird.Thus, the valuation unit calculates 24 as goodness of adaptation 35 of the sample pattern for the standard pattern has a smaller value if the frequency of occurrence by the first evaluation value E ₁ is represented, is less. The valuation unit 24 calculated as the goodness of the adjustment 35 of the sample pattern for the standard pattern has a greater value if the degree of expansion or contraction caused by the second evaluation value E ₂ is represented, is less.

In Schritt S208 vergleicht die Steuereinheit 25 die Güte der Anpassung 35, die von der Bewertungseinheit 24 in Schritt S207 empfangen wurde, mit der maximalen Güte der Anpassung. Ein Ausgangswert der maximalen Güte der Anpassung ist der kleinste Wert. Falls die Güte der Anpassung 35 die höhere ist, führt die Steuereinheit 25 einen Aktualisierungsprozess des Schrittes S209 durch. Falls die Güte der Anpassung 35 gleich hoch ist wie oder geringer ist als die maximale Güte der Anpassung, führt die Steuereinheit 25 einen Bestimmungsprozess des Schrittes S211 durch.In step S208 compares the control unit 25 the goodness of the adaptation 35 by the valuation unit 24 in step S207 was received, with the maximum goodness of the adjustment. An initial value of the maximum quality of the fit is the smallest value. If the goodness of the adjustment 35 the higher is the control unit 25 an update process of the step S209 by. If the goodness of the adjustment 35 is equal to or less than the maximum quality of fit, the control unit performs 25 a determination process of the step S211 by.

In Schritt S209 aktualisiert die Steuereinheit 25 die maximale Güte der Anpassung mit der Güte der Anpassung 35, die von der Bewertungseinheit 24 in Schritt S207 empfangen wurde. Die Steuereinheit 25 aktualisiert dann einen optimalen Intervallparameter 37 mit dem in Schritt S202 verwendeten Intervallparameter 36. Ein Ausgangswert des optimalen Intervallparameters 37 ist ein bedeutungsloser Wert.In step S209 updates the control unit 25 the maximum quality of the adjustment with the quality of the adjustment 35 by the valuation unit 24 in step S207 was received. The control unit 25 then updates an optimal interval parameter 37 with the in step S202 used interval parameters 36 , An initial value of the optimal interval parameter 37 is a meaningless value.

In Schritt S210 vergleicht die Steuereinheit 25 die maximale Güte der Anpassung mit einem vorherbestimmten Schwellenwert. In einem Fall, wo die maximale Güte der Anpassung höher als der Schwellenwert ist, führt die Steuereinheit 25 einen Ausgabeprozess des Schrittes S212 durch. In einem Fall, wo die maximale Güte der Anpassung gleich hoch ist wie oder geringer ist als der Schwellenwert, führt die Steuereinheit 25 den Bestimmungsprozess des Schrittes S211 durch.In step S210 compares the control unit 25 the maximum quality of fit with a predetermined threshold. In a case where the maximum quality of fit is higher than the threshold, the control unit performs 25 an output process of the step S212 by. In a case where the maximum quality of fit is equal to or less than the threshold, it results the control unit 25 the determination process of the step S211 by.

In Schritt S211 vergleicht die Steuereinheit 25 eine Anzahl von Versuchen mit einer vorherbestimmten maximalen Anzahl von Versuchen. Die Anzahl der Versuche stellt eine Anzahl der Male dar, die die Prozesse der Schritte S201 bis S207 bis zu diesem Zeitpunkt wiederholt wurden. Die Analyseeinheit 26 führt die Prozesse des Schrittes S201 und später neu durch, nur wenn die Anzahl der Versuche kleiner als die maximale Anzahl der Versuche ist. In diesem Fall stellt die Steuereinheit 25 einen bisher nicht verwendeten Parameter als den Intervallparameter 36 ein, der im nachfolgenden Schritt S202 verwendet werden soll. Das heißt, die Steuereinheit 25 ändert den Intervallparameter 36. Der anfänglich einzustellende Intervallparameter 36 kann ein beliebiger Parameter sein. Ein Verfahren zum Ändern des Intervallparameters 36 kann ein beliebiges Verfahren sein. In einem konkreten Beispiel kann ein vorausliegendes Intervall als der anfänglich einzustellende Intervallparameter 36 und ein Intervall nach dem zuletzt spezifizierten Intervall danach spezifiziert werden, jedes Mal, wenn eine Änderung des Intervallparameters 36 erforderlich ist. In einem Fall, wo die Anzahl der Versuche gleich der maximalen Anzahl der Versuche ist, führt die Steuereinheit 25 den Ausgabeprozess von Schritt S212 durch.In step S211 compares the control unit 25 a number of trials with a predetermined maximum number of trials. The number of trials represents a number of times the processes of the steps S201 to S207 were repeated until that time. The analysis unit 26 leads the processes of the step S201 and later, only if the number of trials is less than the maximum number of trials. In this case, the control unit stops 25 a previously unused parameter as the interval parameter 36 one in the subsequent step S202 should be used. That is, the control unit 25 changes the interval parameter 36 , The initially set interval parameter 36 can be any parameter. A method for changing the interval parameter 36 can be any method. In a concrete example, a predefined interval may be the interval parameter to be initially set 36 and an interval after the last specified interval is specified thereafter every time a change of the interval parameter occurs 36 is required. In a case where the number of trials is equal to the maximum number of trials, the control unit performs 25 the output process of step S212 by.

In Schritt S212 gibt die Steuereinheit 25 den optimalen Intervallparameter 37 als Information über das Analyseergebnis an die Ausgabeschnittstelle 14 aus.In step S212 gives the control unit 25 the optimal interval parameter 37 as information about the analysis result to the output interface 14 out.

In einem Fall, wo die durch die Bewertungseinheit 24 berechnete Güte der Anpassung 35 den Schwellenwert nicht überschreitet, ändert die Steuereinheit 25 dementsprechend das in Schritt S202 anzuwendende spezifizierte Intervall und veranlasst die Extraktionseinheit 23 und die Bewertungseinheit 24, neu zu arbeiten. Überschreitet dagegen die durch die Bewertungseinheit 24 berechnete Güte der Anpassung 35 den Schwellenwert, gibt die Steuereinheit 25 Informationen, die das in Schritt S202 angewandte spezifizierte Intervall als ein Intervall entsprechend dem Standardmuster anzeigen, aus.In a case where by the appraisal unit 24 calculated goodness of fit 35 does not exceed the threshold, the controller changes 25 accordingly in step S202 apply specified interval and cause the extraction unit 23 and the valuation unit 24 to work new. On the other hand, exceeds the by the valuation unit 24 calculated goodness of fit 35 the threshold, gives the control unit 25 Information that in step S202 display the specified interval as an interval corresponding to the default pattern.

Beschreibung der Wirkungen der AusführungsformDescription of the effects of the embodiment

In der Ausführungsform werden, in Bezug auf ein oder mehr Intervalle in den Sequenzdaten 31, Auswertungen über eine Häufigkeit des Vorkommens eines Musters ähnlich den Daten jedes Intervalls in den Sequenzdaten 31 und den Grad der Expansion oder Kontraktion des Musters in der Sequenzrichtung der Sequenzdaten 31 durchgeführt. Anschließend wird anhand der Ergebnisse beider Bewertungen bestimmt, ob das jeweilige Intervall das Standardintervall für häufiges Vorkommen ist oder nicht. Ein solches Bestimmungsverfahren ermöglicht die Auswahl des Standardintervalls des häufigen Vorkommens aus den Sequenzdaten 31. Die Daten des ausgewählten Intervalls entsprechen dem Standardmuster.In the embodiment, with respect to one or more intervals in the sequence data 31 , Evaluations of a frequency of occurrence of a pattern similar to the data of each interval in the sequence data 31 and the degree of expansion or contraction of the pattern in the sequence direction of the sequence data 31 carried out. Then, based on the results of both evaluations, it is determined whether or not the interval is the default frequent occurrence interval. Such a determination method allows selection of the standard interval of frequent occurrence from the sequence data 31 , The data of the selected interval correspond to the standard pattern.

Gemäß der Ausführungsform kann das Standardmuster, das ein Muster ist, das andere ähnliche Muster, die in den eingegebenen Sequenzdaten 31 mit geringerer partieller Expansion oder Kontraktion in der Sequenzrichtung enthalten sind, approximieren kann, aus den Sequenzdaten 31 extrahiert werden.According to the embodiment, the standard pattern that is one pattern may have the other similar pattern included in the inputted sequence data 31 with less partial expansion or contraction in the sequence direction, can approximate from the sequence data 31 be extracted.

In der Ausführungsform, wenn das Intervall des häufigen Vorkommens extrahiert wird, wird die Berechnung der Güte der Anpassung 35, die so konzipiert ist, dass die Strafen für das nicht-dem-Standard-entsprechen auferlegt werden, durchgeführt und die Intervallkandidaten werden ausgewählt. Dabei bedeutet das dem-Standard-nicht-entsprechende Intervall des häufigen Vorkommens, dass eine große partielle Expansion oder Kontraktion in der Sequenzrichtung der Sequenzdaten 31 erforderlich ist, wenn andere ähnliche Muster, die in den eingegebenen Sequenzdaten 31 enthalten sind, approximiert werden sollen.In the embodiment, when the frequent occurrence interval is extracted, the calculation of the goodness of fit becomes 35 , which is designed to impose penalties for non-standard compliance, and the interval candidates are selected. Here, the non-standard interval of frequent occurrence means that a large partial expansion or contraction in the sequence direction of the sequence data 31 is required if other similar patterns appear in the entered sequence data 31 are to be approximated.

Gemäß der Ausführungsform ist die Auswahl des Intervalls des häufigen Vorkommens, durch das die Sequenzdaten 31, die als Iteration eines bestimmten Musters ausgedrückt werden, mit geringerer partieller Expansion oder Kontraktion ausgedrückt werden können, ermöglicht.According to the embodiment, the selection of the frequent occurrence interval by which the sequence data is 31 , which can be expressed as an iteration of a particular pattern, can be expressed with less partial expansion or contraction.

Andere KonfigurationenOther configurations

Obwohl die Funktionen der Berechnungseinheit 21, der Selektionseinheit 22, der Extraktionseinheit 23, der Bewertungseinheit 24 und der Steuereinheit 25 in der Ausführungsform durch die Software implementiert sind, können die Funktionen der Berechnungseinheit 21, der Selektionseinheit 22, der Extraktionseinheit 23, der Bewertungseinheit 24 und der Steuereinheit 25 in einer Modifikation durch eine Kombination von Software und Hardware implementiert sein. Das heißt, ein Teil der Funktionen der Berechnungseinheit 21, der Selektionseinheit 22, der Extraktionseinheit 23, der Bewertungseinheit 24 und der Steuereinheit 25 kann durch dedizierte elektronische Schaltungen implementiert sein und der Rest durch Software implementiert sein.Although the functions of the calculation unit 21 , the selection unit 22 , the extraction unit 23 , the valuation unit 24 and the control unit 25 In the embodiment, implemented by the software, the functions of the calculation unit 21 , the selection unit 22 , the extraction unit 23 , the valuation unit 24 and the control unit 25 implemented in a modification by a combination of software and hardware. That is, part of the functions of the calculation unit 21 , the selection unit 22 , the extraction unit 23 , the valuation unit 24 and the control unit 25 may be implemented by dedicated electronic circuits and the remainder implemented by software.

Die dedizierten elektronischen Schaltungen sind beispielsweise Einzelschaltungen, Verbundschaltungen, programmierte Prozessoren, parallel programmierte Prozessoren, Logik-ICs, GAs, FPGAs oder ASICs. Der Begriff „GA“ ist eine Abkürzung für Gate Array. Der Begriff „FPGA“ ist eine Abkürzung für Field-Programmable Gate Array. Der Begriff „ASIC“ ist eine Abkürzung für Application Specific Integrated Circuit.The dedicated electronic circuits are, for example, single circuits, composite circuits, programmed processors, parallel programmed processors, logic ICs, GAs, FPGAs or ASICs. The term "GA" is an abbreviation for Gate Array. The term "FPGA" is an abbreviation for Field Programmable Gate Array. The term "ASIC" is an abbreviation for Application Specific Integrated Circuit.

Der Prozessor 11, der Speicher 12 und die dedizierten elektronischen Schaltungen werden zusammenfassend als „Verarbeitungsschaltkreis“ bezeichnet. Das heißt, die Funktionen der Berechnungseinheit 21, der Selektionseinheit 22, der Extraktionseinheit 23, der Bewertungseinheit 24 und der Steuereinheit 25 sind durch die Verarbeitungsschaltung implementiert, unabhängig davon, ob die Funktionen der Berechnungseinheit 21, der Selektionseinheit 22, der Extraktionseinheit 23, der Bewertungseinheit 24 und der Steuereinheit 25 durch Software implementiert sind oder durch eine Kombination aus Software und Hardware implementiert sind.The processor 11 , the memory 12 and the dedicated electronic circuits are collectively referred to as "processing circuitry". That is, the functions of the calculation unit 21 , the selection unit 22 , the extraction unit 23 , the valuation unit 24 and the control unit 25 are implemented by the processing circuit, regardless of whether the functions of the calculation unit 21 , the selection unit 22 , the extraction unit 23 , the valuation unit 24 and the control unit 25 implemented by software or implemented by a combination of software and hardware.

Die „Einrichtung“ der Musterextraktionseinrichtung 10 kann als „Verfahren“ und die „Einheit“ der Berechnungseinheit 21, der Selektionseinheit 22, der Extraktionseinheit 23, der Bewertungseinheit 24 und der Steuereinheit 25 als „Schritt“ gelesen werden. Alternativ kann die „Einrichtung“ der Musterextraktionseinrichtung 10 als „Programm“, „Programmprodukt“ oder „computerlesbares Medium mit einem darin aufgezeichneten Programm“ gelesen werden und die „Einheit“ der Berechnungseinheit 21, der Selektionseinheit 22, der Extraktionseinheit 23, der Bewertungseinheit 24 und der Steuereinheit 25 kann als „Verfahren“ oder „Prozess“ gelesen werden.The "device" of the pattern extraction device 10 can be called the "procedure" and the "unit" of the calculation unit 21 , the selection unit 22 , the extraction unit 23 , the valuation unit 24 and the control unit 25 be read as a "step". Alternatively, the "means" of the pattern extractor 10 as "program", "program product" or "computer-readable medium with a program recorded therein" and the "unit" of the calculation unit 21 , the selection unit 22 , the extraction unit 23 , the valuation unit 24 and the control unit 25 can be read as a "procedure" or "process".

BezugszeichenlisteLIST OF REFERENCE NUMBERS

10: Musterextraktionseinrichtung; 11: Prozessor; 12: Speicher; 13: Eingabeschnittstelle; 14: Ausgabeschnittstelle; 21: Berechnungseinheit; 22: Selektionseinheit; 23: Extraktionseinheit; 24: Bewertungseinheit; 25: Steuereinheit; 26: Analyseeinheit; 31: Sequenzdaten; 31a: erste Sequenzdaten; 31b: zweite Sequenzdaten; 32: Ähnlichkeitsmatrix; 33: Ähnlichkeitssubmatrix; 34: Pfad; 35: Güte der Anpassung; 36: Intervallparameter; 37: optimaler Intervallparameter10: pattern extraction means; 11: processor; 12: memory; 13: input interface; 14: output interface; 21: calculation unit; 22: selection unit; 23: extraction unit; 24: valuation unit; 25: control unit; 26: analysis unit; 31: sequence data; 31a: first sequence data; 31b: second sequence data; 32: similarity matrix; 33: similarity sub-matrix; 34: path; 35: quality of adaptation; 36: interval parameter; 37: optimal interval parameter

ZITATE ENTHALTEN IN DER BESCHREIBUNG QUOTES INCLUDE IN THE DESCRIPTION

Diese Liste der vom Anmelder aufgeführten Dokumente wurde automatisiert erzeugt und ist ausschließlich zur besseren Information des Lesers aufgenommen. Die Liste ist nicht Bestandteil der deutschen Patent- bzw. Gebrauchsmusteranmeldung. Das DPMA übernimmt keinerlei Haftung für etwaige Fehler oder Auslassungen.This list of the documents listed by the applicant has been generated automatically and is included solely for the better information of the reader. The list is not part of the German patent or utility model application. The DPMA assumes no liability for any errors or omissions.

Zitierte PatentliteraturCited patent literature

WO 2013/051101 [0002]
JP 2008134706 [0002]

Claims

A pattern extraction means for extracting a standard pattern iteratively appears in first sequence data from second sequence data, the pattern extraction means comprising: an extraction unit for extracting a pattern similar to a sample pattern which is data of a specified interval in the second sequence data from the first sequence data; an evaluation unit for assigning a first evaluation value representing a frequency of occurrence of the pattern extracted by the extraction unit in the first sequence data, and a second evaluation value representing a degree of expansion or contraction of the pattern extracted by the extraction unit in a sequence direction of the first sequence data calculate and calculate quality of fit of the sample pattern for the standard pattern based on the first evaluation value and the second evaluation value; and a control unit to change the specified interval and cause the extraction unit and the judgment unit to work again in the case where the quality of the adjustment calculated by the evaluation unit does not exceed a threshold, or to output information indicating the specified interval as indicate the interval corresponding to the standard pattern in the case where the quality of the fit calculated by the weighting unit exceeds the threshold.

Pattern extractor after Claim 1 wherein the evaluation unit calculates a smaller value as the quality of fitting the sample pattern for the standard pattern when the frequency of occurrence represented by the first evaluation value becomes smaller.

Pattern extractor after Claim 1 or 2 wherein the evaluation unit calculates a larger value as the quality of fitting the sample pattern for the standard pattern as the degree of expansion or contraction represented by the second evaluation value decreases.

Sample extraction device according to one of Claims 1 to 3 , further comprising: a calculating unit for dividing the first sequence data and the second sequence data into fixed-length frames and calculating a similarity matrix, which is a matrix representing similarity degrees between the frames, for each combination of a frame of the first sequence data and a frame the second sequence data; and a selection unit for selecting a sub-matrix corresponding to the specified interval from the similarity matrix calculated by the calculation unit, wherein the extraction unit calculates paths that track elements that correspond to combinations of the frames of the second sequence data and the frames of the first sequence data that include the Frames of the second sequence data in the sub-matrix selected by the selection unit are similar, and the evaluation unit calculates the first evaluation value and the second evaluation value based on the paths calculated by the extraction unit.

Pattern extractor after Claim 4 wherein the score unit calculates as the first score value a value representing a lesser degree when intervals between intervals in the first sequence data where the paths calculated by the extraction unit are larger become larger.

Pattern extractor after Claim 4 or 5 wherein the evaluation unit calculates, as the first evaluation value, a value representing a lesser degree when overlaps of intervals of the first sequence data where the paths calculated by the extraction unit are larger become larger.

Sample extraction device according to one of Claims 4 to 6 wherein the evaluation unit calculates as the second evaluation value a value representing a lesser degree as the paths calculated by the extraction unit approach straight lines.

A pattern extraction method of extracting a standard pattern appearing iteratively in first sequence data from second sequence data, the pattern extraction method comprising: by an extraction unit, extracting a pattern similar to a sample pattern which is data of a specified interval in the second sequence data from the first sequence data; by a judgment unit, calculating a first evaluation value representing a frequency of occurrence of the pattern extracted by the extraction unit in the first sequence data, and a second evaluation value representing a degree of expansion or contraction of the pattern extracted by the extraction unit in a sequence direction of the first sequence data; and calculating the goodness of fitting the sample pattern for the standard pattern based on the first evaluation value and the second evaluation value; and by a control unit, changing the specified interval and causing the extraction unit and the evaluation unit to work again in the case where the one calculated by the evaluation unit Quality of adaptation does not exceed a threshold, or outputting information indicating the specified interval as an interval corresponding to the standard pattern in the case where the quality of the adjustment calculated by the evaluation unit exceeds the threshold.

A pattern extraction program for extracting a standard pattern iteratively appears in first sequence data from second sequence data, the pattern extraction program causing a computer to perform: an extraction process of extracting a pattern similar to a sample pattern that is data of a specified interval in the second sequence data from the first sequence data; an evaluation process of calculating a first evaluation value representing a frequency of occurrence of the pattern extracted in the extraction process in the first sequence data, and a second evaluation value representing a degree of expansion or contraction of the pattern extracted in the extraction process in a sequence direction of the first sequence data, and calculating the The quality of fitting the sample pattern for the standard pattern based on the first evaluation value and the second evaluation value; and a control process of changing the specified interval and re-executing the extraction process and the evaluation process, in the case where the quality of the adjustment calculated in the evaluation process does not exceed a threshold, or outputting information indicating the specified interval as an interval corresponding to the standard pattern, Case where the quality of fit calculated in the evaluation process exceeds the threshold.