JP2011034389A - 時系列データ類似判定装置、時系列データ類似判定プログラム、記録媒体及び時系列データ類似判定方法 - Google Patents
時系列データ類似判定装置、時系列データ類似判定プログラム、記録媒体及び時系列データ類似判定方法 Download PDFInfo
- Publication number
- JP2011034389A JP2011034389A JP2009180546A JP2009180546A JP2011034389A JP 2011034389 A JP2011034389 A JP 2011034389A JP 2009180546 A JP2009180546 A JP 2009180546A JP 2009180546 A JP2009180546 A JP 2009180546A JP 2011034389 A JP2011034389 A JP 2011034389A
- Authority
- JP
- Japan
- Prior art keywords
- series data
- series
- time
- summary element
- similarity
- 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
Images
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
【課題】ある時系列データに類似する時系列データを検索する検索装置に関して、時間方向の柔軟性を維持しながら、高周波成分で重視される固有周波数や包絡線成分に重点を置いた検索を可能とする時系列データ検索装置を提供する。
【解決手段】類似検索装置は、時系列データＡと時系列データＢとを、その波形が特徴的な区間ａ１〜ａ６，ｂ１〜ｂ８（均一特性区間）に区切り、それぞれの区間ごとに、その区間の時系列データを要約要素と呼ばれる要約情報ａＹ１〜ａＹ６，ｂＹ１〜ｂＹ８に変換する。類似検索装置は時系列データＡと時系列データＢとに対して、それぞれ要約要素系列Ａと要約要素系列Ｂとを作成し、要約要素系列の類否を基準として時系列データどうしの類否を判定する。
【選択図】図１
【解決手段】類似検索装置は、時系列データＡと時系列データＢとを、その波形が特徴的な区間ａ１〜ａ６，ｂ１〜ｂ８（均一特性区間）に区切り、それぞれの区間ごとに、その区間の時系列データを要約要素と呼ばれる要約情報ａＹ１〜ａＹ６，ｂＹ１〜ｂＹ８に変換する。類似検索装置は時系列データＡと時系列データＢとに対して、それぞれ要約要素系列Ａと要約要素系列Ｂとを作成し、要約要素系列の類否を基準として時系列データどうしの類否を判定する。
【選択図】図１
Description
この発明は、時系列データどうしの類否を判定する時系列データ類似判定装置、時系列データ類似判定プログラム、時系列データ類似判定方法に関する。
近年、異常の早期発見を目的として、工場やビルなどで動作中の設備機器の状態を常時観測する取組みが数多くなされている。観測されたそれらのアナログ値の変化を示す時系列データは一般に膨大であるが、後の活用を想定して蓄積されることが多い。時系列データの活用の際には、過去に蓄積された膨大な時系列データの中から、目的のパターンを抽出する検索を行うことが必須である。しかし、時系列データの検索は、リレーショナルデータベースやデータウェアハウスにおけるレコード検索とは異なり、指定された値の完全一致により検索目的が達成されることは少なく、連続した値の系列・パターンに対して、ある程度の揺らぎを許容して、完全一致ではなく類似性を評価して検索を行う必要がある。時系列データを活用する検索方式として、フーリエ変換やウェーブレット変換による情報圧縮を行い、圧縮されたデータを検索することで、検索に必要な演算量を減少させる方式が知られている（例えば特許文献１）。また近年では時間方向の歪みを吸収して類似判定を行うダイナミックタイムワーピング方式が知られている（例えば非特許文献１，２）。
櫻井保志，「ダイナミックタイムワーピング距離に基づくストリーム処理」， ＤＥＷＳ２００７ Ｌ６−５．
吉川昴伯，「長大な時系列データの類似検索手法に関する研究」，筑波大学大学院システム工学研究科修士論文，２００７年３月．
センサ情報など、高周波成分と低周波成分とが混在する波形同士を人が類似判断する場合、人の判断基準は、滑らかな変化をしている低周波の場合はその値自身を比較し、高周波で振動した波形の場合は高周波部分の周波数とその包絡線とを比較する。しかし、コンピュータを用いた通常の時系列類似検索では、高周波数か低周波かに応じた類似性の評価を行うことはなかった。そして従来技術におけるウェーブレット変換を用いた情報圧縮による検索演算量軽減では、高周波成分の包絡線の特徴などに応じた検索ができない。一方、前述のダイナミックタイムワーピングを用いた手法では、高周波成分を持たない波形についてはデータを時間方向に伸縮することにより時間方向に柔軟な検索が実現できるが、高周波成分を持つ場合には、時間伸縮により周波数が変更してしまう形でマッチングが行われるため、共振周波数など、高周波成分の重要な要素が無視されてしまう。
本発明は、時系列データからの時系列シーケンスの類似検索について、時間方向の柔軟性を維持しながら、高周波成分で重視される固有周波数や包絡線成分に重点を置いた検索を実現することを目的としたものである。
この発明の時系列データ類似判定装置は、
時系列データから、時間進行に対する所定の項目の変化を示す項目変化系列を生成する項目変化系列生成部と、
前記項目変化系列生成部によって生成された前記項目変化系列に基づいて、前記時系列データの期間を、区間内では前記所定の項目の変化が均一とみなされる均一特性区間ごとに分割する区間分割部と、
前記均一特性区間における前記時系列データの特徴を要約した情報を示す要約要素を前記均一特性区間ごとに生成し、生成された前記均一特性区間ごとの要約要素を時系列に配置した要約要素系列を生成する要約要素系列生成部と、
前記要約要素系列生成部によって生成された第１の要約要素系列と第２の要約要素系列との類似判定を実行する時系列データ類似判定部と
を備えたことを特徴とする。
時系列データから、時間進行に対する所定の項目の変化を示す項目変化系列を生成する項目変化系列生成部と、
前記項目変化系列生成部によって生成された前記項目変化系列に基づいて、前記時系列データの期間を、区間内では前記所定の項目の変化が均一とみなされる均一特性区間ごとに分割する区間分割部と、
前記均一特性区間における前記時系列データの特徴を要約した情報を示す要約要素を前記均一特性区間ごとに生成し、生成された前記均一特性区間ごとの要約要素を時系列に配置した要約要素系列を生成する要約要素系列生成部と、
前記要約要素系列生成部によって生成された第１の要約要素系列と第２の要約要素系列との類似判定を実行する時系列データ類似判定部と
を備えたことを特徴とする。
この発明により、ある時系列データに類似する時系列データのヒット率を向上することができる。
実施の形態１．
図１〜図２０を参照して実施の形態１における類似検索装置１００Ａ（時系列データ類似判定装置の一例）を説明する。
図１は、類似検索装置１００Ａによる時系列データの類似検索方式の基本となる、時系列データどうしの類似評価方式の処理イメージの図である。時系列データＡと時系列データＢとを、その波形が特徴的な区間ａ１〜ａ６，ｂ１〜ｂ８（後述の均一特性区間）に区切り、それぞれの区間ごとに、その区間の時系列データを要約要素と呼ばれる要約情報ａＹ１〜ａＹ６，ｂＹ１〜ｂＹ８に変換する。類似検索装置１００Ａは時系列データＡと時系列データＢとに対して、それぞれ要約情報ａＹ１〜ａＹ６からなる要約要素系列Ａと要約要素ｂＹ１〜ｂＹ８からなる要約要素系列Ｂとを作成し、要約要素系列の類否を基準として時系列データＡ，Ｂどうしの類否を判定する。
図１〜図２０を参照して実施の形態１における類似検索装置１００Ａ（時系列データ類似判定装置の一例）を説明する。
図１は、類似検索装置１００Ａによる時系列データの類似検索方式の基本となる、時系列データどうしの類似評価方式の処理イメージの図である。時系列データＡと時系列データＢとを、その波形が特徴的な区間ａ１〜ａ６，ｂ１〜ｂ８（後述の均一特性区間）に区切り、それぞれの区間ごとに、その区間の時系列データを要約要素と呼ばれる要約情報ａＹ１〜ａＹ６，ｂＹ１〜ｂＹ８に変換する。類似検索装置１００Ａは時系列データＡと時系列データＢとに対して、それぞれ要約情報ａＹ１〜ａＹ６からなる要約要素系列Ａと要約要素ｂＹ１〜ｂＹ８からなる要約要素系列Ｂとを作成し、要約要素系列の類否を基準として時系列データＡ，Ｂどうしの類否を判定する。
図２は類似検索装置１００Ａの構成図である。類似検索装置１００Ａは、特性評価部１１０、時系列データ類似判定部１２０、新規要約要素系列バッファ９、要約要素管理部１０を備えている。要約要素管理部１０は、既に生成された要約要素系列が蓄積されている要約要素系列蓄積ＤＢ（ＤａｔａＢａｓｅ）２００に接続している。蓄積されている要約要素系列は元となる時系列データに対応付けされている。
特性評価部１１０は、要約指標値算出部２（項目変化系列生成部の一例）、変曲点検出部３（区間分割部の一例）、パルス検知部４、及び要約要素系列生成部１１１を備える。要約要素系列生成部１１１は、周波数評価部５、高周波特性評価部６、低周波特性評価部７、特性統合部８を備えている。
時系列データ類似判定部１２０は、反復類似判定部１２、要約要素系列比較用候補生成部１３（マッチング生成部の一例）、比較履歴バッファ１４、要約要素系列類似評価部１５、評価履歴バッファ１６、多項目不定長要約要素類似評価部１７（組合せ類似度算出部の一例）を備えている。
特性評価部１１０は、要約指標値算出部２（項目変化系列生成部の一例）、変曲点検出部３（区間分割部の一例）、パルス検知部４、及び要約要素系列生成部１１１を備える。要約要素系列生成部１１１は、周波数評価部５、高周波特性評価部６、低周波特性評価部７、特性統合部８を備えている。
時系列データ類似判定部１２０は、反復類似判定部１２、要約要素系列比較用候補生成部１３（マッチング生成部の一例）、比較履歴バッファ１４、要約要素系列類似評価部１５、評価履歴バッファ１６、多項目不定長要約要素類似評価部１７（組合せ類似度算出部の一例）を備えている。
図２において、
（１）新規時系列データバッファ１は、新規に発生した時系列データを一時蓄積するバッファである。
（２）要約指標値算出部２は、時系列データに対して、その特性が等しい部分範囲で区切る際の指標となる要約指標を算出し、要約指標値系列を生成する。
（３）変曲点検出部３は、時系列データの要約指標に大きな差が存在する箇所を探索し、変曲点とする。また、探索により得られた変曲点で囲まれた部分区間を、均一特性区間として抽出する。
（４）パルス検知部４は、各均一特性区間に対して、一時的に大きな外れ値をとるパルスノイズを検出し、存在する場合は、パルスノイズの情報を、要約要素の形式で登録する。
（５）周波数評価部５は、パルスノイズを除去した均一特性区間に対して、その周波数成分として高周波成分を含むか否かを判定する。
（６）高周波特性評価部６は、高周波成分を持つと判定された均一特性区間に対して、その周波数値や包絡線の情報を要約要素として生成して登録する。
（７）低周波特性評価部７では、均一特性区間の生値の変化の情報を要約要素として生成して登録する。
（８）特性統合部８は、得られているパルスノイズ、周波数値、包絡線、生値のそれぞれの情報を、均一特性区間と対応付け、元の時系列データに対応する要約要素系列を生成して出力する。
（９）新規要約要素系列バッファ９では、新規時系列データに対応する要約要素系列を格納する。
（１０）要約要素管理部１０は、要約要素系列蓄積ＤＢ１１に蓄積された要約要素系列の追加や呼び出しを管理する。
（１１）要約要素系列蓄積ＤＢ１１は、複数の要約要素系列を蓄積する。
（１２）反復類似判定部１２は、２つの要約要素系列の類似性を反復評価する処理を管理する。
（１３）要約要素系列比較用候補生成部１３は、新規の要約要素系列Ｓと比較対象の要約要素系列Ａとに対して、どのような対応関係（マッチング）で比較を行うかを決定する。
（１４）比較履歴バッファ１４は、過去に比較を行った対応関係を格納する。
（１５）要約要素系列類似評価部１５では、２つの要約要素系列を、指定された対応関係で類似性の比較を行う。
（１６）評価履歴バッファ１６は、類似性の判定結果を格納する。
（１７）多項目不定長要約要素類似評価部１７は、不定長の多項目（後述の図３の項目が複数種類あることを意味する）からなる要約要素同士の類似性比較に対して、重みを考慮した評価を実施し、類似評価値を返す。
（１８）結果出力部１８では、新規要約要素系列に類似していると判定される要約要素系列を、蓄積された要約要素系列から選別し、リストとして出力する。
（１）新規時系列データバッファ１は、新規に発生した時系列データを一時蓄積するバッファである。
（２）要約指標値算出部２は、時系列データに対して、その特性が等しい部分範囲で区切る際の指標となる要約指標を算出し、要約指標値系列を生成する。
（３）変曲点検出部３は、時系列データの要約指標に大きな差が存在する箇所を探索し、変曲点とする。また、探索により得られた変曲点で囲まれた部分区間を、均一特性区間として抽出する。
（４）パルス検知部４は、各均一特性区間に対して、一時的に大きな外れ値をとるパルスノイズを検出し、存在する場合は、パルスノイズの情報を、要約要素の形式で登録する。
（５）周波数評価部５は、パルスノイズを除去した均一特性区間に対して、その周波数成分として高周波成分を含むか否かを判定する。
（６）高周波特性評価部６は、高周波成分を持つと判定された均一特性区間に対して、その周波数値や包絡線の情報を要約要素として生成して登録する。
（７）低周波特性評価部７では、均一特性区間の生値の変化の情報を要約要素として生成して登録する。
（８）特性統合部８は、得られているパルスノイズ、周波数値、包絡線、生値のそれぞれの情報を、均一特性区間と対応付け、元の時系列データに対応する要約要素系列を生成して出力する。
（９）新規要約要素系列バッファ９では、新規時系列データに対応する要約要素系列を格納する。
（１０）要約要素管理部１０は、要約要素系列蓄積ＤＢ１１に蓄積された要約要素系列の追加や呼び出しを管理する。
（１１）要約要素系列蓄積ＤＢ１１は、複数の要約要素系列を蓄積する。
（１２）反復類似判定部１２は、２つの要約要素系列の類似性を反復評価する処理を管理する。
（１３）要約要素系列比較用候補生成部１３は、新規の要約要素系列Ｓと比較対象の要約要素系列Ａとに対して、どのような対応関係（マッチング）で比較を行うかを決定する。
（１４）比較履歴バッファ１４は、過去に比較を行った対応関係を格納する。
（１５）要約要素系列類似評価部１５では、２つの要約要素系列を、指定された対応関係で類似性の比較を行う。
（１６）評価履歴バッファ１６は、類似性の判定結果を格納する。
（１７）多項目不定長要約要素類似評価部１７は、不定長の多項目（後述の図３の項目が複数種類あることを意味する）からなる要約要素同士の類似性比較に対して、重みを考慮した評価を実施し、類似評価値を返す。
（１８）結果出力部１８では、新規要約要素系列に類似していると判定される要約要素系列を、蓄積された要約要素系列から選別し、リストとして出力する。
（要約要素のデータ形式）
図３は、要約要素の情報形式を示す図である。なお複数の要約要素からなる要約要素系列の具体例は図１５等の説明で後述する。
ここで「要約要素」とは、均一特性区間（後述する）における時系列データの特徴を要約した情報である。前述のように図１のａ１，ａ２，ａ３，・・・等が均一特性区間を示している。要約要素の時系列の並びを要約要素系列と呼ぶ。すなわち「要約要素系列」とは、均一特性区間ごとの要約要素を時系列に配置したものである。
図３は、要約要素の情報形式を示す図である。なお複数の要約要素からなる要約要素系列の具体例は図１５等の説明で後述する。
ここで「要約要素」とは、均一特性区間（後述する）における時系列データの特徴を要約した情報である。前述のように図１のａ１，ａ２，ａ３，・・・等が均一特性区間を示している。要約要素の時系列の並びを要約要素系列と呼ぶ。すなわち「要約要素系列」とは、均一特性区間ごとの要約要素を時系列に配置したものである。
要約要素は、一つの均一特性区間に対して、１つ以上が対応付けられる。要約要素の情報形式は、図３に示すように、
「種類、変化、パラメータ、発生時間」
の４つの項目からなる。
「種類、変化、パラメータ、発生時間」
の４つの項目からなる。
（種類項目）
種類の項目には、観測値、周波数、包絡線、パルスノイズのいずれかを示す記号が格納される。
種類の項目には、観測値、周波数、包絡線、パルスノイズのいずれかを示す記号が格納される。
（変化項目）
変化の項目には、一定、単調変化、Ｕ字変化、ランダムのいずれかを示す記号が格納される。ここで一定、単調変化等の記号は、次の様である。
（１）一定とは対象とする値が一定であることを意味する。
（２）単調変化とは単調に変化することを意味する。
（３）Ｕ字変化とはＵ字型に推移することを意味する。なお、「Ｕ字変化」の意味は図１３で後述している。
（４）ランダムとは以上のいずれにも属さないランダム変化を示す。
このように種類項目として、４種類で評価する。
変化の項目には、一定、単調変化、Ｕ字変化、ランダムのいずれかを示す記号が格納される。ここで一定、単調変化等の記号は、次の様である。
（１）一定とは対象とする値が一定であることを意味する。
（２）単調変化とは単調に変化することを意味する。
（３）Ｕ字変化とはＵ字型に推移することを意味する。なお、「Ｕ字変化」の意味は図１３で後述している。
（４）ランダムとは以上のいずれにも属さないランダム変化を示す。
このように種類項目として、４種類で評価する。
（パラメータ項目）
パラメータの項目には、種類及び変化の項目に指定された内容に応じて、その変化を説明するための定量値のリストを格納する。パラメータ項目に指定する値は、変化項目が一定の場合は、その値分布の代表値、単調変化の場合は値の初期値と傾き、Ｕ字型の場合は初期値と初期傾きおよび変化の曲率、ランダムの場合はランダムに発生する値の幅の上限、下限の値とする。
パラメータの項目には、種類及び変化の項目に指定された内容に応じて、その変化を説明するための定量値のリストを格納する。パラメータ項目に指定する値は、変化項目が一定の場合は、その値分布の代表値、単調変化の場合は値の初期値と傾き、Ｕ字型の場合は初期値と初期傾きおよび変化の曲率、ランダムの場合はランダムに発生する値の幅の上限、下限の値とする。
（発生時間項目）
発生時間の項目には、均一特性区間の開始日時と継続時間を格納する。
発生時間の項目には、均一特性区間の開始日時と継続時間を格納する。
（要約要素系列の生成動作の概要）
図４は、類似検索装置１００Ａによる要約要素系列の生成動作の概要を示すフローチャートである。図４を参照して、類似検索装置１００Ａによる要約要素系列の生成概要を説明する。
図４は、類似検索装置１００Ａによる要約要素系列の生成動作の概要を示すフローチャートである。図４を参照して、類似検索装置１００Ａによる要約要素系列の生成概要を説明する。
（１）Ｓ０１において、要約指標値算出部２が時系列データを入力する。
（２）Ｓ０２において、要約指標値算出部２がこの時系列データから時間進行に対する所定の項目の変化を示す「要約指標値系列」を生成する。
（３）Ｓ０３において、変曲点検出部３が生成された「要約指標値系列」に基づいて、前記時系列データの期間を、区間内では要約指標値変化が均一とみなされる均一特性区間ごとに分割する。
（４）Ｓ０４において、要約要素系列生成部１１１が均一特性区間における時系列データの特徴を要約した情報を示す要約要素を均一特性区間ごとに生成し、生成された前記均一特性区間ごとの要約要素を時系列に配置した要約要素系列を生成する。さらに具体的には要約要素系列生成部１１１において高周波特性評価部６が均一特性区間のうち高周波特性を有する均一特性区間について、高周波に関する要約要素を生成し、高周波特性評価部６が均一特性区間について低周波に関する要約要素を生成する。そして、特性統合部８が、高周波に関する要約要素と低周波に関する要約要素とを統合して、時系列の要約要素系列を生成する。時系列データごとに作成された要約要素系列をもとに、時系列データ類似判定部１２０は、要約要素系列生成部１１１によって生成された第１の要約要素系列（Ｓ）を持つ第１の時系列データと、要約要素系列生成部１１１によって生成された第２の要約要素系列（Ａ）を持つ第２の時系列データとの類似判定を、第１の要約要素系列（Ｓ）と第２の要約要素系列（Ａ）との類似判定の結果に従って判定する。
（２）Ｓ０２において、要約指標値算出部２がこの時系列データから時間進行に対する所定の項目の変化を示す「要約指標値系列」を生成する。
（３）Ｓ０３において、変曲点検出部３が生成された「要約指標値系列」に基づいて、前記時系列データの期間を、区間内では要約指標値変化が均一とみなされる均一特性区間ごとに分割する。
（４）Ｓ０４において、要約要素系列生成部１１１が均一特性区間における時系列データの特徴を要約した情報を示す要約要素を均一特性区間ごとに生成し、生成された前記均一特性区間ごとの要約要素を時系列に配置した要約要素系列を生成する。さらに具体的には要約要素系列生成部１１１において高周波特性評価部６が均一特性区間のうち高周波特性を有する均一特性区間について、高周波に関する要約要素を生成し、高周波特性評価部６が均一特性区間について低周波に関する要約要素を生成する。そして、特性統合部８が、高周波に関する要約要素と低周波に関する要約要素とを統合して、時系列の要約要素系列を生成する。時系列データごとに作成された要約要素系列をもとに、時系列データ類似判定部１２０は、要約要素系列生成部１１１によって生成された第１の要約要素系列（Ｓ）を持つ第１の時系列データと、要約要素系列生成部１１１によって生成された第２の要約要素系列（Ａ）を持つ第２の時系列データとの類似判定を、第１の要約要素系列（Ｓ）と第２の要約要素系列（Ａ）との類似判定の結果に従って判定する。
図５〜図７は類似検索装置１００Ａの動作を示すフローチャートである。
図５は、新規の時系列データからその要約要素系列を生成する過程を示すフローチャートである。
図６は、新規に生成された要約要素系列と類似する他の要約要素系列の検索過程を示すフローチャートである。
図７は図６のフローチャートをシーケンス化した図である。
図５〜図７を参照して類似検索装置１００Ａの動作を説明する。
図５は、新規の時系列データからその要約要素系列を生成する過程を示すフローチャートである。
図６は、新規に生成された要約要素系列と類似する他の要約要素系列の検索過程を示すフローチャートである。
図７は図６のフローチャートをシーケンス化した図である。
図５〜図７を参照して類似検索装置１００Ａの動作を説明する。
（要約指標値算出部２）
まず要約指標値算出部２が新規時系列データバッファ１から時系列データを読込み（Ｓ１０１）、時系列データに対応する要約指標値を算出し、要約指標値の時系列の並びである要約指標値系列を生成する（Ｓ１０２）。ここで「要約指標値」とは、後述の均一特性区間を決めるため、予め定められた所定の項目の値である。また、「要約指標値系列」（項目変化系列の一例）とは、時間進行に対する前記所定の項目（要約指標値）の変化を示す情報である。要約指標値系列の具体例は、後述の図９、図１０等で説明する。この要約指標値（すなわち所定の項目の値）は、時系列データの値や傾き、曲率、局所周波数、振幅を求めたものなどが該当するが、それら全てを算出する必要はなく、実装にゆだねられる。また、要約指標として、移動平均値や局所的な標準偏差、回帰係数、回帰Ｒ値、特異値、特異係数のいずれかであってもよい。なお、要約指標値算出部２は新規時系列データの主要周波数成分の簡易計算を実行する。
まず要約指標値算出部２が新規時系列データバッファ１から時系列データを読込み（Ｓ１０１）、時系列データに対応する要約指標値を算出し、要約指標値の時系列の並びである要約指標値系列を生成する（Ｓ１０２）。ここで「要約指標値」とは、後述の均一特性区間を決めるため、予め定められた所定の項目の値である。また、「要約指標値系列」（項目変化系列の一例）とは、時間進行に対する前記所定の項目（要約指標値）の変化を示す情報である。要約指標値系列の具体例は、後述の図９、図１０等で説明する。この要約指標値（すなわち所定の項目の値）は、時系列データの値や傾き、曲率、局所周波数、振幅を求めたものなどが該当するが、それら全てを算出する必要はなく、実装にゆだねられる。また、要約指標として、移動平均値や局所的な標準偏差、回帰係数、回帰Ｒ値、特異値、特異係数のいずれかであってもよい。なお、要約指標値算出部２は新規時系列データの主要周波数成分の簡易計算を実行する。
（変曲点検出部３）
次に、変曲点検出部３は、後述の図９、図１０に示すような要約指標値算出部２によって得られた要約指標値系列の変曲点を算出する（Ｓ１０４）。変曲点は２階微分もしくは２階差分を求めた場合の正負が変化する箇所として算出するが、隣接する値の差が閾値以上の箇所を変曲点とする方法を使用してもよく、変曲点の候補の発生間隔を条件として、変曲点として採用するか否かを決定してもよく、変曲点の算出方式をこの方法に限定するものではない。それらの変曲点で区切られた時系列データの部分区間を、「均一特性区間」と呼ぶ。後述の図１１で「均一特性区間」で述べる。「均一特性区間」とは要約指標値の変化が均一とみなされる区間である。以後の処理は、上記に述べた新規に入力された時系列データを対象とし、均一特性区間を最小単位として行われる。
次に、変曲点検出部３は、後述の図９、図１０に示すような要約指標値算出部２によって得られた要約指標値系列の変曲点を算出する（Ｓ１０４）。変曲点は２階微分もしくは２階差分を求めた場合の正負が変化する箇所として算出するが、隣接する値の差が閾値以上の箇所を変曲点とする方法を使用してもよく、変曲点の候補の発生間隔を条件として、変曲点として採用するか否かを決定してもよく、変曲点の算出方式をこの方法に限定するものではない。それらの変曲点で区切られた時系列データの部分区間を、「均一特性区間」と呼ぶ。後述の図１１で「均一特性区間」で述べる。「均一特性区間」とは要約指標値の変化が均一とみなされる区間である。以後の処理は、上記に述べた新規に入力された時系列データを対象とし、均一特性区間を最小単位として行われる。
（パルス検出部４）
パルス検知部４は、均一特性区間毎に、その内部にパルスノイズが存在するかどうかを評価する（Ｓ１０５）。評価方法としては、判定区間内の生値の平均値μと標準偏差σを求め、値がμ−３σ以下もしくはμ＋３σ以上となる値を外れ値としたとき、外れ値が連続して３点以内であり、またその前後の区間の長さの５％の範囲で外れ値が発生していない場合に、その外れ値をパルスノイズとみなす。ここで、パルスノイズの判定基準は適用分野によって異なるため、μ±３σの各項の係数は１および３に限定するものではなく、また外れ値の連続数の閾値を３点に限定するものではなく、また前後に外れ値が発生しない範囲を、区間の長さの５％に限定するものではない。
パルス検知部４は、均一特性区間毎に、その内部にパルスノイズが存在するかどうかを評価する（Ｓ１０５）。評価方法としては、判定区間内の生値の平均値μと標準偏差σを求め、値がμ−３σ以下もしくはμ＋３σ以上となる値を外れ値としたとき、外れ値が連続して３点以内であり、またその前後の区間の長さの５％の範囲で外れ値が発生していない場合に、その外れ値をパルスノイズとみなす。ここで、パルスノイズの判定基準は適用分野によって異なるため、μ±３σの各項の係数は１および３に限定するものではなく、また外れ値の連続数の閾値を３点に限定するものではなく、また前後に外れ値が発生しない範囲を、区間の長さの５％に限定するものではない。
（周波数評価部５）
周波数評価部５では、均一特性区間毎に、パルス検知部４にて検知されたパルスノイズを平均値で上書きして除去した後、ハイパスフィルタを通した後の信号から、高周波成分が存在するか否かを判定する（Ｓ１０６、１０７）。
周波数評価部５では、均一特性区間毎に、パルス検知部４にて検知されたパルスノイズを平均値で上書きして除去した後、ハイパスフィルタを通した後の信号から、高周波成分が存在するか否かを判定する（Ｓ１０６、１０７）。
（高周波特性評価部６）
高周波特性評価部６は、入力した時系列データのうち高周波成分を含む均一特性区間に対して、後述の図１２に示すような、その周波数分布と包絡線との情報（高周波特徴情報）を含む要約要素（高周波成分を含む均一特性区間についての要約要素）を生成する（Ｓ１０８）。高周波特性評価部６では、周波数分布はフーリエ変換を用いて算出し、包絡線の抽出はローパスフィルタを用いて算出する。周波数分布と包絡線の情報は、図１２に示すように、対応する要約要素の種類項目を設定し、算出した結果に対応する要約要素の変化項目、パラメータ項目、発生時間項目を設定する。
高周波特性評価部６は、入力した時系列データのうち高周波成分を含む均一特性区間に対して、後述の図１２に示すような、その周波数分布と包絡線との情報（高周波特徴情報）を含む要約要素（高周波成分を含む均一特性区間についての要約要素）を生成する（Ｓ１０８）。高周波特性評価部６では、周波数分布はフーリエ変換を用いて算出し、包絡線の抽出はローパスフィルタを用いて算出する。周波数分布と包絡線の情報は、図１２に示すように、対応する要約要素の種類項目を設定し、算出した結果に対応する要約要素の変化項目、パラメータ項目、発生時間項目を設定する。
（低周波特性評価部７）
低周波特性評価部７は、均一特性区間に対して、観測値の情報（低周波特徴情報）を算出する（Ｓ１０９）。観測値の情報は、後述の図１４のように、対応する要約要素の種類項目を設定し、算出した結果に対応する要約要素の変化項目、パラメータ項目、発生時間項目を設定する。
低周波特性評価部７は、均一特性区間に対して、観測値の情報（低周波特徴情報）を算出する（Ｓ１０９）。観測値の情報は、後述の図１４のように、対応する要約要素の種類項目を設定し、算出した結果に対応する要約要素の変化項目、パラメータ項目、発生時間項目を設定する。
（特性統合部８）
特性統合部８は、これまでに生成された要約要素を、新規時系列データにおいて対応する均一特性区間が現れる順に新規要約要素系列としてリスト形式に統合し（後述の図１５）、新規要約要素系列バッファ９に格納する（Ｓ１１０）。また同時に、要約要素管理部１０へ、新規要約要素系列の情報を転送する。
特性統合部８は、これまでに生成された要約要素を、新規時系列データにおいて対応する均一特性区間が現れる順に新規要約要素系列としてリスト形式に統合し（後述の図１５）、新規要約要素系列バッファ９に格納する（Ｓ１１０）。また同時に、要約要素管理部１０へ、新規要約要素系列の情報を転送する。
以上、図５に示したＳ１０１〜Ｓ１１０が、新規の時系列データからその要約要素系列を生成する過程である。
次に、図６、図７を用いて、類似検索装置１００Ａが新規に生成された要約要系列Ｓと、すでに生成されている要約要素系列Ａとを類似判定する場合を説明する。
（要約要素管理部１０）
要約要素管理部１０は、要約要素系列蓄積ＤＢ１１に蓄積されている要約要素系列を、反復類似判定部１２からの要求に応じて反復類似判定部１２へ転送する。また、要約要素管理部１０は、特性統合部８から受領した新規な要約要素系列を、要約要素系列蓄積ＤＢ１１に追加し蓄積する。
要約要素管理部１０は、要約要素系列蓄積ＤＢ１１に蓄積されている要約要素系列を、反復類似判定部１２からの要求に応じて反復類似判定部１２へ転送する。また、要約要素管理部１０は、特性統合部８から受領した新規な要約要素系列を、要約要素系列蓄積ＤＢ１１に追加し蓄積する。
（反復類似判定部１２）
反復類似判定部１２は、新規要約要素系列バッファ９に格納された新規の要約要素系列と、要約要素管理部１０に要求して得られた要約要素系列蓄積ＤＢ１１に蓄積されている要約要素系列との間の類似性を判定する。以下の説明では、新規の要約要素系列を要約要素系列Ｓ（系列Ｓともいう。第１の要約要素系列の一例）と呼び、要約要素管理部１０から受領した要約要素系列を要約要素系列Ａ（系列Ａともいう。第２の要約要素系列の一例）と呼ぶこととする。系列Ａは新規に作成された系列Ｓの類似判定の対象である。反復類似判定部１２は、系列Ａと系列Ｓとを読み込み類似評価処理を実施する（Ｓ１１１）。反復類似判定部１２は、系列Ａとして選択されていない要約要素系列が要約要素系列蓄積ＤＢ１１に存在している限り、選択されていない要約要素系列を新たな系列Ａ（第２の要約要素系列）として選択し、順次に系列Ｓとの類似判定処理を行う。系列Ｓと系列Ａとの類似判定処理は、以下の様に行う。
反復類似判定部１２は、新規要約要素系列バッファ９に格納された新規の要約要素系列と、要約要素管理部１０に要求して得られた要約要素系列蓄積ＤＢ１１に蓄積されている要約要素系列との間の類似性を判定する。以下の説明では、新規の要約要素系列を要約要素系列Ｓ（系列Ｓともいう。第１の要約要素系列の一例）と呼び、要約要素管理部１０から受領した要約要素系列を要約要素系列Ａ（系列Ａともいう。第２の要約要素系列の一例）と呼ぶこととする。系列Ａは新規に作成された系列Ｓの類似判定の対象である。反復類似判定部１２は、系列Ａと系列Ｓとを読み込み類似評価処理を実施する（Ｓ１１１）。反復類似判定部１２は、系列Ａとして選択されていない要約要素系列が要約要素系列蓄積ＤＢ１１に存在している限り、選択されていない要約要素系列を新たな系列Ａ（第２の要約要素系列）として選択し、順次に系列Ｓとの類似判定処理を行う。系列Ｓと系列Ａとの類似判定処理は、以下の様に行う。
（反復類似判定部１２等）
反復類似判定部１２は、図７に示すように、要約要素系列比較用候補生成部１３に系列Ｓが持つ複数の均一特性区間と、系列Ａが持つ複数の均一特性区間に対して、どのようなマッチングで個々の均一特性区間に対応する要約要素の間の類似性を判定するかの提示を依頼する（Ｓ１１２）。なお要約要素系列比較用候補生成部１３は依頼毎にマッチングＭ（具体例は後述する）を生成する。要約要素系列比較用候補生成部１３は、比較履歴バッファ１４に存在しない新しいマッチングＭを算出し、反復類似判定部１２に通知すると共に、マッチングＭを比較履歴バッファ１４に追加で格納する（Ｓ１１３）。反復類似判定部１２は、マッチングＭを受領すると系列Ｓ、系列ＡおよびマッチングＭを要約要素系列類似評価部１５へ送信する（Ｓ１１４）。
反復類似判定部１２は、図７に示すように、要約要素系列比較用候補生成部１３に系列Ｓが持つ複数の均一特性区間と、系列Ａが持つ複数の均一特性区間に対して、どのようなマッチングで個々の均一特性区間に対応する要約要素の間の類似性を判定するかの提示を依頼する（Ｓ１１２）。なお要約要素系列比較用候補生成部１３は依頼毎にマッチングＭ（具体例は後述する）を生成する。要約要素系列比較用候補生成部１３は、比較履歴バッファ１４に存在しない新しいマッチングＭを算出し、反復類似判定部１２に通知すると共に、マッチングＭを比較履歴バッファ１４に追加で格納する（Ｓ１１３）。反復類似判定部１２は、マッチングＭを受領すると系列Ｓ、系列ＡおよびマッチングＭを要約要素系列類似評価部１５へ送信する（Ｓ１１４）。
（要約要素系列類似評価部１５）
まず概要を説明する。要約要素系列類似評価部１５は、系列Ｓと系列Ａから、マッチングＭで対応付けされている対応に従う均一特性区間のペアを選択し、対応する要約要素を多項目不定長要約要素類似評価部１７へ送る（Ｓ１１５）。
まず概要を説明する。要約要素系列類似評価部１５は、系列Ｓと系列Ａから、マッチングＭで対応付けされている対応に従う均一特性区間のペアを選択し、対応する要約要素を多項目不定長要約要素類似評価部１７へ送る（Ｓ１１５）。
（多項目不定長要約要素類似評価部１７）
多項目不定長要約要素類似評価部１７は、系列Ｓの均一特性区間の要約要素と、系列Ａの均一特性区間の要約要素との間の類似性を評価する（要約要素間の類似度。具体例は後述する）（Ｓ１１６）。類似性の評価は、要約要素の種類項目が同一のもの同士で行い、その変化項目、パラメータ項目、発生時間項目の内容の類似性を評価する。多項目不定長要約要素類似評価部１７による類似性評価は、単純には変化項目の一致不一致の０−１フラグ、パラメータの値の距離、発生時間の距離に対して重み付き加算を行った値を類似性として判定する方法が考えられる。なお、類似性判定においては、変化項目が異なる値である場合に、その変化項目の値の組み合わせに応じて、パラメータ項目の値の距離に加える重みを変更するような評価をしてもよく、類似性判定の方式を限定するものではない。
多項目不定長要約要素類似評価部１７は、系列Ｓの均一特性区間の要約要素と、系列Ａの均一特性区間の要約要素との間の類似性を評価する（要約要素間の類似度。具体例は後述する）（Ｓ１１６）。類似性の評価は、要約要素の種類項目が同一のもの同士で行い、その変化項目、パラメータ項目、発生時間項目の内容の類似性を評価する。多項目不定長要約要素類似評価部１７による類似性評価は、単純には変化項目の一致不一致の０−１フラグ、パラメータの値の距離、発生時間の距離に対して重み付き加算を行った値を類似性として判定する方法が考えられる。なお、類似性判定においては、変化項目が異なる値である場合に、その変化項目の値の組み合わせに応じて、パラメータ項目の値の距離に加える重みを変更するような評価をしてもよく、類似性判定の方式を限定するものではない。
（要約要素系列類似評価部１５）
要約要素系列類似評価部１５は、系列Ｓと系列Ａとの均一特性区間に対し、マッチングＭで指定された全ての組み合わせに対して類似性を評価し、全組み合わせに対する類似性の逆数の総和したものの逆数を系列Ｓと系列ＡのマッチングＭにおける類似性とする（Ｓ１１７）。全組み合わせに対する類似性の逆数の総和の際に、重み付けを行っても良い。要約要素系列類似評価部１５は、系列Ｓと系列ＡとのマッチングＭにおける類似性を算出した後、評価履歴バッファ１６にマッチングＭと類似性（系列間の類似度）をペアで追加し格納する。
要約要素系列類似評価部１５は、系列Ｓと系列Ａとの均一特性区間に対し、マッチングＭで指定された全ての組み合わせに対して類似性を評価し、全組み合わせに対する類似性の逆数の総和したものの逆数を系列Ｓと系列ＡのマッチングＭにおける類似性とする（Ｓ１１７）。全組み合わせに対する類似性の逆数の総和の際に、重み付けを行っても良い。要約要素系列類似評価部１５は、系列Ｓと系列ＡとのマッチングＭにおける類似性を算出した後、評価履歴バッファ１６にマッチングＭと類似性（系列間の類似度）をペアで追加し格納する。
（反復類似判定部１２）
反復類似判定部１２は、要約要素系列比較用候補生成部１３が与える全てのマッチングＭ（ｉ）（ｉは１以上の整数）に対して、要約要素系列類似評価部１５によるマッチング毎の類似性の評価を完了した後（Ｓ１１８）、評価履歴バッファに格納されたマッチングと類似性とのペアから、類似性が最大のペアを採用し、系列Ｓと系列Ａとの類似性（系列間の類似度）とする（Ｓ１１９）。
反復類似判定部１２は、要約要素系列比較用候補生成部１３が与える全てのマッチングＭ（ｉ）（ｉは１以上の整数）に対して、要約要素系列類似評価部１５によるマッチング毎の類似性の評価を完了した後（Ｓ１１８）、評価履歴バッファに格納されたマッチングと類似性とのペアから、類似性が最大のペアを採用し、系列Ｓと系列Ａとの類似性（系列間の類似度）とする（Ｓ１１９）。
（結果出力部１８）
結果出力部１８は、反復類似判定部１２において算出された系列Ｓと系列Ａの類似性が、閾値よりも大きいものを出力する。
結果出力部１８は、反復類似判定部１２において算出された系列Ｓと系列Ａの類似性が、閾値よりも大きいものを出力する。
（反復類似判定部１２）
反復類似判定部１２は、比較履歴バッファ１４と評価履歴バッファ１６との内容をクリアした後（Ｓ１２０）、要約要素管理部１０から、未評価（未選択）の要約要素系列を一つ受領して新たな系列Ａとし、系列Ｓと、この新たな系列Ａとの類似性を判定し、結果出力部１８が閾値に基づき出力する処理を、未評価の要約要素系列が無くなるまで反復する。未評価の要約要素系列が無くなった場合に処理を完了する（Ｓ１２１〜Ｓ１２３）。
反復類似判定部１２は、比較履歴バッファ１４と評価履歴バッファ１６との内容をクリアした後（Ｓ１２０）、要約要素管理部１０から、未評価（未選択）の要約要素系列を一つ受領して新たな系列Ａとし、系列Ｓと、この新たな系列Ａとの類似性を判定し、結果出力部１８が閾値に基づき出力する処理を、未評価の要約要素系列が無くなるまで反復する。未評価の要約要素系列が無くなった場合に処理を完了する（Ｓ１２１〜Ｓ１２３）。
以下では、図８〜図２０を用いて、具体的に、新規の要約要素系列Ｓの生成の動作と、系列Ｓと系列Ａとの類似判定の動作とを説明する。
（要約指標値系列の生成：Ｓ１０２に対応）
図８は新規の時系列データを示す。新規時系列データバッファ１には新規の時系列データとして、図８に示す波形のデータが格納されているものとする。このとき、要約指標値算出部２は、図９に示す要約指標値系列や、図１０に示す要約指標値系列を生成する。
図９は、要約指標値系列として、新規時系列データを１０点ごと（１０点ごととは図８の横軸を１０刻みに区切ることを意味する）に区切った区間ごとに平均値をとった図である。
図１０は、要約指標値系列として、１０点ごとに区切った区間における主要周波数の値を示した図である。
図８は新規の時系列データを示す。新規時系列データバッファ１には新規の時系列データとして、図８に示す波形のデータが格納されているものとする。このとき、要約指標値算出部２は、図９に示す要約指標値系列や、図１０に示す要約指標値系列を生成する。
図９は、要約指標値系列として、新規時系列データを１０点ごと（１０点ごととは図８の横軸を１０刻みに区切ることを意味する）に区切った区間ごとに平均値をとった図である。
図１０は、要約指標値系列として、１０点ごとに区切った区間における主要周波数の値を示した図である。
（均一特性区間の決定：Ｓ１０４に対応）
変曲点検出部３は、図９の要約指標値系列に対しては、急峻な変動を示す６０点目と１００点目、および傾きが大きく変化する２００点目と２４０点目および２８０点目を変曲点とする。図１０の要約指標値系列に対しては、主要周波数が変動した後３０点以上固定される１００点目、１２０点目、２００点目、２４０点目および２８０点目が変曲点として選ばれる。その結果、変曲点として算出された点は、６０点目、１００点目、１２０点目、２００点目、２４０点目、２８０点目である。これらの変曲点について区切った区間を、均一特性区間とする。この例における均一特性区間に、左から順番に均一特性区間ＡからＧまで名前をつけることとする。
図１１は、新規の時系列データを（Ａ）から（Ｇ）の７つの均一特性区間に分割した状態を示す図である。
変曲点検出部３は、図９の要約指標値系列に対しては、急峻な変動を示す６０点目と１００点目、および傾きが大きく変化する２００点目と２４０点目および２８０点目を変曲点とする。図１０の要約指標値系列に対しては、主要周波数が変動した後３０点以上固定される１００点目、１２０点目、２００点目、２４０点目および２８０点目が変曲点として選ばれる。その結果、変曲点として算出された点は、６０点目、１００点目、１２０点目、２００点目、２４０点目、２８０点目である。これらの変曲点について区切った区間を、均一特性区間とする。この例における均一特性区間に、左から順番に均一特性区間ＡからＧまで名前をつけることとする。
図１１は、新規の時系列データを（Ａ）から（Ｇ）の７つの均一特性区間に分割した状態を示す図である。
（パルスノイズ検知：Ｓ１０５に対応）
次に、パルス検知部４は、それぞれの均一特性区間にパルスノイズが存在するかどうかを確認する。この例では、パルスノイズは確認されない。
次に、パルス検知部４は、それぞれの均一特性区間にパルスノイズが存在するかどうかを確認する。この例では、パルスノイズは確認されない。
（周波数評価：Ｓ１０７に対応）
次に、周波数評価部５は、周波数評価を要約指標値算出部２よりも詳細に解析を行う。その結果、高周波特性を持つ均一特性区間は図１１において、「Ａ，Ｂ，Ｄ，Ｆ」であることを確認する。
次に、周波数評価部５は、周波数評価を要約指標値算出部２よりも詳細に解析を行う。その結果、高周波特性を持つ均一特性区間は図１１において、「Ａ，Ｂ，Ｄ，Ｆ」であることを確認する。
（高周波成分に応じた要約要素の生成：Ｓ１０８に対応）
高周波特性評価部６は、「均一特性区間Ａ，Ｂ，Ｄ，Ｆ」それぞれに対して、周波数と包絡線について評価を行い、図１２に示す結果を生成する。
図１２は、高周波成分を有すると判定された「均一特性区間Ａ，Ｂ，Ｄ，Ｆ」のそれぞれの要約要素情報である。
ここでは、図１２の上から３個までの要約要素について説明する。
（１）１個目の要約要素は、均一特性区間Ａに対応するものであり、その波形の周波数について示すものである。変化項目がランダムであり、パラメータ項目に「２，５」が格納される。この意味は、均一特性区間Ａの周波数は、最小値２、最大値５の範囲のランダム値という特性を持つことを意味する。発生時間項目の０，６０は、それぞれ、均一特性区間の開始時刻０と継続時間６０を意味する。発生時間項目については、以降の要約要素についても同様であるため、以後の説明では省略する。
（２）２個目の要約要素も同様に、均一特性区間Ａに対応するものであり、その波形の包絡線について示すものである。変化項目が一定であり、パラメータ項目に０．３が格納される。これは振動時の包絡線が、中心値から０．３上下に分布していることを示す。この中心値は、低周波特性評価部７における評価で指定される。
（３）３個目の要約要素は、均一特性区間Ｂに対応するものであり、その波形の周波数について示すものである。変化項目がＵ字変化であり、パラメータ項目には「２，０．３，−０．０３」が格納される。
図１３は周波数の「Ｕ字変化」の意味を説明する図である。図１３（ａ）は時系列データである。時系列データの範囲（１）と範囲（３）とは、範囲（２）に対して周波数が高い。この時間と周波数との関係を表したものが図１３（ｂ）である。範囲（２）に対して両隣の範囲（１）、範囲（４）の周波数がのでＵ字形状のグラフとなる。「Ｕ字変化」とはこの意味である。これは、均一特性区間Ｂの周波数は、「初期値２、初期傾き０．３、曲率−０．０３」で変化することを意味する。なおここで示す曲率の定義は、区間開始からの経過時間Ｔにおける値の変化の傾きが、初期傾き＋曲率×経過時間Ｔで表されることを意味するが、ここで述べた定義に曲率の定義を限定するものではない。従って、「初期値２、初期傾き０．３、曲率−０．０３」で変化する周波数の最初の５単位時間の値を示すと、「２，２．３，２．５７，２．８１，３．０２，３．２」となる。
４個目以降の要約要素についても、同様である。
高周波特性評価部６は、「均一特性区間Ａ，Ｂ，Ｄ，Ｆ」それぞれに対して、周波数と包絡線について評価を行い、図１２に示す結果を生成する。
図１２は、高周波成分を有すると判定された「均一特性区間Ａ，Ｂ，Ｄ，Ｆ」のそれぞれの要約要素情報である。
ここでは、図１２の上から３個までの要約要素について説明する。
（１）１個目の要約要素は、均一特性区間Ａに対応するものであり、その波形の周波数について示すものである。変化項目がランダムであり、パラメータ項目に「２，５」が格納される。この意味は、均一特性区間Ａの周波数は、最小値２、最大値５の範囲のランダム値という特性を持つことを意味する。発生時間項目の０，６０は、それぞれ、均一特性区間の開始時刻０と継続時間６０を意味する。発生時間項目については、以降の要約要素についても同様であるため、以後の説明では省略する。
（２）２個目の要約要素も同様に、均一特性区間Ａに対応するものであり、その波形の包絡線について示すものである。変化項目が一定であり、パラメータ項目に０．３が格納される。これは振動時の包絡線が、中心値から０．３上下に分布していることを示す。この中心値は、低周波特性評価部７における評価で指定される。
（３）３個目の要約要素は、均一特性区間Ｂに対応するものであり、その波形の周波数について示すものである。変化項目がＵ字変化であり、パラメータ項目には「２，０．３，−０．０３」が格納される。
図１３は周波数の「Ｕ字変化」の意味を説明する図である。図１３（ａ）は時系列データである。時系列データの範囲（１）と範囲（３）とは、範囲（２）に対して周波数が高い。この時間と周波数との関係を表したものが図１３（ｂ）である。範囲（２）に対して両隣の範囲（１）、範囲（４）の周波数がのでＵ字形状のグラフとなる。「Ｕ字変化」とはこの意味である。これは、均一特性区間Ｂの周波数は、「初期値２、初期傾き０．３、曲率−０．０３」で変化することを意味する。なおここで示す曲率の定義は、区間開始からの経過時間Ｔにおける値の変化の傾きが、初期傾き＋曲率×経過時間Ｔで表されることを意味するが、ここで述べた定義に曲率の定義を限定するものではない。従って、「初期値２、初期傾き０．３、曲率−０．０３」で変化する周波数の最初の５単位時間の値を示すと、「２，２．３，２．５７，２．８１，３．０２，３．２」となる。
４個目以降の要約要素についても、同様である。
（低周波成分に応じた要約要素の生成：Ｓ１０９に対応）
一方、低周波特性評価部７は、全ての均一特性区間に対して、その観測値の特性について評価を行う。
図１４は、低周波特性評価部７によって生成された低周波成分に関する要約要素を示す図である。ここでは、図１４の上から４番目と５番目について説明を行う。
（１）４番目の要約要素は、均一特性区間Ｄに対応するものであり、その観測値の主要な変化について示すものである。変化項目が一定であり、パラメータ項目に０．７５が格納される。これは、均一特性区間Ｄの観測値は、０．７５で一定であることを意味する。高周波成分を含む区間について評価する場合は、ここで得られた値は中央値であり、この値を基準として高周波振動の成分が加算されることとなる。その高周波振動の情報は、高周波特性評価部６にて算出される。
（２）５番目の要約要素は、均一特性区間Ｅに対応するものであり、その観測値の特性について示すものである。変化項目が単調変化であり、パラメータには「０．７５，−０．０１３」が格納される。これは、均一特性区間Ｅの観測値は、初期値０．７５、傾き−０．０１３という特性を持つことを意味する。
一方、低周波特性評価部７は、全ての均一特性区間に対して、その観測値の特性について評価を行う。
図１４は、低周波特性評価部７によって生成された低周波成分に関する要約要素を示す図である。ここでは、図１４の上から４番目と５番目について説明を行う。
（１）４番目の要約要素は、均一特性区間Ｄに対応するものであり、その観測値の主要な変化について示すものである。変化項目が一定であり、パラメータ項目に０．７５が格納される。これは、均一特性区間Ｄの観測値は、０．７５で一定であることを意味する。高周波成分を含む区間について評価する場合は、ここで得られた値は中央値であり、この値を基準として高周波振動の成分が加算されることとなる。その高周波振動の情報は、高周波特性評価部６にて算出される。
（２）５番目の要約要素は、均一特性区間Ｅに対応するものであり、その観測値の特性について示すものである。変化項目が単調変化であり、パラメータには「０．７５，−０．０１３」が格納される。これは、均一特性区間Ｅの観測値は、初期値０．７５、傾き−０．０１３という特性を持つことを意味する。
（特性統合部による統合：Ｓ１１０に対応）
特性統合部８は、図１２および図１４のように得られた高周波成分に関する要約要素と低周波成分に関する要約要素とを、対応する均一特性区間に対応付けて統合し、対応する時系列データの要約要素系列として生成する。
特性統合部８は、図１２および図１４のように得られた高周波成分に関する要約要素と低周波成分に関する要約要素とを、対応する均一特性区間に対応付けて統合し、対応する時系列データの要約要素系列として生成する。
次に、反復類似判定部１２の類似判定の処理内容を、例を挙げて説明する。この具体例は図６、図７の動作の具体化である。新規要約要素系列バッファ９には図１５に示す新規の要約要素系列Ｓが格納されており、反復類似判定部１２が要約要素管理部１０から受領した、現在類似性を評価しようとしている系列Ｓの比較対象が、図１６に示す要約要素系列（すなわち系列Ａ）とする。ここで、新規のほうの系列Ｓの要約要素をＮ１〜Ｎ７とし、比較対象の系列Ａの要約要素をＣ１〜Ｃ６とする。なお、図１５に示す新規な要約要素系列Ｓは、図１７に示す時系列データを元とし、図１８の高周波特性に関する要約要素一覧と、図１９の高周波特性に関する要約要素一覧とが統合されて生成されたものである。
（マッチングＭの生成：Ｓ１１３に対応）
要約要素系列比較用候補生成部１３は、反復類似判定部１２からの問い合わせ（マッチング算出依頼）に応じて、系列ＳのＮ１〜Ｎ７と、系列ＡのＣ１〜Ｃ６との間で比較するペア（組み合わせともいう）を、均一特性区間を単位として決定する。すなわち、マッチングＭは複数の組み合わせからなる。要約要素系列比較用候補生成部１３は、マッチングＭの生成に、例えばＤＰマッチング（Ｄｙｎａｍｉｃ Ｐｒｏｇｒａｍｍｉｎｇ マッチング）を用いる。要約要素系列比較用候補生成部１３は、反復類似判定部１２からの１回の問い合わせごとに一つのマッチングＭを生成する。例えば、最初の問い合わせに対して、要約要素系列比較用候補生成部１３は、「Ｎ１とＣ１」、「Ｎ２とＣ２」、「Ｎ３とＣ３」、「Ｎ４，Ｎ５，Ｎ６とＣ６」の組み合わせからなるマッチングＭ（１）を提示し、次の問い合わせには、「Ｎ２とＣ１」、「Ｎ３とＣ２」、「Ｎ４，Ｎ５，Ｎ６とＣ３，Ｃ４，Ｃ５」、「Ｎ７とＣ６」の組み合わせからなるマッチングＭ（２）を提示するとする。要約要素系列比較用候補生成部１３は、一度提示したマッチングＭは、比較履歴バッファ１４に、その組み合わせの情報そのもの、もしくはフラグ情報を格納する。これにより、同一の組み合わせが提示されないようにする。
要約要素系列比較用候補生成部１３は、反復類似判定部１２からの問い合わせ（マッチング算出依頼）に応じて、系列ＳのＮ１〜Ｎ７と、系列ＡのＣ１〜Ｃ６との間で比較するペア（組み合わせともいう）を、均一特性区間を単位として決定する。すなわち、マッチングＭは複数の組み合わせからなる。要約要素系列比較用候補生成部１３は、マッチングＭの生成に、例えばＤＰマッチング（Ｄｙｎａｍｉｃ Ｐｒｏｇｒａｍｍｉｎｇ マッチング）を用いる。要約要素系列比較用候補生成部１３は、反復類似判定部１２からの１回の問い合わせごとに一つのマッチングＭを生成する。例えば、最初の問い合わせに対して、要約要素系列比較用候補生成部１３は、「Ｎ１とＣ１」、「Ｎ２とＣ２」、「Ｎ３とＣ３」、「Ｎ４，Ｎ５，Ｎ６とＣ６」の組み合わせからなるマッチングＭ（１）を提示し、次の問い合わせには、「Ｎ２とＣ１」、「Ｎ３とＣ２」、「Ｎ４，Ｎ５，Ｎ６とＣ３，Ｃ４，Ｃ５」、「Ｎ７とＣ６」の組み合わせからなるマッチングＭ（２）を提示するとする。要約要素系列比較用候補生成部１３は、一度提示したマッチングＭは、比較履歴バッファ１４に、その組み合わせの情報そのもの、もしくはフラグ情報を格納する。これにより、同一の組み合わせが提示されないようにする。
（Ｓ１１４、Ｓ１１５に対応）
反復類似判定部１２は、要約要素系列比較用候補生成部１３へ要請し受領した組み合わせを、要約要素系列類似評価部１５に渡し、その組み合わせに基づき類似判定の算出を要請する。要約要素系列類似評価部１５は、受領した組み合わせに対応する要約要素のペア毎に、それらの間の類似性の算出を多項目不定長要約要素類似評価部１７へ依頼し、得られた類似性評価値の逆数の総和の逆数を取り、要約要素系列Ｎ１〜Ｎ７とＣ１〜Ｃ６との間の、指定された組み合わせにおける類似性の評価値とする。
反復類似判定部１２は、要約要素系列比較用候補生成部１３へ要請し受領した組み合わせを、要約要素系列類似評価部１５に渡し、その組み合わせに基づき類似判定の算出を要請する。要約要素系列類似評価部１５は、受領した組み合わせに対応する要約要素のペア毎に、それらの間の類似性の算出を多項目不定長要約要素類似評価部１７へ依頼し、得られた類似性評価値の逆数の総和の逆数を取り、要約要素系列Ｎ１〜Ｎ７とＣ１〜Ｃ６との間の、指定された組み合わせにおける類似性の評価値とする。
（多項目不定長要約要素類似評価部１７の処理：Ｓ１１６に対応）
多項目不定長要約要素類似評価部１７は、均一特性区間に属する要約要素系列を単位とした要約要素の間の類似性を評価する。
多項目不定長要約要素類似評価部１７は、要約要素系列類似評価部１５からマッチングＭ（１）及びマッチングＭ（２）を受信したとする。例えば、マッチングＭ（１）の場合、「Ｎ１とＣ１」の組み合わせの類似性を評価する場合、双方とも種類項目、変化項目、発生時間項目が同一であるが、パラメータが１．０，−０．０３と０．０，０．１５という差があるため、双方間のグラフ上のユークリッド距離１２．２７を求め、その距離の逆数０．０８１５を類似性評価値とする。距離の算出は初期値と傾き、継続時間から算出可能であるため、継続時間の長さによらず定数時間で演算可能である。例えば、２つの要約要素の種類項目が観測値、変化項目が単調変化で、パラメータ項目がそれぞれａ，ｂとｃ，ｄであり、発生時間項目の継続時間がＴであったとき、双方の要約要素の類似性は図２０の式で表される。また、「Ｎ４，Ｎ５，Ｎ６とＣ６」の組み合わせにおいては、「Ｎ４とＣ６」との類似性は、種類項目が同一であるため評価が可能であるが、Ｎ５，Ｎ６のように種類項目に周波数や包絡線が存在する高周波成分を含む均一特性区間と、種類項目として周波数や包絡線を持たない均一特性区間との比較においては、両者の類似性の評価は低く（逆数を大きく）評価する。この場合の類似性評価値の低さは、用途に応じて調整が可能であるものとする。
またマッチングＭ（２）の場合の「Ｎ４，Ｎ５，Ｎ６とＣ３，Ｃ４，Ｃ５」の組み合わせのように、双方とも高周波成分を持つ均一特性区間同士の比較では、種類項目が同一種類の「Ｎ４とＣ３」、「Ｎ５とＣ４」、「Ｎ６とＣ５」のそれぞれに対して、類似性を評価する。観測値と包絡線については、その線の間のユークリッド距離の逆数を類似性の評価値とし、周波数については、その周波数の差の積分値の逆数を類似性の評価値とする。いずれの類似性評価値も、パラメータ項目の内容から、項目を展開せずに算出可能であるため、継続時間によらず定数時間で演算可能である。多項目不定長要約要素類似評価部１７は、算出した類似性評価値を要約要素系列類似評価部１５に通知する。なお、類似性評価値の算出方式については、上記で定義した方式に限定されるものではなく、用途に応じて類似評価の方式を変更しても良い。
このように、多項目不定長要約要素類似評価部１７は、均一特性区間に属する要約要素系列を単位とした要約要素の間の類似性を評価することにより、系列Ｓのある均一特性区間と、系列Ａの均一特性区間との類似度を判定する。
このように、多項目不定長要約要素類似評価部１７は、要約要素系列比較用候補生成部１３（マッチング生成部）によって生成された複数の組み合わせからなるマッチングＭごとに、所定の算出方式に従うことにより組み合わせに含まれる要約要素系列Ｓの要約要素と、要約要素系列Ａの要約要素との間の類似度を算出し、かつ、算出された要約要素同士の類似度に基づいて組み合わせの類似度を算出する。すなわち、マッチングＭ（１）における「Ｎ４，Ｎ５，Ｎ６とＣ６」の組み合わせにおいては、前記のように「Ｎ４とＣ６」とＣ６との要約要素間の類似性は、種類項目が同一であるため評価が可能であり要約要素間の類似度は大きくなり、Ｎ５，Ｎ６のように種類項目に周波数や包絡線が存在する高周波成分を含む均一特性区間と、種類項目として周波数や包絡線を持たないＣ６のような均一特性区間との比較においては、両者の類似性の評価は低く（逆数を大きく）評価する。多項目不定長要約要素類似評価部１７は、要約要素間の類似度を算出し、この要約要素間の類似度に基づいて、「Ｎ４，Ｎ５，Ｎ６とＣ６」という組み合わせの類似度を算出する。組み合わせの類似度とは、その要約要素の対応する均一特性区間どうしの類似度を意味する。
多項目不定長要約要素類似評価部１７は、均一特性区間に属する要約要素系列を単位とした要約要素の間の類似性を評価する。
多項目不定長要約要素類似評価部１７は、要約要素系列類似評価部１５からマッチングＭ（１）及びマッチングＭ（２）を受信したとする。例えば、マッチングＭ（１）の場合、「Ｎ１とＣ１」の組み合わせの類似性を評価する場合、双方とも種類項目、変化項目、発生時間項目が同一であるが、パラメータが１．０，−０．０３と０．０，０．１５という差があるため、双方間のグラフ上のユークリッド距離１２．２７を求め、その距離の逆数０．０８１５を類似性評価値とする。距離の算出は初期値と傾き、継続時間から算出可能であるため、継続時間の長さによらず定数時間で演算可能である。例えば、２つの要約要素の種類項目が観測値、変化項目が単調変化で、パラメータ項目がそれぞれａ，ｂとｃ，ｄであり、発生時間項目の継続時間がＴであったとき、双方の要約要素の類似性は図２０の式で表される。また、「Ｎ４，Ｎ５，Ｎ６とＣ６」の組み合わせにおいては、「Ｎ４とＣ６」との類似性は、種類項目が同一であるため評価が可能であるが、Ｎ５，Ｎ６のように種類項目に周波数や包絡線が存在する高周波成分を含む均一特性区間と、種類項目として周波数や包絡線を持たない均一特性区間との比較においては、両者の類似性の評価は低く（逆数を大きく）評価する。この場合の類似性評価値の低さは、用途に応じて調整が可能であるものとする。
またマッチングＭ（２）の場合の「Ｎ４，Ｎ５，Ｎ６とＣ３，Ｃ４，Ｃ５」の組み合わせのように、双方とも高周波成分を持つ均一特性区間同士の比較では、種類項目が同一種類の「Ｎ４とＣ３」、「Ｎ５とＣ４」、「Ｎ６とＣ５」のそれぞれに対して、類似性を評価する。観測値と包絡線については、その線の間のユークリッド距離の逆数を類似性の評価値とし、周波数については、その周波数の差の積分値の逆数を類似性の評価値とする。いずれの類似性評価値も、パラメータ項目の内容から、項目を展開せずに算出可能であるため、継続時間によらず定数時間で演算可能である。多項目不定長要約要素類似評価部１７は、算出した類似性評価値を要約要素系列類似評価部１５に通知する。なお、類似性評価値の算出方式については、上記で定義した方式に限定されるものではなく、用途に応じて類似評価の方式を変更しても良い。
このように、多項目不定長要約要素類似評価部１７は、均一特性区間に属する要約要素系列を単位とした要約要素の間の類似性を評価することにより、系列Ｓのある均一特性区間と、系列Ａの均一特性区間との類似度を判定する。
このように、多項目不定長要約要素類似評価部１７は、要約要素系列比較用候補生成部１３（マッチング生成部）によって生成された複数の組み合わせからなるマッチングＭごとに、所定の算出方式に従うことにより組み合わせに含まれる要約要素系列Ｓの要約要素と、要約要素系列Ａの要約要素との間の類似度を算出し、かつ、算出された要約要素同士の類似度に基づいて組み合わせの類似度を算出する。すなわち、マッチングＭ（１）における「Ｎ４，Ｎ５，Ｎ６とＣ６」の組み合わせにおいては、前記のように「Ｎ４とＣ６」とＣ６との要約要素間の類似性は、種類項目が同一であるため評価が可能であり要約要素間の類似度は大きくなり、Ｎ５，Ｎ６のように種類項目に周波数や包絡線が存在する高周波成分を含む均一特性区間と、種類項目として周波数や包絡線を持たないＣ６のような均一特性区間との比較においては、両者の類似性の評価は低く（逆数を大きく）評価する。多項目不定長要約要素類似評価部１７は、要約要素間の類似度を算出し、この要約要素間の類似度に基づいて、「Ｎ４，Ｎ５，Ｎ６とＣ６」という組み合わせの類似度を算出する。組み合わせの類似度とは、その要約要素の対応する均一特性区間どうしの類似度を意味する。
（要約要素系列類似評価部１５による処理：Ｓ１１７に対応）
要約要素系列類似評価部１５は、系列Ｓと系列Ａとの一つのマッチングＭについて新たに算出した類似性評価値を、評価履歴バッファ１６に格納されている系列Ｓと系列Ａとのそれまでの他のマッチングによる類似性評価値と比較し、今回のマッチングＭによる新しい類似性評価値の方が大きい場合（類似性が高い場合）には、双方の要約要素系列、その組み合わせおよびそのマッチングに対する類似性評価値の情報を評価履歴バッファ１６に上書きする。評価履歴バッファへの格納時には、前の情報を消すのではなく、順序付けをして格納してもよい。
要約要素系列類似評価部１５は、系列Ｓと系列Ａとの一つのマッチングＭについて新たに算出した類似性評価値を、評価履歴バッファ１６に格納されている系列Ｓと系列Ａとのそれまでの他のマッチングによる類似性評価値と比較し、今回のマッチングＭによる新しい類似性評価値の方が大きい場合（類似性が高い場合）には、双方の要約要素系列、その組み合わせおよびそのマッチングに対する類似性評価値の情報を評価履歴バッファ１６に上書きする。評価履歴バッファへの格納時には、前の情報を消すのではなく、順序付けをして格納してもよい。
（反復類似判定部１２：Ｓ１１２以降に対応）
反復類似判定部１２は、系列Ｓの要約要素「Ｎ１〜Ｎ７」と系列Ａの要約要素「Ｃ１〜Ｃ６」に関して、要約要素系列比較用候補生成部１３から提供される全ての組み合わせについて、要約要素系列類似評価部１５による類似性評価が完了した後に、評価履歴バッファ１６に格納された類似性評価値で最も大きいものを、双方の要約要素系列間の類似性評価値とし、閾値を超えているものを出力する。すなわち反復類似判定部１２は、図６のＳ１１８においてＳ１１２に戻る内側ループ（ＩＮ）によって系列Ｓと系列Ａとの間のマッチングＭを切り替えると共に、Ｓ１２３においてＳ１１１に戻る外側ループ（ＯＵＴ）によって、系列Ｓの判定相手である系列Ａを切り替えてゆく。反復類似判定部１２は、系列Ｓに類似する系列Ａとして、類似性評価値の最も大きい系列Ａを選択する。
反復類似判定部１２は、系列Ｓの要約要素「Ｎ１〜Ｎ７」と系列Ａの要約要素「Ｃ１〜Ｃ６」に関して、要約要素系列比較用候補生成部１３から提供される全ての組み合わせについて、要約要素系列類似評価部１５による類似性評価が完了した後に、評価履歴バッファ１６に格納された類似性評価値で最も大きいものを、双方の要約要素系列間の類似性評価値とし、閾値を超えているものを出力する。すなわち反復類似判定部１２は、図６のＳ１１８においてＳ１１２に戻る内側ループ（ＩＮ）によって系列Ｓと系列Ａとの間のマッチングＭを切り替えると共に、Ｓ１２３においてＳ１１１に戻る外側ループ（ＯＵＴ）によって、系列Ｓの判定相手である系列Ａを切り替えてゆく。反復類似判定部１２は、系列Ｓに類似する系列Ａとして、類似性評価値の最も大きい系列Ａを選択する。
このように時系列データの類似検索装置を実現することによって、時系列データからの時系列シーケンスの類似検索について、時間方向の柔軟性を維持しながら、高周波成分で重視される共振周波数や包絡線成分に重点を置いた検索を実現することができる。機械故障事例の検索などでは、振動数は原因を特定するために重要な因子である一方で、滑らかな変化は時間方向に柔軟に対応する適応的な検索が必要であった。しかし、実施の形態１の類似検索装置１００Ａにより、双方のケースを同時に類似検索することが可能となり、検索漏れのない、カバー範囲の広い検索が可能となる。
実施の形態２．
図２１を参照して実施の形態２の類似検索装置１００Ｂを説明する。以下に、実施の形態１と相違する点のみを説明する。
図２１を参照して実施の形態２の類似検索装置１００Ｂを説明する。以下に、実施の形態１と相違する点のみを説明する。
類似検索装置１００Ｂは、類似検索装置１００Ａに対して、外部情報引用部１９、学習部２１、学習情報ＤＢ２２、分布階層管理部２３を追加した構成である。
（１）外部情報引用部１９は、日付や場所の情報などから時系列データとの対応付けが可能な情報（対応情報）が存在する外部情報を蓄積している外部情報ＤＢ２０から、反復類似判定部１２で提示され、類似性評価値が閾値を超えるケースに対して、対応する日時・場所などの対応情報から外部情報を引用し、結果出力部１８から出力する。
（２）学習部２１は、多項目不定長要約要素類似評価部１７での判定結果の分布情報を学習情報ＤＢ２２に格納し、類似判定の分布が一様分布などの指定された分布になるよう、多項目不定長要約要素類似評価部１７の判定手法の閾値や重みなどのパラメータを調整する。
（３）分布階層管理部２３は、要約要素系列蓄積ＤＢ１１に蓄積されている要約要素系列の情報を定期的に確認し、あらかじめ設定した日時など、検索を高速化するためのパーティショニングが設定されているキーＤＢ項目の条件区切りごとに、種類項目や変化項目、パラメータ項目、発生時間項目の値がどの程度の頻度で存在するかを管理し、要約要素管理部１０が要約要素系列蓄積ＤＢから要約要素系列を引用する際に、キーＤＢ項目を限定することで、要約要素系列蓄積ＤＢ１１からの検索を高速化する。
（１）外部情報引用部１９は、日付や場所の情報などから時系列データとの対応付けが可能な情報（対応情報）が存在する外部情報を蓄積している外部情報ＤＢ２０から、反復類似判定部１２で提示され、類似性評価値が閾値を超えるケースに対して、対応する日時・場所などの対応情報から外部情報を引用し、結果出力部１８から出力する。
（２）学習部２１は、多項目不定長要約要素類似評価部１７での判定結果の分布情報を学習情報ＤＢ２２に格納し、類似判定の分布が一様分布などの指定された分布になるよう、多項目不定長要約要素類似評価部１７の判定手法の閾値や重みなどのパラメータを調整する。
（３）分布階層管理部２３は、要約要素系列蓄積ＤＢ１１に蓄積されている要約要素系列の情報を定期的に確認し、あらかじめ設定した日時など、検索を高速化するためのパーティショニングが設定されているキーＤＢ項目の条件区切りごとに、種類項目や変化項目、パラメータ項目、発生時間項目の値がどの程度の頻度で存在するかを管理し、要約要素管理部１０が要約要素系列蓄積ＤＢから要約要素系列を引用する際に、キーＤＢ項目を限定することで、要約要素系列蓄積ＤＢ１１からの検索を高速化する。
以上のように類似検索装置１００Ｂは、外部情報引用部１９を備えたので、系列Ｓを持つ時系列データに類似する時系列データに関連する情報を容易に取得することができる。
例えば機械故障事例の検索などでは、故障に関係する可能性の高い情報を容易に取得できる。
例えば機械故障事例の検索などでは、故障に関係する可能性の高い情報を容易に取得できる。
また類似検索装置１００Ｂは学習部２１を備えたので、多項目不定長要約要素類似評価部１７の判定方式を容易に調整することができ、類似判定の精度を向上できる。
実施の形態３．
図２２、図２３を参照して実施の形態３を説明する。実施の形態３は、類似検索装置１００Ａ（あるいは類似検索装置１００Ｂ）をコンピュータで実現する場合を示す。類似検索装置１００Ａも類似検索装置１００Ｂもコンピュータで実現する場合は同様の構成であるので類似検索装置１００Ａを想定して説明する。
図２２、図２３を参照して実施の形態３を説明する。実施の形態３は、類似検索装置１００Ａ（あるいは類似検索装置１００Ｂ）をコンピュータで実現する場合を示す。類似検索装置１００Ａも類似検索装置１００Ｂもコンピュータで実現する場合は同様の構成であるので類似検索装置１００Ａを想定して説明する。
図２２は、類似検索装置１００Ａの外観の一例を示す図である。図２２において、類似検索装置１００Ａは、システムユニット８３０、ＣＲＴ（Ｃａｔｈｏｄｅ・Ｒａｙ・Ｔｕｂｅ）やＬＣＤ（液晶）の表示画面を有する表示装置８１３、キーボード８１４（Ｋｅｙ・Ｂｏａｒｄ：Ｋ／Ｂ）、マウス８１５、ＦＤＤ８１７（Ｆｌｅｘｉｂｌｅ・Ｄｉｓｋ・ Ｄｒｉｖｅ）、コンパクトディスク装置８１８（ＣＤＤ：Ｃｏｍｐａｃｔ Ｄｉｓｋ Ｄｒｉｖｅ）、プリンタ装置８１９などのハードウェア資源を備え、これらはケーブルや信号線で接続されている。システムユニット８３０はネットワークを介して、データベースサーバ２００、外部情報サーバ３００等と接続している。
図２３は、コンピュータで実現される類似検索装置１００Ａのハードウェア資源の一例を示す図である。図２３において、類似検索装置１００Ａは、プログラムを実行するＣＰＵ８１０（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）を備えている。ＣＰＵ８１０は、バス８２５を介してＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）８１１、ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）８１２、表示装置８１３、キーボード８１４、マウス８１５、通信ボード８１６、ＦＤＤ８１７、ＣＤＤ８１８、プリンタ装置８１９、磁気ディスク装置８２０と接続され、これらのハードウェアデバイスを制御する。磁気ディスク装置８２０の代わりに、光ディスク装置、フラッシュメモリなどの記憶装置でもよい。
ＲＡＭ８１２は、揮発性メモリの一例である。ＲＯＭ８１１、ＦＤＤ８１７、ＣＤＤ８１８、磁気ディスク装置８２０等の記憶媒体は、不揮発性メモリの一例である。これらは、記憶装置あるいは記憶部、格納部、バッファの一例である。通信ボード８１６、キーボード８１４、ＦＤＤ８１７などは、入力部、入力装置の一例である。また、通信ボード８１６、表示装置８１３、プリンタ装置８１９などは、出力部、出力装置の一例である。
通信ボード８１６は、ネットワーク（ＬＡＮ等）に接続されている。通信ボード８１６は、ＬＡＮに限らず、インターネット、ＩＳＤＮ等のＷＡＮ（ワイドエリアネットワーク）などに接続されていても構わない。
磁気ディスク装置８２０には、オペレーティングシステム８２１（ＯＳ）、ウィンドウシステム８２２、プログラム群８２３、ファイル群８２４が記憶されている。プログラム群８２３のプログラムは、ＣＰＵ８１０、オペレーティングシステム８２１、ウィンドウシステム８２２により実行される。
上記プログラム群８２３には、以上の実施の形態の説明において「〜部」として説明した機能を実行するプログラムが記憶されている。プログラムは、ＣＰＵ８１０により読み出され実行される。
ファイル群８２４には、以上の実施の形態の説明において、「〜の判定結果」、「〜の算出結果」、「〜の抽出結果」、「〜の生成結果」、「〜の処理結果」として説明した情報や、データや信号値や変数値やパラメータなどが、「〜ファイル」や「〜データベース」の各項目として記憶されている。「〜ファイル」や「〜データベース」は、ディスクやメモリなどの記録媒体に記憶される。ディスクやメモリなどの記憶媒体に記憶された情報やデータ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ＣＰＵ８１０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・処理・出力・印刷・表示などのＣＰＵの動作に用いられる。抽出・検索・参照・比較・演算・計算・処理・出力・印刷・表示のＣＰＵの動作の間、情報やデータ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。
また、以上に述べた実施の形態の説明において、データや信号値は、ＲＡＭ８１２のメモリ、ＦＤＤ８１７のフレキシブルディスク、ＣＤＤ８１８のコンパクトディスク、磁気ディスク装置８２０の磁気ディスク、その他光ディスク、ミニディスク、ＤＶＤ（Ｄｉｇｉｔａｌ・Ｖｅｒｓａｔｉｌｅ・Ｄｉｓｋ）等の記録媒体に記録される。また、データや信号は、バス８２５や信号線やケーブルその他の伝送媒体によりオンライン伝送される。
また、以上の実施の形態の説明において、「〜部」として説明したものは、「〜手段」、「〜回路」、「〜機器」であってもよく、また、「〜ステップ」、「〜手順」、「〜処理」であってもよい。すなわち、「〜部」として説明したものは、ＲＯＭ８１１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。或いは、ソフトウェアのみ、或いは、素子・デバイス・基板・配線などのハードウェアのみ、或いは、ソフトウェアとハードウェアとの組み合わせ、さらには、ファームウェアとの組み合わせで実施されても構わない。ファームウェアとソフトウェアは、プログラムとして、磁気ディスク、フレキシブルディスク、光ディスク、コンパクトディスク、ミニディスク、ＤＶＤ等の記録媒体に記憶される。プログラムはＣＰＵ８１０により読み出され、ＣＰＵ８１０により実行される。すなわち、プログラムは、以上に述べた「〜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、以上に述べた「〜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。
以上の実施の形態では、類似検索装置を説明したが、類似検索装置の動作をコンピュータに実行させる類似検索プログラムとして把握することも可能である。あるいは類似検索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として把握することも可能である。さらに、類似検索装置の動作を、類似検索装置が行う類似検索方法として把握することも可能である。
以上の実施の形態では、
時系列データに対して、波形が特徴的である区間を、その波形の種類、パラメータ、開始時点、継続時間からなる要約要素に変換する特性評価部と、
指定された検索元シーケンスと類似する部分データを、その要約要素を類似判定の基準とし、要約要素の種類に応じて類似性の判定方式を選択することを可能とする要約要素類似評価部と
を持つことを特徴とする類似検索装置を説明した。
時系列データに対して、波形が特徴的である区間を、その波形の種類、パラメータ、開始時点、継続時間からなる要約要素に変換する特性評価部と、
指定された検索元シーケンスと類似する部分データを、その要約要素を類似判定の基準とし、要約要素の種類に応じて類似性の判定方式を選択することを可能とする要約要素類似評価部と
を持つことを特徴とする類似検索装置を説明した。
以上の実施の形態では、
特性評価部に高周波特性評価部と低周波特性評価部を持ち、要約要素の周波数特性について高周波成分が主であるか、低周波成分が主であるかに応じて、高周波成分が主である場合には周波数値に重みを置いた類似性判定、低周波成分が主である場合には実値に重みを置いた類似性判定を行うことを特徴とする類似検索装置を説明した。
特性評価部に高周波特性評価部と低周波特性評価部を持ち、要約要素の周波数特性について高周波成分が主であるか、低周波成分が主であるかに応じて、高周波成分が主である場合には周波数値に重みを置いた類似性判定、低周波成分が主である場合には実値に重みを置いた類似性判定を行うことを特徴とする類似検索装置を説明した。
以上の実施の形態では、
要約要素類似評価部に多項目不定長要約要素類似評価部があり、検索対象の時系列データの一部分と検索シーケンスにおける要約要素の順番に飛びや重複があった場合にも、飛びや重複を類似性判定の一尺度として判定を行うことを特徴とした類似検索装置を説明した。
要約要素類似評価部に多項目不定長要約要素類似評価部があり、検索対象の時系列データの一部分と検索シーケンスにおける要約要素の順番に飛びや重複があった場合にも、飛びや重複を類似性判定の一尺度として判定を行うことを特徴とした類似検索装置を説明した。
以上の実施の形態では、
外部情報データベースから、検索された要約要素系列に対応する情報データを自動的に引用・表示する外部情報引用部を持つことを特徴とした類似検索装置を説明した。
外部情報データベースから、検索された要約要素系列に対応する情報データを自動的に引用・表示する外部情報引用部を持つことを特徴とした類似検索装置を説明した。
以上の実施の形態では、
要約要素とする閾値を適切に設定する学習部を持ち、可能なパラメータの分布から、カバー率の高い最小限の値範囲のパラメータを採用することを特徴とした類似検索装置を説明した。
要約要素とする閾値を適切に設定する学習部を持ち、可能なパラメータの分布から、カバー率の高い最小限の値範囲のパラメータを採用することを特徴とした類似検索装置を説明した。
以上の実施の形態では、
要約要素の分布情報を階層的に管理することにより、検索速度を向上させる要約要素分布管理部を持つことを特徴とした類似検索装置を説明した。
要約要素の分布情報を階層的に管理することにより、検索速度を向上させる要約要素分布管理部を持つことを特徴とした類似検索装置を説明した。
１ 新規時系列データバッファ、２ 要約指標値算出部、３ 変曲点検出部、４ パルス検知部、５ 周波数評価部、６ 高周波特性評価部、７ 低周波特性評価部、８ 特性統合部、９ 新規要約要素系列バッファ、１０ 要約要素管理部、１１ 要約要素系列蓄積ＤＢ、１２ 反復類似判定部、１３ 要約要素系列比較用候補生成部、１４ 比較履歴バッファ、１５ 要約要素系列類似評価部、１６ 評価履歴バッファ、１７ 多項目不定長要約要素類似評価部、１８ 結果出力部、１９ 外部情報引用部、２０ 外部情報ＤＢ、２１ 学習部、２２ 学習情報ＤＢ、１００Ａ，１００Ｂ 類似検索装置、１１０ 特性評価部、１１１ 要約要素系列生成部、１２０ 時系列データ類似判定部、２００ データベースサーバ、３００ 外部情報サーバ。
Claims (9)
- 時系列データから、前記時系列データの時間進行に対する所定の項目の変化を示す項目変化系列を生成する項目変化系列生成部と、
前記項目変化系列生成部によって生成された前記項目変化系列に基づいて、前記時系列データの期間を、区間内では前記所定の項目の変化が均一とみなされる均一特性区間ごとに分割する区間分割部と、
前記均一特性区間における前記時系列データの特徴を要約した情報を示す要約要素を前記均一特性区間ごとに生成し、生成された前記均一特性区間ごとの要約要素を時系列に配置した要約要素系列を生成する要約要素系列生成部と、
前記要約要素系列生成部によって生成された第１の要約要素系列と第２の要約要素系列との類似判定を実行する時系列データ類似判定部と
を備えたことを特徴とする時系列データ類似判定装置。 - 前記要約要素系列生成部は、
前記均一特性区間の時系列データに高周波成分が含まれる場合には、前記高周波成分の特性を特徴付ける高周波特徴情報を含む要約要素を生成することを特徴とする請求項１記載の時系列データ類似判定装置。 - 前記要約要素系列生成部は、
前記均一特性区間の時系列データに低周波成分が含まれる場合には、前記低周波成分の特性を特徴付ける低周波特徴情報を含む要約要素を生成することを特徴とする請求項１または２のいずれかに記載の時系列データ類似判定装置。 - 前記時系列データ類似判定部は、
前記第１の要約要素系列の一つの均一特性区間に対応する少なくとも一つの要約要素と、前記第２の要約要素系列の一つの均一特性区間に対応する少なくとも一つの要約要素との間の組み合わせを複数有するマッチングＭを少なくとも一つ生成するマッチング生成部と、
前記マッチング生成部によって生成された前記マッチングＭごとに、所定の算出方式に従うことにより組み合わせに含まれる前記第１の要約要素系列の要約要素と、前記第２の要約要素系列の要約要素との間の類似度を算出し、かつ、算出された要約要素同士の類似度に基づいて前記組み合わせの類似度を算出する組合せ類似度算出部と、
組み合わせごとに算出された前記類似度に基づき、前記マッチングＭにおける前記第１の要約要素系列と前記第２の要約要素系列との間の類似判定を実行する要約要素系列類似評価部と
を備えたことを特徴とする請求項１〜３のいずれかに記載の時系列データ類似判定装置。 - 前記時系列データ類似判定装置は、さらに、
時系列データ類似判定部によって前記第１の要約要素系列と前記第２の要約要素系列とが類似すると判定された場合に、前記第２の要約要素系列の元となる第２の時系列データに関連する第２時系列データ関連情報を格納している外部情報データベース装置から、前記第２時系列データ関連情報を取得する外部情報取得部を備えた
ことを特徴とする請求項１〜４のいずれかに記載の時系列データ類似判定装置。 - 前記時系列データ類似判定装置は、さらに、
情報を格納する学習情報格納部と、
前記組合せ類似度算出部によって算出された類似度の分布を示す分布情報を前記学習情報格納部に蓄積し、前記学習情報格納部に蓄積された分布情報に基づいて、前記組合せ類似度算出部による類似度の前記算出方式を調整する学習部と
を備えたことを特徴とする請求項４また５のいずれかに記載の時系列データ類似判定装置。 - コンピュータを、
（１）時系列データから、前記時系列データの時間進行に対する所定の項目の変化を示す項目変化系列を生成する項目変化系列生成部、
（２）前記項目変化系列生成部によって生成された前記項目変化系列に基づいて、前記時系列データの期間を、区間内では前記所定の項目の変化が均一とみなされる均一特性区間ごとに分割する区間分割部、
（３）前記均一特性区間における前記時系列データの特徴を要約した情報を示す要約要素を前記均一特性区間ごとに生成し、生成された前記均一特性区間ごとの要約要素を時系列に配置した要約要素系列を生成する要約要素系列生成部、
（４）前記要約要素系列生成部によって生成された第１の要約要素系列と第２の要約要素系列との類似判定を実行する時系列データ類似判定部、
として機能させるための時系列データ類似判定プログラム。 - 請求項７記載の時系列データ類似判定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。
- （１）項目変化系列生成部が、
時系列データから、前記時系列データの時間進行に対する所定の項目の変化を示す項目変化系列を生成し、
（２）区間分割部が、
前記項目変化系列生成部によって生成された前記項目変化系列に基づいて、前記時系列データの期間を、区間内では前記所定の項目の変化が均一とみなされる均一特性区間ごとに分割し、
（３）要約要素系列生成部が、
前記均一特性区間における前記時系列データの特徴を要約した情報を示す要約要素を前記均一特性区間ごとに生成し、生成された前記均一特性区間ごとの要約要素を時系列に配置した要約要素系列を生成し、
（４）時系列データ類似判定部が、
前記要約要素系列生成部によって生成された第１の要約要素系列と第２の要約要素系列との類似判定を実行する
ことを特徴とする時系列データ類似判定方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2009180546A JP5441554B2 (ja) | 2009-08-03 | 2009-08-03 | 時系列データ類似判定装置、時系列データ類似判定プログラム、記録媒体及び時系列データ類似判定方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2009180546A JP5441554B2 (ja) | 2009-08-03 | 2009-08-03 | 時系列データ類似判定装置、時系列データ類似判定プログラム、記録媒体及び時系列データ類似判定方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2011034389A true JP2011034389A (ja) | 2011-02-17 |
| JP5441554B2 JP5441554B2 (ja) | 2014-03-12 |
Family
ID=43763390
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2009180546A Expired - Fee Related JP5441554B2 (ja) | 2009-08-03 | 2009-08-03 | 時系列データ類似判定装置、時系列データ類似判定プログラム、記録媒体及び時系列データ類似判定方法 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP5441554B2 (ja) |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2016192024A (ja) * | 2015-03-31 | 2016-11-10 | 株式会社Ｓｃｒｅｅｎホールディングス | 時系列データ処理方法、時系列データ処理プログラム、および、時系列データ処理装置 |
| JP2017091096A (ja) * | 2015-11-06 | 2017-05-25 | 日本電信電話株式会社 | 信号探索方法、装置、及びプログラム |
| KR101916934B1 (ko) * | 2018-01-30 | 2018-11-08 | 주식회사 인포리언스 | 데이터 탐색 장치 |
| KR101946842B1 (ko) * | 2016-07-22 | 2019-02-11 | 주식회사 인포리언스 | 데이터 탐색 장치 |
| US10223069B2 (en) | 2015-01-22 | 2019-03-05 | Mitsubishi Electric Corporation | Time-series data search device and computer readable medium |
| US11042737B2 (en) | 2018-06-21 | 2021-06-22 | Mitsubishi Electric Corporation | Learning device, learning method and program |
| US11137750B2 (en) | 2016-10-06 | 2021-10-05 | Mitsubishi Electric Corporation | Time-series data processing device |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101786837B1 (ko) * | 2016-08-04 | 2017-10-18 | 주식회사 인포리언스 | 데이터 탐색 장치 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH07271372A (ja) * | 1994-04-01 | 1995-10-20 | Kawai Musical Instr Mfg Co Ltd | 電子楽器 |
| JP2006338373A (ja) * | 2005-06-02 | 2006-12-14 | Toshiba Corp | 多変数時系列データ分析装置、方法およびプログラム |
| JP2007206037A (ja) * | 2006-02-06 | 2007-08-16 | Nippon Telegr & Teleph Corp <Ntt> | 信号測定分析装置 |
-
2009
- 2009-08-03 JP JP2009180546A patent/JP5441554B2/ja not_active Expired - Fee Related
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH07271372A (ja) * | 1994-04-01 | 1995-10-20 | Kawai Musical Instr Mfg Co Ltd | 電子楽器 |
| JP2006338373A (ja) * | 2005-06-02 | 2006-12-14 | Toshiba Corp | 多変数時系列データ分析装置、方法およびプログラム |
| JP2007206037A (ja) * | 2006-02-06 | 2007-08-16 | Nippon Telegr & Teleph Corp <Ntt> | 信号測定分析装置 |
Non-Patent Citations (1)
| Title |
|---|
| 小柳 佑介 他: "時系列データ圧縮のための類似部分区間探索手法", 第１回データ工学と情報マネジメントに関するフォーラム−ＤＥＩＭフォーラム−論文集 ［ＯＮＬＩＮＥ］, JPN7013001608, 9 May 2009 (2009-05-09), JP, pages 1 - 6, ISSN: 0002518749 * |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US10223069B2 (en) | 2015-01-22 | 2019-03-05 | Mitsubishi Electric Corporation | Time-series data search device and computer readable medium |
| JP2016192024A (ja) * | 2015-03-31 | 2016-11-10 | 株式会社Ｓｃｒｅｅｎホールディングス | 時系列データ処理方法、時系列データ処理プログラム、および、時系列データ処理装置 |
| JP2017091096A (ja) * | 2015-11-06 | 2017-05-25 | 日本電信電話株式会社 | 信号探索方法、装置、及びプログラム |
| KR101946842B1 (ko) * | 2016-07-22 | 2019-02-11 | 주식회사 인포리언스 | 데이터 탐색 장치 |
| US11137750B2 (en) | 2016-10-06 | 2021-10-05 | Mitsubishi Electric Corporation | Time-series data processing device |
| KR101916934B1 (ko) * | 2018-01-30 | 2018-11-08 | 주식회사 인포리언스 | 데이터 탐색 장치 |
| US11042737B2 (en) | 2018-06-21 | 2021-06-22 | Mitsubishi Electric Corporation | Learning device, learning method and program |
Also Published As
| Publication number | Publication date |
|---|---|
| JP5441554B2 (ja) | 2014-03-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP5441554B2 (ja) | 時系列データ類似判定装置、時系列データ類似判定プログラム、記録媒体及び時系列データ類似判定方法 | |
| US10445374B2 (en) | Systems and methods for conducting and terminating a technology-assisted review | |
| US8015190B1 (en) | Similarity-based searching | |
| JP5440394B2 (ja) | 評価予測装置、評価予測方法、及びプログラム | |
| JP6898561B2 (ja) | 機械学習プログラム、機械学習方法、および機械学習装置 | |
| US11748351B2 (en) | Class specific query processing | |
| US20150254568A1 (en) | Boosted Ensemble of Segmented Scorecard Models | |
| EP1890257A2 (en) | Clustering for structured data | |
| US10135723B2 (en) | System and method for supervised network clustering | |
| EP3477643A1 (en) | Audio fingerprint extraction and audio recognition using said fingerprints | |
| US8108452B2 (en) | Keyword based audio comparison | |
| Ren et al. | Anomaly detection using piecewise aggregate approximation in the amplitude domain | |
| Robu et al. | Mining frequent patterns in data using apriori and eclat: A comparison of the algorithm performance and association rule generation | |
| Torres-Tramón et al. | Topic detection in Twitter using topology data analysis | |
| US11151464B2 (en) | Forecasting data based on hidden cycle evidence | |
| CN116635911A (zh) | 动作识别方法及相关装置，存储介质 | |
| Li et al. | Internal leakage identification of hydraulic cylinder based on intrinsic mode functions with random forest | |
| JP4544047B2 (ja) | Ｗｅｂ画像検索結果分類提示方法及び装置及びプログラム及びプログラムを格納した記憶媒体 | |
| JP2023061477A (ja) | プログラム、データ処理方法及びデータ処理装置 | |
| Itzhak et al. | Continuously predicting the completion of a time intervals related pattern | |
| CN112085218A (zh) | 特征衍生方法、装置、电子设备以及计算机可读介质 | |
| JP7059599B2 (ja) | 検索処理プログラム、検索処理方法および検索処理装置 | |
| Gangwar et al. | An adaptive boosting technique to mitigate popularity bias in recommender system | |
| CN113626090B (zh) | 一种服务器固件配置方法、装置、设备及可读介质 | |
| JP3788254B2 (ja) | 情報フィルタリングシステムとそのフィルタリング方法、及び情報フィルタリングプログラム |
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: 20130419 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20130507 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20130531 |
|
| 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: 20131119 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20131217 |
|
| R150 | Certificate of patent or registration of utility model |
Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| LAPS | Cancellation because of no payment of annual fees |