JP2003016078A - データの分類、検索および表示方法 - Google Patents
データの分類、検索および表示方法Info
- Publication number
- JP2003016078A JP2003016078A JP2001197917A JP2001197917A JP2003016078A JP 2003016078 A JP2003016078 A JP 2003016078A JP 2001197917 A JP2001197917 A JP 2001197917A JP 2001197917 A JP2001197917 A JP 2001197917A JP 2003016078 A JP2003016078 A JP 2003016078A
- Authority
- JP
- Japan
- Prior art keywords
- data
- search
- vector
- key
- covariance matrix
- 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.)
- Pending
Links
Abstract
(57)【要約】
【課題】得られる部分集合の要素数をユーザが恣意的に
制御できるデータの分類、検索および表示方法を提供す
る。 【解決手段】データ間の距離計算において、部分集合ご
とに調節可能なパラメータを定義し、データの分布の統
計量に基づき、適切なパラメータの値を逐次的に推定し
更新する。
制御できるデータの分類、検索および表示方法を提供す
る。 【解決手段】データ間の距離計算において、部分集合ご
とに調節可能なパラメータを定義し、データの分布の統
計量に基づき、適切なパラメータの値を逐次的に推定し
更新する。
Description
【０００１】
【発明の属する技術分野】本発明は、計算機によるデー
タの分類、検索および表示方法に関する。
タの分類、検索および表示方法に関する。
【０００２】
【従来の技術】各データが一定次元数の数値ベクトルを
属性として持ち、データの集合がベクトル空間中の分布
として表現される場合、データ間には、連続量としての
類似性を定義することができる。データ間の距離をｄと
した場合、その類似性ｓは、例えば、次式（１）のよう
に定義される。
属性として持ち、データの集合がベクトル空間中の分布
として表現される場合、データ間には、連続量としての
類似性を定義することができる。データ間の距離をｄと
した場合、その類似性ｓは、例えば、次式（１）のよう
に定義される。
【０００３】
【数１】
ここで、αは、ｄとｓの関数関係を調整するためのパラ
メータである。
メータである。
【０００４】データ間に類似性が定義されたデータ集合
が与えられている場合、基準となるＬ個のデータを用意
し、データ集合中の各データについて、最も類似性が高
い基準データを選択することによって、データ集合全体
を排他的なＬ個の集合に分類することができる。
が与えられている場合、基準となるＬ個のデータを用意
し、データ集合中の各データについて、最も類似性が高
い基準データを選択することによって、データ集合全体
を排他的なＬ個の集合に分類することができる。
【０００５】一方、データ間の類似性に基づいた検索で
は、検索結果集合は、キーとなるデータとの類似性に基
づいて順序付けられる。通常の場合、ユーザからの要
求、またはユーザインタフェース上での表示領域の制約
から、検索結果として出力されるデータ件数には上限が
ある。例えば、Ｎ個の全体集合から、Ａを検索キーとし
て上限値Ｍ個のデータを検索する場合、Ａと類似性が高
いものから順にＭ個のデータが選択され、検索結果とし
て出力される。
は、検索結果集合は、キーとなるデータとの類似性に基
づいて順序付けられる。通常の場合、ユーザからの要
求、またはユーザインタフェース上での表示領域の制約
から、検索結果として出力されるデータ件数には上限が
ある。例えば、Ｎ個の全体集合から、Ａを検索キーとし
て上限値Ｍ個のデータを検索する場合、Ａと類似性が高
いものから順にＭ個のデータが選択され、検索結果とし
て出力される。
【０００６】検索キーとなるデータ個数が複数の場合、
幾つかの検索手法を定義できる。例えば、論理的条件式
に基づく検索では、ＡＮＤ、ＯＲ等の論理演算子を用い
て、複数の条件を結合した形で検索条件が構成される。
また、類似性に基づく検索では、複数の検索キーが与え
られた場合でも、各キーとの類似性をどのように組み合
わせるかによって、原理的には異なる多数の検索条件を
構成できる。ただし、実用的には、各キーとの類似性を
ＯＲ的に結合させたもの、すなわち、キー集合中の何れ
かに対して高い類似性があれば、検索条件を満たすデー
タと判定する方法が有用となる。
幾つかの検索手法を定義できる。例えば、論理的条件式
に基づく検索では、ＡＮＤ、ＯＲ等の論理演算子を用い
て、複数の条件を結合した形で検索条件が構成される。
また、類似性に基づく検索では、複数の検索キーが与え
られた場合でも、各キーとの類似性をどのように組み合
わせるかによって、原理的には異なる多数の検索条件を
構成できる。ただし、実用的には、各キーとの類似性を
ＯＲ的に結合させたもの、すなわち、キー集合中の何れ
かに対して高い類似性があれば、検索条件を満たすデー
タと判定する方法が有用となる。
【０００７】上記検索方法におけるデータとキーとの類
似性は、キー集合中で類似性が最も高いデータとキーと
の類似性として定義される。検索処理は、始めに、上述
した全体集合の排他的分類を行い、分類先キーデータと
の類似性を各データの類似性として記憶しておき、次
に、検索結果件数の上限値Ｍを超えない範囲で、類似性
の高い順にデータを取り出す。
似性は、キー集合中で類似性が最も高いデータとキーと
の類似性として定義される。検索処理は、始めに、上述
した全体集合の排他的分類を行い、分類先キーデータと
の類似性を各データの類似性として記憶しておき、次
に、検索結果件数の上限値Ｍを超えない範囲で、類似性
の高い順にデータを取り出す。
【０００８】
【発明が解決しようとする課題】データ集合を分類して
観察する場合、一般的に、分類によって得られる各集合
の大きさが揃っている方が観察し易い。また、複数のキ
ーを指定した検索においては、検索結果に対して各検索
キーが同程度に反映されるような検索方法が、ユーザニ
ーズに適合する場合が多い。ユーザによっては、特定の
キー、例えば、ユーザが最後に選んだキーを最も重要視
したい、といった恣意的な要求もある。しかしながら、
どのような分類結果、検索結果が得られるかは、データ
集合の分布の仕方によって決まるため、一般的に、上述
した各ユーザの期待に沿った分類結果、検索結果を得る
ことは困難である。
観察する場合、一般的に、分類によって得られる各集合
の大きさが揃っている方が観察し易い。また、複数のキ
ーを指定した検索においては、検索結果に対して各検索
キーが同程度に反映されるような検索方法が、ユーザニ
ーズに適合する場合が多い。ユーザによっては、特定の
キー、例えば、ユーザが最後に選んだキーを最も重要視
したい、といった恣意的な要求もある。しかしながら、
どのような分類結果、検索結果が得られるかは、データ
集合の分布の仕方によって決まるため、一般的に、上述
した各ユーザの期待に沿った分類結果、検索結果を得る
ことは困難である。
【０００９】一方、例えば、データ分類において、基準
データとの類似性が高いデータを、基準データ毎に順番
に全体集合から取り出していくことによって、結果的
に、データ個数が略同一の部分集合を得ることができ
る。但し、この場合は、分類の基準を単純な類似性とい
う概念に帰着することができないため、元々のベクトル
空間中での各部分集合のイメージが理解し難くなる。ま
た、検索においては、各データを類似性によって順序付
ける必要があるため、キー毎に一定件数ずつデータを取
り出すという方法を採用すると、結果として、判断基準
となる類似性の高低とは矛盾した検索結果が得られるこ
とになり、データ処理としての一貫性を欠くことにな
る。
データとの類似性が高いデータを、基準データ毎に順番
に全体集合から取り出していくことによって、結果的
に、データ個数が略同一の部分集合を得ることができ
る。但し、この場合は、分類の基準を単純な類似性とい
う概念に帰着することができないため、元々のベクトル
空間中での各部分集合のイメージが理解し難くなる。ま
た、検索においては、各データを類似性によって順序付
ける必要があるため、キー毎に一定件数ずつデータを取
り出すという方法を採用すると、結果として、判断基準
となる類似性の高低とは矛盾した検索結果が得られるこ
とになり、データ処理としての一貫性を欠くことにな
る。
【００１０】本発明の目的は、ユーザの恣意的な要求に
対応し、かつ、一貫性のあるデータ処理を実現できるデ
ータの分類方法、データ検索方法およびデータ表示方法
を提供することにある。本発明の他の目的は、類似性自
体の定義によってデータの部分集合の大きさを調整可能
にしたデータの分類方法、データ検索方法およびデータ
表示方法を提供することにある。
対応し、かつ、一貫性のあるデータ処理を実現できるデ
ータの分類方法、データ検索方法およびデータ表示方法
を提供することにある。本発明の他の目的は、類似性自
体の定義によってデータの部分集合の大きさを調整可能
にしたデータの分類方法、データ検索方法およびデータ
表示方法を提供することにある。
【００１１】
【課題を解決するための手段】例えば、次式（２）でデ
ータ間の類似性を定義した場合、距離と類似性との関数
関係の調整パラメータαの値を調整することによって、
同一の距離に対して異なった類似性の値を与えることが
できる。本発明は、或る時点での分類結果または検索結
果を示す部分集合が得られた時、部分集合毎にパラメー
タαの値を適応的に調整することによって、各部分集合
の大きさをユーザの求める大きさに近づけることを特徴
としている。
ータ間の類似性を定義した場合、距離と類似性との関数
関係の調整パラメータαの値を調整することによって、
同一の距離に対して異なった類似性の値を与えることが
できる。本発明は、或る時点での分類結果または検索結
果を示す部分集合が得られた時、部分集合毎にパラメー
タαの値を適応的に調整することによって、各部分集合
の大きさをユーザの求める大きさに近づけることを特徴
としている。
【００１２】
【数２】
ここで、ｄiは、ｉ番目の基準データまたはキーデータ
との距離を示し、ｓiは、ｉ番目の基準データまたはキ
ーデータとの類似性、αiは、ｉ番目の基準データまた
はキーデータに付与された調整パラメータ、Ｌは、基準
データまたはキーデータの数を示す。ｉ番目の部分集合
の大きさを現状より大きくしたい場合は、αiの値を小
さくすればよく、逆に現状より小さくしたい場合は、α
iの値を大きくすればよい。
との距離を示し、ｓiは、ｉ番目の基準データまたはキ
ーデータとの類似性、αiは、ｉ番目の基準データまた
はキーデータに付与された調整パラメータ、Ｌは、基準
データまたはキーデータの数を示す。ｉ番目の部分集合
の大きさを現状より大きくしたい場合は、αiの値を小
さくすればよく、逆に現状より小さくしたい場合は、α
iの値を大きくすればよい。
【００１３】αiの変化量は、例えば、次のように、類
似性が定義されるベクトル空間中でのデータの分布に応
じて設定する。先ず、事前に、類似性が定義されるベク
トル空間中でのデータ集合全体の分散共分散行列を求
め、その固有値を求める。以下、ベクトル空間の次元を
Ｎf、固有値をλj、λjを固有値の総和で除したものを
ｐjと表記する。次式（３）は、ｐjの定義である。
似性が定義されるベクトル空間中でのデータの分布に応
じて設定する。先ず、事前に、類似性が定義されるベク
トル空間中でのデータ集合全体の分散共分散行列を求
め、その固有値を求める。以下、ベクトル空間の次元を
Ｎf、固有値をλj、λjを固有値の総和で除したものを
ｐjと表記する。次式（３）は、ｐjの定義である。
【００１４】
【数３】
ｐjから次式（４）によって定義される量ｆを求める。
【００１５】
【数４】
次に、現在の第ｉ部分集合の要素数をｎi、その部分集
合の望ましい要素数をｍi、現在の第ｉ部分集合のパラ
メータをαi、更新後のパラメータをβiと表記すると、
βiの値は次式（５）によって求められる。
合の望ましい要素数をｍi、現在の第ｉ部分集合のパラ
メータをαi、更新後のパラメータをβiと表記すると、
βiの値は次式（５）によって求められる。
【００１６】
【数５】
【発明の実施の形態】以下、本発明の１実施例として、
画像データを検索対象とした類似性に基づくデータ検索
システムについて説明する。ユーザは、検索対象である
画像データの集合中から、キーとなる画像を選択する。
キー画像を複数個選択することができる。類似性の定義
は、画像データと検索キー画像集合中の最も類似性が高
いキー画像との間の類似性とする。検索対象となる画像
データ全件についてキー画像との類似性を算出し、類似
度の高いものから順に検索結果として選択する。
画像データを検索対象とした類似性に基づくデータ検索
システムについて説明する。ユーザは、検索対象である
画像データの集合中から、キーとなる画像を選択する。
キー画像を複数個選択することができる。類似性の定義
は、画像データと検索キー画像集合中の最も類似性が高
いキー画像との間の類似性とする。検索対象となる画像
データ全件についてキー画像との類似性を算出し、類似
度の高いものから順に検索結果として選択する。
【００１７】本実施例では、特徴量ベクトルとして、各
画像中の色分布をヒストグラム化した色特徴量と、各画
像の輝度勾配ベクトルの方向成分分布をヒストグラム化
した形特徴量の２つの特徴量を用いる。これらの特徴量
は、それぞれ５０次元の数値ベクトルとして表現され、
合わせて１００次元のベクトル空間中でデータ検索が実
行される。検索結果は、ユーザインタフェースに仮想的
な３次元空間中の縮小画像分布として表示される。
画像中の色分布をヒストグラム化した色特徴量と、各画
像の輝度勾配ベクトルの方向成分分布をヒストグラム化
した形特徴量の２つの特徴量を用いる。これらの特徴量
は、それぞれ５０次元の数値ベクトルとして表現され、
合わせて１００次元のベクトル空間中でデータ検索が実
行される。検索結果は、ユーザインタフェースに仮想的
な３次元空間中の縮小画像分布として表示される。
【００１８】（１）システムの構成：図１は、本実施例
によるデータ検索システムの全体構成を示す。データ検
索システムは、画像特徴量に基づく検索および統計処理
を行う検索サーバ１１０と、検索結果を仮想的な３次元
空間中に表示するための演算を実行する可視化サーバ１
２０と、各種パラメータの設定等を行うＧＵＩ（グラフ
ィック・ユーザインターフェイス）を備えたクライアン
ト１３０とからなる。各サーバとクライアント間の情報
の伝達はソケット通信で行われる。
によるデータ検索システムの全体構成を示す。データ検
索システムは、画像特徴量に基づく検索および統計処理
を行う検索サーバ１１０と、検索結果を仮想的な３次元
空間中に表示するための演算を実行する可視化サーバ１
２０と、各種パラメータの設定等を行うＧＵＩ（グラフ
ィック・ユーザインターフェイス）を備えたクライアン
ト１３０とからなる。各サーバとクライアント間の情報
の伝達はソケット通信で行われる。
【００１９】可視化サーバ１２０とＧＵＩクライアント
１３０の機能は、それぞれ高性能のテクスチュアマッピ
ング機能を備えたグラフィック・ワークステーションに
よって構成され、これらの機能は同一の計算機上に纏め
てもよい。検索サーバ１１０の機能は、可視化サーバ１
２０と同一の計算機上、あるいは、高速度の数値計算処
理機能を備えた別の計算機上に構成される。検索サーバ
１１０は、システム起動時に、画像特徴量のデータベー
ス１４０から全画像分の特徴量をメモリー内に取り込
む。可視化サーバ１２０とＧＵＩクライアント１３０
は、各時点で必要な画像データをハードディスク１５０
上に形成されえた画像データベースから取り込む。
１３０の機能は、それぞれ高性能のテクスチュアマッピ
ング機能を備えたグラフィック・ワークステーションに
よって構成され、これらの機能は同一の計算機上に纏め
てもよい。検索サーバ１１０の機能は、可視化サーバ１
２０と同一の計算機上、あるいは、高速度の数値計算処
理機能を備えた別の計算機上に構成される。検索サーバ
１１０は、システム起動時に、画像特徴量のデータベー
ス１４０から全画像分の特徴量をメモリー内に取り込
む。可視化サーバ１２０とＧＵＩクライアント１３０
は、各時点で必要な画像データをハードディスク１５０
上に形成されえた画像データベースから取り込む。
【００２０】ユーザインタフェースは、例えば、図２に
示すように、可視化サーバ１２０によって生成される可
視化空間２１０と、ＧＵＩクライアント１３０が生成す
るパネル２２０とを含んでいる。類似性の計算と、類似
性に基づくデータ検索は、検索サーバ１１０によって行
われる。検索サーバ１１０から出力された検索結果は、
可視化サーバ１２０によって、複数の小画像からなる３
次元的な散布図に変換され、ユーザインタフェースの可
視化空間２１０に表示される。検索結果を示す各画像
は、上記３次元散布図で、類似性の度合いに応じたサイ
ズでもって表示される。パネル２２０には、検索キーと
なる画像集合が表示される。
示すように、可視化サーバ１２０によって生成される可
視化空間２１０と、ＧＵＩクライアント１３０が生成す
るパネル２２０とを含んでいる。類似性の計算と、類似
性に基づくデータ検索は、検索サーバ１１０によって行
われる。検索サーバ１１０から出力された検索結果は、
可視化サーバ１２０によって、複数の小画像からなる３
次元的な散布図に変換され、ユーザインタフェースの可
視化空間２１０に表示される。検索結果を示す各画像
は、上記３次元散布図で、類似性の度合いに応じたサイ
ズでもって表示される。パネル２２０には、検索キーと
なる画像集合が表示される。
【００２１】（２）データ検索と検索結果の表示：ユー
ザは、可視化空間２１０内に表示された画像をマウスで
クリックすることによって、その画像を新たな検索キー
として登録する。可視化サーバ１２０は、マウスクリッ
クによって選択された画像のデータ名をＧＵＩクライア
ント１３０に通知する。ＧＵＩクライアント１３０は、
選択された画像をパネル２２０に表示し、その画像を検
索キー集合に含めた新規の検索条件を構成し、検索検索
サーバ１１０に検索要求を発行する。
ザは、可視化空間２１０内に表示された画像をマウスで
クリックすることによって、その画像を新たな検索キー
として登録する。可視化サーバ１２０は、マウスクリッ
クによって選択された画像のデータ名をＧＵＩクライア
ント１３０に通知する。ＧＵＩクライアント１３０は、
選択された画像をパネル２２０に表示し、その画像を検
索キー集合に含めた新規の検索条件を構成し、検索検索
サーバ１１０に検索要求を発行する。
【００２２】検索サーバ１１０は、類似性が高いと判定
された画像のデータ名を検索結果としてＧＵＩクライア
ント１３０に通知する。この場合、検索キーとして登録
された画像は、常に最大の類似性を持つため、検索結果
から漏れることはない。検索サーバ１１０から通知され
る画像データの件数は、例えば、最大数が１０００件と
なっている。ＧＵＩクライアント１３０は、検索サーバ
１１０から通知された検索結果を、新規表示データとし
て可視化サーバ１２０に通知する。
された画像のデータ名を検索結果としてＧＵＩクライア
ント１３０に通知する。この場合、検索キーとして登録
された画像は、常に最大の類似性を持つため、検索結果
から漏れることはない。検索サーバ１１０から通知され
る画像データの件数は、例えば、最大数が１０００件と
なっている。ＧＵＩクライアント１３０は、検索サーバ
１１０から通知された検索結果を、新規表示データとし
て可視化サーバ１２０に通知する。
【００２３】可視化サーバ１２０は、各データの３次元
空間中での表示位置を検索サーバ１１０に問い合わせ
る。検索サーバ１１０は、後述する可視化空間を構成す
るための統計処理を行い、その処理結果に基づいて、可
視化空間中の各データの表示位置を定める座標値ベクト
ルを構成し、可視化サーバ１２０に通知する。可視化サ
ーバ１２０は、上記通知を受けると、必要な画像データ
をハードディスク１５０から読み込み、小画像から構成
される３次元的な散布図を可視化空間２１０に表示す
る。
空間中での表示位置を検索サーバ１１０に問い合わせ
る。検索サーバ１１０は、後述する可視化空間を構成す
るための統計処理を行い、その処理結果に基づいて、可
視化空間中の各データの表示位置を定める座標値ベクト
ルを構成し、可視化サーバ１２０に通知する。可視化サ
ーバ１２０は、上記通知を受けると、必要な画像データ
をハードディスク１５０から読み込み、小画像から構成
される３次元的な散布図を可視化空間２１０に表示す
る。
【００２４】可視化空間２１０では、各画像が、検索キ
ーとなった画像の周りに浮かぶ島状に表示される。検索
キーとして新たなキー画像が登録されると、可視化空間
２１０では、既に表示済みの画像群の一部が、新たなキ
ー画像との類似性が高い画像を引きつれながら、それま
で属していたキー画像から離れて、新たなキー画像の近
傍に移動する。新たなキー画像を登録すると、検索結果
として新たに選択された画像群が可視化空間２１０に涌
き出る形で表示され、逆に、検索結果から外れた画像が
可視化空間２１０から消えていく。なお、初期画面で
は、システム側で予め用意したサンプル画像を検索キー
として、可視化空間２１０に検索結果が表示される。
ーとなった画像の周りに浮かぶ島状に表示される。検索
キーとして新たなキー画像が登録されると、可視化空間
２１０では、既に表示済みの画像群の一部が、新たなキ
ー画像との類似性が高い画像を引きつれながら、それま
で属していたキー画像から離れて、新たなキー画像の近
傍に移動する。新たなキー画像を登録すると、検索結果
として新たに選択された画像群が可視化空間２１０に涌
き出る形で表示され、逆に、検索結果から外れた画像が
可視化空間２１０から消えていく。なお、初期画面で
は、システム側で予め用意したサンプル画像を検索キー
として、可視化空間２１０に検索結果が表示される。
【００２５】図３は、パネル２２０の拡大図である。３
１０は、現在登録されているキー画像の集合を表示する
ための領域であり、３２０は、色特徴量と形特徴量のど
ちらを重視するかを指定するための２つのスライダを示
している。スライダを左に動かすと、そのスライダが表
している特徴量の差異が検索結果に与える効果が小さく
なる。３３０は、キー画像数の最大数を設定するための
領域であり、新たなキー登録によって登録済みのキー数
が最大数を越えると、その時点の先頭のキー画像が自動
的に検索集合から削除される。３４０と３５０は、以下
に説明する島の大きさの自動調整のための部品を示す。
１０は、現在登録されているキー画像の集合を表示する
ための領域であり、３２０は、色特徴量と形特徴量のど
ちらを重視するかを指定するための２つのスライダを示
している。スライダを左に動かすと、そのスライダが表
している特徴量の差異が検索結果に与える効果が小さく
なる。３３０は、キー画像数の最大数を設定するための
領域であり、新たなキー登録によって登録済みのキー数
が最大数を越えると、その時点の先頭のキー画像が自動
的に検索集合から削除される。３４０と３５０は、以下
に説明する島の大きさの自動調整のための部品を示す。
【００２６】（３）島の大きさの自動調節機能：本実施
例では、色と形の２種類の特徴量を使用しており、検索
時には、これらの特徴量の何れを重視するかを調整でき
るようになっている。特徴量の有効度を調整するための
パラメータをｗj（但し、ｊ＝１、２）、ｉ番目のキー
画像の第ｊ特徴量についての距離をｄij、第ｊ特徴量ベ
クトルの次元数をＮj、ｊ番目の特徴量ベクトル空間に
おけるデータ全体の分布から求められた分散共分散行列
の固有値をλjk、その特徴量の種類毎の和をΛjで表記
する。また、ｉ番目のキー画像との類似性ｓiを次式
（６）で定義する。
例では、色と形の２種類の特徴量を使用しており、検索
時には、これらの特徴量の何れを重視するかを調整でき
るようになっている。特徴量の有効度を調整するための
パラメータをｗj（但し、ｊ＝１、２）、ｉ番目のキー
画像の第ｊ特徴量についての距離をｄij、第ｊ特徴量ベ
クトルの次元数をＮj、ｊ番目の特徴量ベクトル空間に
おけるデータ全体の分布から求められた分散共分散行列
の固有値をλjk、その特徴量の種類毎の和をΛjで表記
する。また、ｉ番目のキー画像との類似性ｓiを次式
（６）で定義する。
【００２７】
【数６】
ここでは、種類の異なる特徴量ベクトル空間から得られ
る距離を統計的に同等なものへと正規化するために、Λ
jによって距離の２乗を除算している。式（３）で定義
されたｐjに対応するものとして、次式（７）で示すｐ
jkを定義する。
る距離を統計的に同等なものへと正規化するために、Λ
jによって距離の２乗を除算している。式（３）で定義
されたｐjに対応するものとして、次式（７）で示すｐ
jkを定義する。
【００２８】
【数７】
上記ｐjkを用いて、式（４）で定義された量ｆを次式
（８）のように再定義する。
（８）のように再定義する。
【００２９】
【数８】
最終的なαiの更新は、式（５）と同様の方法で行われ
る。次に、式（５）で用いられた部分集合の望ましい大
きさｍiを、例えば、以下のように定義する。すなわ
ち、検索結果の総件数をＭ、キー画像の個数（部分集合
の数）をＬとして、ｍiを次式（９）のように定義す
る。
る。次に、式（５）で用いられた部分集合の望ましい大
きさｍiを、例えば、以下のように定義する。すなわ
ち、検索結果の総件数をＭ、キー画像の個数（部分集合
の数）をＬとして、ｍiを次式（９）のように定義す
る。
【００３０】
【数９】
ここで、Ｐは、各部分集合の望ましい大きさの設定する
際の方針を指定するためのパラメータ（但し、Ｐ≧０）
である。Ｐ＝０の場合、全ての部分集合が同一個数の要
素を持つように調整が行なわれる。Ｐ＞０の場合は、よ
り後に選択されたキー画像に対応する部分集合がより多
くの要素を持つように、調整が行なわれる。Ｐの値を大
きくすると、その効果がより強調される。
際の方針を指定するためのパラメータ（但し、Ｐ≧０）
である。Ｐ＝０の場合、全ての部分集合が同一個数の要
素を持つように調整が行なわれる。Ｐ＞０の場合は、よ
り後に選択されたキー画像に対応する部分集合がより多
くの要素を持つように、調整が行なわれる。Ｐの値を大
きくすると、その効果がより強調される。
【００３１】ユーザは、図３のスライダ３４０によっ
て、上記Ｐの値を指定する。部品３５０は、上記のαi
の調整処理を何回繰り返すかを指定するためのものであ
る。図４に、島の大きさ調節に関する処理手順の１例を
示す。新たなキー画像が選択されると、ＧＵＩクライア
ント１３０は、検索サーバ１１０に検索要求（４２１）
を発行し、検索結果（４３１）を取得する。取得された
検索結果について前述した処理を実行し、パラメータα
iの値を更新する（４２２）。更新されたαiの値を用い
て、再度検索を実行し（４２３、４３２）、αiの値を
更に更新する（４２４）。ＧＵＩクライアント１３０
は、上述したパラメータの更新処理を指定回数繰り返し
た後、最終的な検索結果（４３３）に基づいて、可視化
サーバ１２０に表示データ更新要求（４２６）を出す。
部品３５０による繰り返し指定回数が０の場合は、検索
は一度しか実行されず、αiの値は更新されない。
て、上記Ｐの値を指定する。部品３５０は、上記のαi
の調整処理を何回繰り返すかを指定するためのものであ
る。図４に、島の大きさ調節に関する処理手順の１例を
示す。新たなキー画像が選択されると、ＧＵＩクライア
ント１３０は、検索サーバ１１０に検索要求（４２１）
を発行し、検索結果（４３１）を取得する。取得された
検索結果について前述した処理を実行し、パラメータα
iの値を更新する（４２２）。更新されたαiの値を用い
て、再度検索を実行し（４２３、４３２）、αiの値を
更に更新する（４２４）。ＧＵＩクライアント１３０
は、上述したパラメータの更新処理を指定回数繰り返し
た後、最終的な検索結果（４３３）に基づいて、可視化
サーバ１２０に表示データ更新要求（４２６）を出す。
部品３５０による繰り返し指定回数が０の場合は、検索
は一度しか実行されず、αiの値は更新されない。
【００３２】（４）可視化空間の構成：可視化空間２１
０の座標系は、以下の手順で構成される。先ず、次式
（１０）、（１１）に従って、検索結果についての基本
的な統計量を計算する。
０の座標系は、以下の手順で構成される。先ず、次式
（１０）、（１１）に従って、検索結果についての基本
的な統計量を計算する。
【００３３】
【数１０】
【数１１】
ここで、ｘijは、ｉ番目の島に属するデータの特徴量ベ
クトル、ｎjは、ｉ番目の島に属するデータの件数、μi
は、ｉ番目の島の特徴量ベクトルの平均、μは、検索結
果全体での特徴量ベクトルの平均を示す。一方、Ｗは、
各島ごとの分散共分散行列を合算したもので、統計学に
おいて、群内分散共分散行列と呼ばれるものである。ま
た、Ｂは、島平均間の分散共分散行列で、統計学におい
て、群間分散共分散行列と呼ばれるものである。可視化
空間中の島の配置は、次式（１２）の分散比φを最大化
するベクトルによって決まる。
クトル、ｎjは、ｉ番目の島に属するデータの件数、μi
は、ｉ番目の島の特徴量ベクトルの平均、μは、検索結
果全体での特徴量ベクトルの平均を示す。一方、Ｗは、
各島ごとの分散共分散行列を合算したもので、統計学に
おいて、群内分散共分散行列と呼ばれるものである。ま
た、Ｂは、島平均間の分散共分散行列で、統計学におい
て、群間分散共分散行列と呼ばれるものである。可視化
空間中の島の配置は、次式（１２）の分散比φを最大化
するベクトルによって決まる。
【００３４】
【数１２】
分散比φを最大化するベクトルの算出は、次式（１３）
の固有値問題に帰着することが知られている。
の固有値問題に帰着することが知られている。
【００３５】
【数１３】
但し、式（１３）のλは、本明細書中でこれまでに現わ
れたλiの値とは無関係である。式（１３）の固有値問
題を解くことによって得られる固有ベクトルから上位３
個を選択し、可視化空間内での島の中心位置を配置する
座標系とする。可視化空間内における各島の中心の座標
値は、各島の平均ベクトルから全体の平均ベクトルを引
いたベクトルμi−μを、この座標系に射影したもので
ある。
れたλiの値とは無関係である。式（１３）の固有値問
題を解くことによって得られる固有ベクトルから上位３
個を選択し、可視化空間内での島の中心位置を配置する
座標系とする。可視化空間内における各島の中心の座標
値は、各島の平均ベクトルから全体の平均ベクトルを引
いたベクトルμi−μを、この座標系に射影したもので
ある。
【００３６】一方、各画像を配置する座標系は、Ｗの固
有ベクトルから構成する。この場合、キー画像を各島の
原点に位置させるために、先ず、各画像の特徴量ベクト
ルから、それが属する島のキー画像の特徴量ベクトルを
引いたベクトルを作成する。このベクトルをＷの固有ベ
クトル空間に射影した後、各島の中心位置に原点が一致
するよう平行移動を行う。
有ベクトルから構成する。この場合、キー画像を各島の
原点に位置させるために、先ず、各画像の特徴量ベクト
ルから、それが属する島のキー画像の特徴量ベクトルを
引いたベクトルを作成する。このベクトルをＷの固有ベ
クトル空間に射影した後、各島の中心位置に原点が一致
するよう平行移動を行う。
【００３７】
【発明の効果】以上の説明から明らかなように、本発明
によれば、類似性に基づくデータ分類、あるいは、複数
のキーを検索条件とした類似性に基づくデータ検索にお
いて、分類結果または検索結果を構成する部分集合の要
素数を、ユーザの恣意的な要求に適応するように自動的
に調整することができるため、ユーザにとって理解し易
いデータ分布表現が可能となる。
によれば、類似性に基づくデータ分類、あるいは、複数
のキーを検索条件とした類似性に基づくデータ検索にお
いて、分類結果または検索結果を構成する部分集合の要
素数を、ユーザの恣意的な要求に適応するように自動的
に調整することができるため、ユーザにとって理解し易
いデータ分布表現が可能となる。
【図１】本発明のデータ検索システムの１実施例を示す
構成図。
構成図。
【図２】ユーザインタフェースの表示例を示す図。
【図３】図２における検索条件指定用のパネル２２０の
拡大図。
拡大図。
【図４】図２における可視化空間２１０に表示される島
（画像）の大きさ調整処理の流れを説明するための図。
（画像）の大きさ調整処理の流れを説明するための図。
１１０：検索サーバ、１２０：可視化サーバ、１３０：
ＧＵＩクライアント、１４０：画像特徴量データベー
ス、１５０：画像データベース、２１０：可視化空間、
２２０：検索条件指定のためのパネル、２３０：キー画
像の周りに形成される検索結果の島、３１０：キー画像
集合、３２０：特徴量の調整用スライダ、３３０：最大
キー画像数の指定領域、３４０：島の大きさ調整方針指
定用のスライダ、３５０：島の大きさ調整処理の繰り返
し回数指定領域。
ＧＵＩクライアント、１４０：画像特徴量データベー
ス、１５０：画像データベース、２１０：可視化空間、
２２０：検索条件指定のためのパネル、２３０：キー画
像の周りに形成される検索結果の島、３１０：キー画像
集合、３２０：特徴量の調整用スライダ、３３０：最大
キー画像数の指定領域、３４０：島の大きさ調整方針指
定用のスライダ、３５０：島の大きさ調整処理の繰り返
し回数指定領域。
─────────────────────────────────────────────────────
フロントページの続き
(51)Int.Cl.7 識別記号 ＦＩ テーマコート゛(参考）
Ｇ０６Ｔ 7/00 ３００ Ｇ０６Ｔ 7/00 ３００Ｆ
Ｆターム(参考） 5B050 BA10 EA18 FA19 GA08
5B075 NR12 NR20 PQ16 PR06 QM08
5L096 FA33 FA35 HA09 JA03 JA11
MA07
Claims (7)
- 【請求項１】ベクトル空間中で定義されたデータ集合を
分類するための２つ以上の基準データを有し、上記デー
タ集合中の各要素について、距離が最も小さい基準デー
タを選択することを分類基準としたデータ集合の部分集
合への分類方法において、 上記各基準データに対してパラメータを付与し、 上記各基準データとのベクトル空間中での距離に上記パ
ラメータを掛け合せた量を各分類基準の適用距離とし、 上記データ集合の統計量を基に上記パラメータの変化量
を調節することを特徴とするデータ分類方法。 - 【請求項２】ベクトル空間中で定義されたデータ集合の
中からデータを検索するための２つ以上のキーデータを
有し、上記データ集合中の各要素について、キーデータ
との距離が小さいことを検索条件とする検索方法におい
て、 上記各キーデータに対してパラメータを付与し、 上記各キーデータとのベクトル空間中での距離に上記パ
ラメータを掛け合せた量を検索基準の適用距離とし、 データ集合の統計量を基に上記パラメータの変化量を調
節することを特徴とするデータ検索方法。 - 【請求項３】請求項１に記載の分類方法によって得られ
たデータ分類結果を、群分けされた２次元または３次元
的なデータ散布図として表示することを特徴とするデー
タ表示方法。 - 【請求項４】請求項２に記載の検索方法によって得られ
た検索データを、それぞれ距離が最も近い検索キーデー
タに対応付けて群分けし、２次元または３次元的なデー
タ散布図として表示することを特徴とするデータ表示方
法。 - 【請求項５】分類によって求められた部分集合を群とし
て群間分散共分散行列Ｂと群内分散共分散行列Ｗとを計
算し、 ベクトルｖと上記群間分散共分散行列Ｂとの２次形式を
ベクトルｖと上記群内分散共分散行列Ｗとの２次形式で
除算して得られた値が極大化する条件を満たすベクトル
ｖの集合を計算し、 上記ベクトルｖの集合から、部分集合間の表示位置関係
を定める座標系を構成することを特徴とする請求項３に
記載のデータ表示方法。 - 【請求項６】検索キーデータ毎の集合を群として群間分
散共分散行列Ｂと群内分散共分散行列Ｗとを計算し、 ベクトルｖと上記群間分散共分散行列Ｂとの２次形式を
ベクトルｖと上記群内分散共分散行列Ｗとの２次形式で
除算した値が極大化する条件を満たすベクトルｖの集合
を計算し、 上記ベクトルｖの集合から、検索キーデータ毎の集合間
の表示位置関係を定める座標系を構成することを特徴と
する請求項４に記載のデータ表示方法。 - 【請求項７】前記２次元または３次元的なデータ散布図
を構成する各データが、基準データとの類似度に応じた
表示サイズをもつことを特徴とする請求項３〜請求項６
の何れかに記載のデータ表示方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2001197917A JP2003016078A (ja) | 2001-06-29 | 2001-06-29 | データの分類、検索および表示方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2001197917A JP2003016078A (ja) | 2001-06-29 | 2001-06-29 | データの分類、検索および表示方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JP2003016078A true JP2003016078A (ja) | 2003-01-17 |
Family
ID=19035444
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2001197917A Pending JP2003016078A (ja) | 2001-06-29 | 2001-06-29 | データの分類、検索および表示方法 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP2003016078A (ja) |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2005055743A (ja) * | 2003-08-06 | 2005-03-03 | Canon Inc | 画像表示方法 |
| WO2006048988A1 (ja) * | 2004-11-04 | 2006-05-11 | Matsushita Electric Industrial Co., Ltd. | コンテンツデータ検索装置 |
| JP2006309390A (ja) * | 2005-04-27 | 2006-11-09 | Hitachi Ltd | 品目分類支援システムおよび品目分類支援プログラム |
| JP2009223411A (ja) * | 2008-03-13 | 2009-10-01 | I L C:Kk | 検索支援装置、および検索支援プログラム |
| JPWO2008129879A1 (ja) * | 2007-04-18 | 2010-07-22 | パナソニック株式会社 | デジタル放送受信装置およびデジタル放送受信方法 |
| WO2011161900A1 (ja) * | 2010-06-25 | 2011-12-29 | 日本電気通信システム株式会社 | 情報分類システム |
| KR101402808B1 (ko) * | 2012-09-18 | 2014-07-08 | 한국과학기술원 | 익명화를 위한 시드 선택 방법, 익명화 방법 및 이를 이용하는 정보 보호 장치 |
| JP2014235723A (ja) * | 2013-06-05 | 2014-12-15 | 日本電信電話株式会社 | 情報提示装置、方法、及びプログラム |
| WO2021234935A1 (ja) * | 2020-05-22 | 2021-11-25 | 日本電気株式会社 | 画像選択装置、画像選択方法、およびプログラム |
-
2001
- 2001-06-29 JP JP2001197917A patent/JP2003016078A/ja active Pending
Cited By (18)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2005055743A (ja) * | 2003-08-06 | 2005-03-03 | Canon Inc | 画像表示方法 |
| WO2006048988A1 (ja) * | 2004-11-04 | 2006-05-11 | Matsushita Electric Industrial Co., Ltd. | コンテンツデータ検索装置 |
| JPWO2006048988A1 (ja) * | 2004-11-04 | 2008-05-22 | 松下電器産業株式会社 | コンテンツデータ検索装置 |
| US7743049B2 (en) | 2004-11-04 | 2010-06-22 | Panasonic Corporation | Content data retrieval apparatus |
| JP4659755B2 (ja) * | 2004-11-04 | 2011-03-30 | パナソニック株式会社 | コンテンツデータ検索装置 |
| JP2006309390A (ja) * | 2005-04-27 | 2006-11-09 | Hitachi Ltd | 品目分類支援システムおよび品目分類支援プログラム |
| JP4490863B2 (ja) * | 2005-04-27 | 2010-06-30 | 株式会社 日立東日本ソリューションズ | 品目分類支援システムおよび品目分類支援プログラム |
| US8249430B2 (en) | 2007-04-18 | 2012-08-21 | Panasonic Corporation | Digital broadcast receiving apparatus and method for displaying images with programming information |
| JPWO2008129879A1 (ja) * | 2007-04-18 | 2010-07-22 | パナソニック株式会社 | デジタル放送受信装置およびデジタル放送受信方法 |
| JP2009223411A (ja) * | 2008-03-13 | 2009-10-01 | I L C:Kk | 検索支援装置、および検索支援プログラム |
| WO2011161900A1 (ja) * | 2010-06-25 | 2011-12-29 | 日本電気通信システム株式会社 | 情報分類システム |
| JP5483506B2 (ja) * | 2010-06-25 | 2014-05-07 | 日本電気通信システム株式会社 | 情報分類システム |
| US9009160B2 (en) | 2010-06-25 | 2015-04-14 | Nec Communication Systems, Ltd. | Information classification system |
| KR101402808B1 (ko) * | 2012-09-18 | 2014-07-08 | 한국과학기술원 | 익명화를 위한 시드 선택 방법, 익명화 방법 및 이를 이용하는 정보 보호 장치 |
| JP2014235723A (ja) * | 2013-06-05 | 2014-12-15 | 日本電信電話株式会社 | 情報提示装置、方法、及びプログラム |
| WO2021234935A1 (ja) * | 2020-05-22 | 2021-11-25 | 日本電気株式会社 | 画像選択装置、画像選択方法、およびプログラム |
| JPWO2021234935A1 (ja) * | 2020-05-22 | 2021-11-25 | ||
| JP7302741B2 (ja) | 2020-05-22 | 2023-07-04 | 日本電気株式会社 | 画像選択装置、画像選択方法、およびプログラム |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US5960435A (en) | Method, system, and computer program product for computing histogram aggregations | |
| US6012058A (en) | Scalable system for K-means clustering of large databases | |
| Brunk et al. | MineSet: An Integrated System for Data Mining. | |
| Wise et al. | Regionalisation tools for the exploratory spatial analysis of health data | |
| JP5229744B2 (ja) | 画像分類装置および画像分類プログラム | |
| US20040024758A1 (en) | Image classification method, image feature space displaying method, program, and recording medium | |
| EP1062590B1 (en) | A scalable system for clustering of large databases | |
| Timm et al. | A modification to improve possibilistic fuzzy cluster analysis | |
| JP2009251850A (ja) | 類似画像検索を用いた商品推薦システム | |
| Hiroike et al. | Visualization of information spaces to retrieve and browse image data | |
| US20020059206A1 (en) | Method for searching multimedia using progressive histogram | |
| US9317529B2 (en) | Memory-efficient spatial histogram construction | |
| JP5155025B2 (ja) | 類似データ検索システム | |
| Rezaei et al. | GuASPSO: a new approach to hold a better exploration–exploitation balance in PSO algorithm | |
| JP2003016078A (ja) | データの分類、検索および表示方法 | |
| US20100174707A1 (en) | Image searching apparatus, image sorting apparatus and method and program | |
| JP4674257B2 (ja) | 画像分類装置およびその装置としてコンピュータを機能させるためのプログラムを記録したコンピュータ読み取り可能な記録媒体 | |
| CN113222027A (zh) | 基于加权共享最近邻的自适应聚类中心密度峰值聚类算法 | |
| EP1246124B1 (en) | Image space display method and apparatus | |
| JP5337673B2 (ja) | 画像検索システム | |
| Kettaf et al. | A comparison study of image segmentation by clustering techniques | |
| Verma et al. | A fuzzy-neural approach for interpretation and fusion of colour and texture features for CBIR systems | |
| Nakazato et al. | Evaluating group-based relevance feedback for content-based image retrieval | |
| JP6445738B2 (ja) | 類似画像検索方法およびシステム | |
| US11302070B1 (en) | Systems and methods for multi-tree deconstruction and processing of point clouds |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20040708 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20070703 |
|
| A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20080108 |