JP2013089064A - パターン認識装置およびパターン認識方法 - Google Patents
パターン認識装置およびパターン認識方法 Download PDFInfo
- Publication number
- JP2013089064A JP2013089064A JP2011229525A JP2011229525A JP2013089064A JP 2013089064 A JP2013089064 A JP 2013089064A JP 2011229525 A JP2011229525 A JP 2011229525A JP 2011229525 A JP2011229525 A JP 2011229525A JP 2013089064 A JP2013089064 A JP 2013089064A
- Authority
- JP
- Japan
- Prior art keywords
- item
- data
- pattern recognition
- feature
- data set
- 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
- Image Analysis (AREA)
Abstract
【解決手段】パターン認識方法は、各特徴項目の項目値の平均値m1,m2,・・・,mkに対する、i番目のデータセットyi1,yi1,・・・,yikのゼロ点比例回帰直線y=βimの傾きβiを第一の縮約特徴項目として算出するステップ(SB)と、ゼロ点比例回帰直線y=βimとi番目のデータセットとの偏差を標準偏差sjで除した値の二乗和Sei’=Σ((yij−βimj)/sj)2を、各データセットについて算出して、Sei’の平方根に比例する量であるσi’を第二の縮約特徴項目として算出するステップ(SC)と、第一の縮約特徴項目と、各データセットに対する第二の縮約特徴項目とに基づいて評価距離Dを算出して、評価距離Dに基づいて判断を行なうステップ(SD)とを備える。
【選択図】図3
Description
次に各特徴項目の平均値m1,m2,・・・,mkに対して、単位空間に属するi番目のデータセットyi1,yi2,・・・,yikのゼロ点比例回帰直線の傾きβi(第一縮約特徴項目)を以下の式に従って算出する(i=1からnまで順次)。
βi=(m1yi1+m2yi2+・・・+mkyik)/r
ここでrはiによらず共通の値である。
第二縮約特徴項目σiは、偏差二乗和Seiの平方根に比例する量として与えられる。たとえば非特許文献3では、第二縮約特徴項目σiは以下のように演算される。
ここでは単位空間データの平均値miを用いて、単位空間に属するi番目のデータセットの第一縮約特徴項目Y1(=βi)および第二縮約特徴項目Y2(σi)を求める方法を示した。判別の際には、単位空間に属するデータとは別のデータ(信号データ)が使用される。この場合にも、単位空間に属するデータとは別のデータの項目値と、単位空間データの平均値mjとを用いて同様の演算を行ない、第一縮約特徴項目Y1および第二縮約特徴項目Y2を求める。
図2は、図1に示したパターン認識装置の実施の形態1に係る構成を示した機能ブロック図である。図2を参照して、パターン認識装置50は、記憶部60と、データ入力部61と、特徴項目生成部62と、統計量算出部63と、第一縮約特徴量算出部64と、第二縮約特徴量算出部65と、評価距離算出部66と、判断部67と、出力部68とを備える。
ステップSAにおいて、統計量算出部63は、単位空間に属するデータセットyij(1≦i≦n、1≦j≦k)を用いて、各特徴項目について、項目値の平均値mjおよび標準偏差sjを算出する。具体的には、特徴項目jの項目値y1j,y2j,・・・,ynjに対して、以下の式(1)に従う演算を行なう(j=1からkまで順次)。
次に、以下の式(2)に従って、各項目番号jについて、単位空間に属するデータの標準偏差sjを算出する(j=1からkまで順次)。
ここで式(2)では、偏差二乗和Σi(y1j−mj)2をnで除しているが(n−1)で除してもよい。jによって除する値が共通であれば、判別精度には影響しない。
ステップSBにおいて、第一縮約特徴量算出部64は、ゼロ点比例回帰直線の傾きβi(第一縮約特徴項目)を算出する。ステップSBの処理の詳細は以下の通りである。
βi=(m1yi1+m2yi2+・・・+mkyik)/r ・・・(4)
ここでrはiによらず共通である。上記の演算によって、単位空間の各データセットに対して第一縮約特徴量β1,β2,・・・,βnが算出される。
ステップSCにおいて、第二縮約特徴量算出部65は、まず二乗和Sei’を算出する、具体的には、ゼロ点比例回帰直線y=βimおよび単位空間のi番目のデータセットyi1,yi2,・・・、yikを用いて、以下の式(5)に従う演算を行なう(i=1からnまで順次)。
次に第二縮約特徴量算出部65は、第二縮約特徴項目σi’を演算する。第二縮約特徴項目σi’は、Sei’の平方根に比例する量として与えられる。たとえば第二縮約特徴項目は以下の式(6)に従って演算される。1/√kは比例定数である。ただしデータセットに共通であれば、比例定数は1/√kに限らない。
これにより、単位空間の各データセットに対して第二縮約特徴量σ1’,σ2’,・・・,σn’が算出される。
ステップSDでは、評価距離Dを算出する処理を実行することができる。第一縮約特徴項目、第二縮約特徴項目が計算済みであれば評価距離Dを算出できる。したがって、単位空間データおよび単位空間以外のデータ(判別対象用のデータ)のいずれに対しても下記の処理によって評価距離Dを算出することができる。
ここにV1、V2は、それぞれ第一縮約特徴量および第二縮約特徴量の分散であり、V12は第一縮約特徴量と第二縮約特徴量との共分散であり、μ1、μ2はそれぞれ第一縮約特徴量および第二縮約特徴量の平均値(データセット1からnまで)である。
ここに、Z1はY1の基準化値であり、第一縮約特徴項目Y1の平均値(データセット1からnまで)μ1を引いてY1の標準偏差√V1で割ったものである。同様に、Z2はY2の基準化値で、Y2の平均値μ2を引いて、Y2の標準偏差√V2で割ったものである。またR−1はZ1,Z2に関する相関係数行列の逆行列である。添字のTは転置を示す。このDの値を項目数2で除したり、またさらに平方根をとったりする場合もあるが、データセットによって共通であればどの方法でもよい。
式(9)の計算ではY1とY2と共分散および相関は考慮されていない。データのゼロ点比例回帰の係数であるY1=βと、その残差であるばらつきY2=σ’とはほぼ直交する(相関係数が0に近い)性質がある。したがってY1とY2の共分散および相関を考慮しなくても、考慮した場合と同様の結果が得られることが多い。
なお、これらのDの値を項目数2で除したり、さらに平方根をとったりする場合もあるが、データセットによって共通であればどの方法でもよい。
ステップSEにおける判別処理を説明する。単位空間のデータセットから求めた評価距離の集合を基準とした、しきい値Dthをあらかじめ定めておく。たとえば、単位空間の評価距離をD1,D2,・・,Dn、その平均値をμD、標準偏差をσDとした場合、評価距離の2シグマ値(μD+2σD)をDthと定めるなどである。また、目標の誤判別率を設けて、しきい値を決める方法も適用できる。いずれにしても、各々の判別対象の固有の問題であるので、しきい値の決定方法は、これらに限るものではない。
図4は、実施の形態2に係るパターン認識装置の機能ブロック図である。図2および図4を参照して、実施の形態2では、パターン認識装置50は、補正部69をさらに備える点で実施の形態1と異なる。なお、図4に示したパターン認識装置50の他の部分の構成は、図2に示した構成と同様であるので以後の説明は繰り返さない。
実施の形態2では、補正前の標準偏差sjが0である場合には、上記の式(11)に従って標準偏差sjが補正され、その補正された標準偏差sjを用いて実施の形態1と同様の計算が実行される。図5は、実施の形態2に係るパターン認識処理の流れを説明するためのフローチャートである。
実施の形態3は、パターン認識装置および方法の具体的な適用である。なお以下の説明は、本発明の各実施の形態による効果を具体的に説明できる一例を示すものであり、本発明の範囲を限定するものではない。
Claims (10)
- 複数の特徴項目を各々有する複数のデータセットに基づいてパターン認識を行なうパターン認識装置であって、
単位空間に属する、特徴項目jのデータyij(1≦i≦n,1≦j≦k)を用いて、各特徴項目の項目値の平均値mjと、各特徴項目の項目値の標準偏差sjとを算出する統計量算出部と、
前記各特徴項目の項目値の平均値m1,m2,・・・,mkに対する、i番目のデータセットyi1,yi1,・・・,yikのゼロ点比例回帰直線y=βimの傾きβiを、第一の縮約特徴項目として算出する第一縮約特徴項目算出部と、
前記ゼロ点比例回帰直線y=βimと前記i番目のデータセットyi1,yi1,・・・,yikとの偏差を前記標準偏差sjで除した値の二乗和Sei’=Σ((yij−βimj)/sj)2を各データセットについて算出して、Sei’の平方根に比例する量であるσi’を第二の縮約特徴項目として算出する第二縮約特徴項目算出部と、
前記各データセットに対する第一の縮約特徴項目と、前記各データセットに対する第二の縮約特徴項目とに基づいて、評価距離Dを算出する評価距離算出部とを備える、パターン認識装置。 - 前記評価距離算出部は、前記評価距離DをMTA法の距離として算出する、請求項1に記載のパターン認識装置。
- 前記評価距離算出部は、前記評価距離Dをマハラノビス距離として算出する、請求項1に記載のパターン認識装置。
- 前記評価距離算出部は、前記評価距離Dをユークリッド距離として算出する、請求項1に記載の記載のパターン認識装置。
- 前記標準偏差sjが0の場合に、前記標準偏差sjをsj=Δ/2/√nで補正する補正部をさらに備え、
Δは最小目盛りまたは分解能であり、nはデータセット数である、請求項1から4のいずれか1項に記載のパターン認識装置。 - 複数の特徴項目を各々有する複数のデータセットに基づいてパターン認識を行なうパターン認識方法であって、
単位空間に属するデータセットyij(1≦i≦n,1≦j≦k)を用いて、各特徴項目の項目値の平均値mjと、各特徴項目の項目値の標準偏差sjとを算出するステップと、
前記各特徴項目の項目値の平均値m1,m2,・・・,mkに対する、i番目のデータセットyi1,yi1,・・・,yikのゼロ点比例回帰直線y=βimの傾きβiを、第一の縮約特徴項目として算出するステップと、
前記ゼロ点比例回帰直線y=βimと前記i番目のデータセットyi1,yi1,・・・,yikとの偏差を前記標準偏差sjで除した値の二乗和Sei’=Σ((yij−βimj)/sj)2を、各データセットについて算出して、Sei’の平方根に比例する量であるσi’を第二の縮約特徴項目として算出するステップと、
前記各データセットに対する第一の縮約特徴項目と、前記各データセットに対する第二の縮約特徴項目とに基づいて、評価距離Dを算出するステップとを備える、パターン認識方法。 - 前記評価距離Dは、MTA法の距離である、請求項6に記載のパターン認識方法。
- 前記評価距離Dは、マハラノビス距離である、請求項6に記載のパターン認識方法。
- 前記評価距離Dは、ユークリッド距離である、請求項6に記載のパターン認識方法。
- 前記標準偏差sjが0の場合に、前記標準偏差sjをsj=Δ/2/√nで補正するステップをさらに備え、
Δは最小目盛りまたは分解能であり、nはデータセット数である、請求項6から9のいずれか1項に記載のパターン認識方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2011229525A JP5645791B2 (ja) | 2011-10-19 | 2011-10-19 | パターン認識装置およびパターン認識方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2011229525A JP5645791B2 (ja) | 2011-10-19 | 2011-10-19 | パターン認識装置およびパターン認識方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2013089064A true JP2013089064A (ja) | 2013-05-13 |
JP5645791B2 JP5645791B2 (ja) | 2014-12-24 |
Family
ID=48532904
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2011229525A Expired - Fee Related JP5645791B2 (ja) | 2011-10-19 | 2011-10-19 | パターン認識装置およびパターン認識方法 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP5645791B2 (ja) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2019138704A1 (ja) * | 2018-01-11 | 2019-07-18 | Kyb株式会社 | 不良判定方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002373177A (ja) * | 2001-06-15 | 2002-12-26 | Olympus Optical Co Ltd | 類似オブジェクト検索方法及び装置 |
JP2010286353A (ja) * | 2009-06-11 | 2010-12-24 | Ricoh Elemex Corp | 画像検査装置、画像検査方法およびプログラム |
JP2010287179A (ja) * | 2009-06-15 | 2010-12-24 | Ricoh Elemex Corp | 画像検査装置、画像検査方法および画像検査プログラム |
-
2011
- 2011-10-19 JP JP2011229525A patent/JP5645791B2/ja not_active Expired - Fee Related
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002373177A (ja) * | 2001-06-15 | 2002-12-26 | Olympus Optical Co Ltd | 類似オブジェクト検索方法及び装置 |
JP2010286353A (ja) * | 2009-06-11 | 2010-12-24 | Ricoh Elemex Corp | 画像検査装置、画像検査方法およびプログラム |
JP2010287179A (ja) * | 2009-06-15 | 2010-12-24 | Ricoh Elemex Corp | 画像検査装置、画像検査方法および画像検査プログラム |
Non-Patent Citations (5)
Title |
---|
CSNB201100071001; 田村 希志臣: よくわかるMTシステム 第1版, 20090825, p.121-146, 財団法人日本規格協会 * |
CSNB201100417001; 立林 和夫、手島 昌一、長谷川 良子: 入門 MTシステム 第1版, 20081204, p.80-90, 株式会社日科技連出版社 * |
JPN6014015518; 立林 和夫、手島 昌一、長谷川 良子: 入門 MTシステム 第1版, 20081204, p.80-90, 株式会社日科技連出版社 * |
JPN6014015519; 田村 希志臣: よくわかるMTシステム 第1版, 20090825, p.121-146, 財団法人日本規格協会 * |
JPN6014015520; 田口 玄一: '"目的機能と基本機能(11)-認識のためのT法-"' 品質工学 Vol.14, No.2, 20060401, p.5-9, 品質工学会 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2019138704A1 (ja) * | 2018-01-11 | 2019-07-18 | Kyb株式会社 | 不良判定方法 |
JP2019118954A (ja) * | 2018-01-11 | 2019-07-22 | Kyb株式会社 | 不良判定方法 |
JP7094608B2 (ja) | 2018-01-11 | 2022-07-04 | Kyb株式会社 | 不良判定方法 |
Also Published As
Publication number | Publication date |
---|---|
JP5645791B2 (ja) | 2014-12-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7167084B2 (ja) | 異常検出システム、異常検出方法、異常検出プログラム及び学習済モデル生成方法 | |
Entezami et al. | Fast unsupervised learning methods for structural health monitoring with large vibration data from dense sensor networks | |
Shmueli et al. | The elephant in the room: Predictive performance of PLS models | |
Ly et al. | A flexible and efficient hierarchical bayesian approach to the exploration of individual differences in cognitive‐model‐based neuroscience | |
JP5186322B2 (ja) | 時系列データ解析システム、方法及びプログラム | |
US11669080B2 (en) | Abnormality detection device, abnormality detection method, and program | |
CN107315874B (zh) | 一种用于结构局部变形与整体模态信息同时获取的传感器布设方法 | |
KR20190072652A (ko) | 정보 처리 장치 및 정보 처리 방법 | |
US11216534B2 (en) | Apparatus, system, and method of covariance estimation based on data missing rate for information processing | |
JP7299002B2 (ja) | 判別装置及び機械学習方法 | |
US20210216609A1 (en) | Degradation detection system | |
Liang et al. | A robust multivariate EWMA control chart for detecting sparse mean shifts | |
CN114422241B (zh) | 一种入侵检测方法、装置及系统 | |
US20220327394A1 (en) | Learning support apparatus, learning support methods, and computer-readable recording medium | |
JP5645791B2 (ja) | パターン認識装置およびパターン認識方法 | |
CN116433333B (zh) | 基于机器学习的数字商品交易风险防控方法及装置 | |
Maxwell et al. | Comparison of different parametric methods in handling critical multicollinearity: Monte carlo simulation study | |
Lakara et al. | Evaluating predictive uncertainty and robustness to distributional shift using real world data | |
JP2021022051A (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 | |
Fraza et al. | The Extremes of Normative Modelling | |
JP5517973B2 (ja) | パターン認識装置およびパターン認識方法 | |
WO2021024297A1 (ja) | 敵対的事例検知システム、方法およびプログラム | |
JP2022186575A (ja) | 検知装置,検知方法およびプログラム | |
WO2016104293A1 (ja) | 維持管理指標算出装置及び維持管理指標算出方法 | |
Inácio et al. | Robust and flexible inference for the covariate‐specific receiver operating characteristic curve |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20130926 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20140403 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20140415 |
|
A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20140501 |
|
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: 20141007 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20141104 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 5645791 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
LAPS | Cancellation because of no payment of annual fees |