JP3670500B2 - 判断規則修正装置及び判断規則修正方法 - Google Patents
判断規則修正装置及び判断規則修正方法 Download PDFInfo
- Publication number
- JP3670500B2 JP3670500B2 JP32862598A JP32862598A JP3670500B2 JP 3670500 B2 JP3670500 B2 JP 3670500B2 JP 32862598 A JP32862598 A JP 32862598A JP 32862598 A JP32862598 A JP 32862598A JP 3670500 B2 JP3670500 B2 JP 3670500B2
- Authority
- JP
- Japan
- Prior art keywords
- case
- parameter
- branch
- classification class
- assigned
- 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.)
- Expired - Fee Related
Links
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Description
【０００１】
【発明の属する技術分野】
本発明は、例えば画像または音声データを入力することにより、予め不良品として記憶された製品とのマッチングを使い製品に発生する不良を識別するシステムや制御対象の現在の状況を示す状態量を入力することにより、制御対象を制御するシステムにおいて、専門家が下した診断結果に適合するようにシステム内の判断規則を自動的に修正する装置及び判断規則を自動的に修正する方法に関する。
【０００２】
【従来の技術】
従来、機械知能による最適化あるいは探索として、予め決められた関数にパラメータを代入して得られる特徴量から判断規則を決定し、その判断規則を修正する場合には、パラメータを調節する方法が採られている。その１つの手法がジェネティックアルゴリズム( 以下「ＧＡ」と言う。) ；参考文献「ジェネティックアルゴリズム／安居院猛、長尾智晴 著／昭晃堂／１９９３年」がある。ＧＡとは生物の進化の過程を基本原理とした最適化・探索アルゴリズムの一種である。ＧＡでは、染色体同士の一部を入れ換える操作（交差）、染色体を構成する一部の文字列の値を反転させる操作（突然変異）、染色体ごとの評価値（適合度）を利用して、染色体集団の中から染色体を選ぶ操作（選択）、といった操作を行ない新たな染色体集団を生成する。ＧＡはこのような染色体集団の生成を何世代かに渡って繰り返していくことにより、適合度の高い染色体を探索するアルゴリズムである。
【０００３】
例えばこのＧＡを利用して判断規則に含まれるパラメータを調整する手法として、参考文献「ファジールールの獲得とその表現に対する一手法／前橋覚、鬼沢武久 著／日本ファジー学会関東支部・東北支部 第９回ワークショップ／１９９７年」が挙げられる。この手法では、判断規則に含まれるパラメータを０あるいは１を連結した文字列で表すこと（２進数表現）により、判断規則と染色体の対応付けを行っている。また染色体に対応する判断規則を用いて、制御対象をどの程度上手く制御できたかどうかを評価することにより、染色体の適合度を求めている。そうして染色体が世代交代を繰り返す中で、適合度の高い染色体が淘汰されるよう判断規則を調整するものである。
【０００４】
しかしながら、最適な解を探索するＧＡを用いたとしても、通常考えられている探索空間では全てを探索するのに膨大な時間を必要とする。さらに、この手法では、限りある時間の中で実用上解けない問題も発生する。また、探索空間中の真の最大値あるいは最小値を与える点を探索する必要がある場合には、膨大な時間を必要とするとしても、全探索を実行する以外に術はないのが実情であった。
【０００５】
【発明が解決しようとする課題】
上述したように従来の技術においては、判断規則の修正は最初から全て生成し直すことを前提としており、たとえ判断規則の修正箇所は部分的であっても規則全体を修正対象とみなしているために、この規則修正の際に多くの時間を要し、効率が悪いという問題があった。
【０００６】
本発明は、上述した問題を解決するためになされたものであって、与えられたデータの推論を行った場合、データに対して正しい推論結果が得られなかった時、そのデータが正しい推論結果に導かれるよう判断規則を部分的かつ高速に修正する方法と装置を提供することを目的としている。
【０００７】
本発明の別の目的は、これまでＧＡを利用する上で懸念されていた探索空間の大きさ、つまり探索範囲が広すぎて処理に膨大な時間が掛かっていたことを改善することによって、ＧＡをより使いやすい探索手法とすることにある。
【０００８】
【課題を解決するための手段】
かかる課題を解決するため、請求項１記載の本発明に係る判断規則修正装置は、特徴量を得るための第１のパラメータがそれぞれ割り当てられ、かつ上位、下位に区分される複数の分岐ノードと、分類クラスが割り当てられる末端ノードと、前記特徴量に基づく分岐の条件を表す第２のパラメータが割り当てられ、かつ分岐ノード間または分岐ノードと末端ノード間を接続する枝と、によって表される、データから該データの分類クラスを判断するための判断規則を格納する判断規則格納部と、事例のデータと該事例のデータに対する分類クラスとを対応して格納する事例格納部と、前記判断規則格納部に格納される判断規則に基づき、前記事例格納部に格納される事例のデータに対する分類クラスを推論する推論部と、前記推論部で推論される分類クラスが前記事例格納部に格納される分類クラスと一致しないときに、最上位の分岐ノードから前記格納される分類クラスが割り当てられる末端ノードへと至る第１の推論経路上の第１、第２のパラメータ、および最上位の分岐ノードから前記推論される分類クラスが割り当てられる末端ノードへと至る第２の推論経路上の第１、第２のパラメータを前記判断規則から抽出する修正対象抽出部と、前記事例格納部に格納される事例に基づいて、前記抽出された第１、第２のパラメータを修正する手段と、を具備する。
【０００９】
請求項２記載の本発明に係る判断規則修正装置は、前記修正対象抽出部が、前記特徴量に基づいて、前記第１の推論経路上の第１、第２のパラメータから修正を要しない第１、第２のパラメータを除外する手段を有する。
【００１１】
請求項３記載の本発明に係る判断規則修正方法は、判断規則修正装置が、特徴量を得るための第１のパラメータがそれぞれ割り当てられ、かつ上位、下位に区分される複数の分岐ノードと、分類クラスが割り当てられる末端ノードと、前記特徴量に基づく分岐の条件を表す第２のパラメータが割り当てられ、かつ分岐ノード間または分岐ノードと末端ノード間を接続する枝と、によって表される、データから該データの分類クラスを判断するための判断規則に基づき、事例のデータと該事例のデータに対する分類クラスとを対応して格納する事例格納部に格納される事例のデータに対する分類クラスを推論するステップと、前記推論される分類クラスが前記格納される分類クラスと一致しないときに、最上位の分岐ノードから前記格納される分類クラスが割り当てられる末端ノードへと至る第１の推論経路上の第１、第２のパラメータ、および最上位の分岐ノードから前記推論される分類クラスが割り当てられる末端ノードへと至る第２の推論経路上の第１、第２のパラメータを前記判断規則から抽出するステップと、前記事例格納部に格納される事例に基づいて、前記抽出された第１、第２のパラメータを修正するステップと、を実行する。
【００１２】
請求項４記載の本発明に係る判断規則修正方法は、前記抽出するステップが、前記特徴量に基づいて、前記第１の推論経路上の第１、第２のパラメータから修正を要しない第１、第２のパラメータを除外するステップを有する。
【００１４】
請求項１及び請求項３記載の本発明の修正規則判断装置及び修正規則判断方法では、これまで全てのパラメータを探索範囲としていたが、修正の必要のあるパラメータとその周りのパラメータだけに修正範囲を限定することによって、最適解が求まるまでの探索時間の短縮が可能になった。これは、使用者にとって探索パラメータの設定が簡単になるだけでなく、ＧＡが現実のシステムに耐えうる条件を満たすことにもなる。
【００１５】
請求項１及び請求項３記載の本発明の修正規則判断装置及び修正規則判断方法では、修正の必要のあるパラメータとその周りのパラメータを抽出する方法として、１つは誤った分類クラスに導かれたデータが本来属する分類クラスに対して、もう１つは誤った分類クラスに導かれたデータのみに対してパラメータを抽出する。そして、これらの抽出で得られたパラメータの和集合を修正対象範囲とする。
請求項２及び請求項４記載の本発明の修正規則判断装置及び修正規則判断方法では、上記で抽出したパラメータをさらに特徴量との関係から修正の可能性の高い部分だけを抽出する。これによって、探索範囲はさらに吟味され、探索時間の減少につながる。
【００１６】
【発明の実施の形態】
以下、本発明の実施の形態について図面を参照にして詳細に説明する。
【００１７】
図１（ａ）は本発明の一実施形態に係る装置の構成を示すブロック図である。同図に示すように、事例格納部１１には図２に示す画像ファイル名と対応する分類クラスからなる事例が格納されている。判断規則格納部１２には現在使用するシステム内に記述された判断規則が格納されている。そして事例格納部１１に格納された事例は、判断規則格納部１２に格納された判断規則によって推論部１３で推論される。修正対象抽出部１４は、推論部１３が推論したクラスと事例格納部１１に格納されている事例に対応する分類クラスが異なる場合、その事例に係る経路上に表れるパラメータを判断規則の修正対象として抽出する。探索範囲格納部１５には修正対象抽出部１４で抽出された修正対象の探索範囲が格納される。ただし探索範囲格納部１５は、ここでＧＡ手法によって判断規則修正（生成）するために用いられるのであって、他の手法を用いる場合は使用しないこともある（図１（ｂ）参照）。最後に、修正対象探索部１６によって修正対象範囲内で探索が行われ、パラメータの変更すなわち判断規則が修正される。
【００１８】
次に、以上のような構成を持つ判断規則修正装置の動作をフローチャートに沿って説明する。図３は判断規則修正装置の一実施形態に係る修正の流れを示すフローチャートである。
【００１９】
同図に示すように、まず入力されたデータとそのデータを識別する分類クラスを併せ持つデータ集合を読み込む（ステップ３１）。これは図１（ａ）の事例格納部１１に格納された事例に対し、判断規則格納部１２に格納されている判断規則が正しい推論を行うかどうかを評価するための準備を行なう。ここでは図４の事例Ｓ１を読み込む。
【００２０】
次に、読み込まれた事例Ｓ１を判断規則格納部１２に格納されている判断規則によって評価し、読み込んだ事例に対応する分類クラスを推論する（ステップ３２）。例えば図５で示す判断規則を用いて評価し、図４の事例Ｓ１に対する推論されるクラスを求める。ただし、図５の判断規則の条件部分に記述されている「面積」、「密度」、「幅」に対しては、画像ファイル名ｆｉｌｅｎ及びパラメータを引数とする関数ａｒｅａ（ｆｉｌｅｎ，Ｑ１）、ｄｅｎｓｉｔｙ（ｆｉｌｅｎ，Ｑ２）、ｗｉｄｔｈ（ｆｉｌｅｎ，Ｑ３）がそれぞれ定義されているとする。また、探索範囲格納部１５には、図６に示すパラメータの探索可能範囲と現在の設定値が格納されている。また、その範囲はパラメータ毎に「最大値」と「最小値」および範囲内の「刻幅」を持つ。画像ファイル名がｆｉｌｅ１１、クラスが分類１である事例Ｓ１を評価する際には、パラメータとしてＱ１＝４，Ｑ２＝４，Ｑ３＝４という値を持っている。これらのパラメータを上記関数に代入し、その解である特徴量を得る。特徴量とは、事例が持つ属性を数値で表したものである。事例Ｓ１に関し、パラメータを代入した結果、図７に示した値ＳＡ１が求まるとすると、ｆｉｌｅｎは「面積」８、「密度」５、「幅」１の特徴量を有する。
【００２１】
事例を推論する時、まず図５の判断規則の最上位分岐ノードＮ１に割り当てられている特徴量「面積」の値を用いて評価を行う。事例Ｓ１では、「面積」に対する特徴量は８であるから，分岐ノードＮ１の左側に連結している枝の条件１０未満が成り立つ。よって事例は分岐ノードＮ１の左側に伝播し、分岐ノードＮ２に移る。次に分岐ノードＮ２に割り当てられている特徴量「密度」の値を用いて評価を行う。図４の事例では「密度」の特徴量は５であるから、分岐ノードＮ２の右側に連結している枝の条件５以上が成り立ち、事例は分岐ノードＮ５へ伝播する。最後に、分岐ノードＮ５に割り当てられている特徴量「幅」の値を用いて評価を行う。図４の事例では「幅」の特徴量は１であるから、分岐ノードＮ５の左側に連結する枝の条件６未満が成り立ち、左側すなわち「分類２」が割り当てられた末端ノードＥ４へ伝播する。結果として、事例はクラス「分類２」と推論される。図８の斜線で囲んだノードは、事例Ｓ１が判断規則に従って推論される様子を示す。
【００２２】
続いて、ステップ３２で推論された事例Ｓ１のクラスと推論前の事例格納部１１で格納されている分類クラスを比較する（ステップ３３）。双方のクラスが一致していれば判断規則の修正は不要であり、アルゴリズムは終了する。しかし、一致していなければ、判断規則を修正する必要があると判断する。事例Ｓ１の場合、ステップ３２においてクラスは「分類２」と推論されたが、事例格納部１上では「分類１」が割り当てられており一致しない。よってこの場合、判断規則を修正する必要があると判断する。
【００２３】
判断規則を修正する場合、まず修正対象の抽出を行う（ステップ３４）。抽出には次に示す３つの方法を持つ。
【００２４】
１つは、事例のクラスに関連する修正対象を抽出する方法である。つまり、誤った推論結果を得た事例の画面ファイル名に対応するクラスと同じ推論結果（末端ノードのクラス）を持つ推論経路を、末端ノードから最上位の分岐ノードまで溯り、該経路上のパラメータを修正対象として抽出する。具体的に図４の事例Ｓ１で言えば、本来割り当てられているクラス「分類１」に関連する経路を溯ってみる。図５の判断規則で「分類１」が推論されるのは、末端ノードＥ１、Ｅ６の２ヵ所である。末端ノードＥ１から最上位の分岐ノードＮ１までの経路は、分岐ノードＮ４と末端ノードＥ１を結ぶ枝、分岐ノードＮ４、分岐ノードＮ２と分岐ノードＮ４を結ぶ枝、分岐ノードＮ２、分岐ノードＮ１と分岐ノードＮ２を結ぶ枝、分岐ノードＮ１である。各ノードや枝には各々パラメータＰ５、Ｑ３、Ｐ２、Ｑ２、Ｐ１、Ｑ１が対応する。末端ノードＥ６の場合、分岐ノードＮ３と末端ノードＥ６を結ぶ枝、分岐ノードＮ３、分岐ノードＮ１と分岐ノードＮ３を結ぶ枝、分岐ノードＮ１であり、パラメータＰ３、Ｑ３、Ｐ１、Ｑ１が対応する。よって、クラスに関連する修正対象として、パラメータＰ１、Ｐ２、Ｐ３、Ｐ５、Ｑ１、Ｑ２、Ｑ３を抽出する。図９の斜線で囲んだノードはパラメータ抽出の様子を示す。
【００２５】
２つは、事例の評価に関連する修正対象を抽出する方法である。つまり、修正対象と判定された事例が辿った最上位の分岐ノードから末端ノードまでの判断経路のパラメータを、事例の評価に関連する修正対象として抽出する。図４の事例Ｓ１の場合、図８で示すように、分岐ノードＮ１、分岐ノードＮ１と分岐ノードＮ２の枝、分岐ノードＮ２、分岐ノードＮ２と分岐ノードＮ５の枝、分岐ノードＮ５、分岐ノードＮ５と末端ノードＥ４の枝を通って末端ノードＥ４に伝播する。これらに対応するパラメータは、Ｑ１、Ｐ１、Ｑ２、Ｐ２、Ｑ３、Ｐ７であり、これを事例の評価に関連する修正対象として抽出する。
【００２６】
３つは、上記２つの方法を使って抽出した修正対象をさらに絞り込むことを前提とした方法である。つまり、読み込まれた事例が誤った推論結果となった場合、該事例が正しい推論結果を得る（末端ノードに行き着く）ための推論経路を想定し、該事例の持つ特徴量と該経路上の閾値（分岐する基準となる値）を比較する。該事例が該閾値によって該経路から外れるのであれば、該閾値の修正すなわち、該閾値のパラメータを探索すべき修正対象として抽出する。一方、該特徴量と該閾値が該推論経路上にあれば、修正対象としない。図５に示す判断規則において図４の事例Ｓ１で言えば、末端ノードから見てＥ１またはＥ６に推論が達すればよく、そのためには該末端ノードの上位、すなわち分岐ノードＮ４もしくはＮ３に達する必要がある。そこで、事例Ｓ１の「幅」の特徴量は１であり、分岐ノードＮ４と末端ノードＥ１を結ぶ枝の条件は４（＝Ｐ５）未満、および分岐ノードＮ３と末端ノードＥ６を結ぶ枝の条件は２（＝Ｐ３）未満であるからこれらの値を変化させる必要はない。つまりパラメータＰ５、Ｐ３および「幅」の特徴量を変えるＱ３は修正対象とならない。さらに上位ノードを見ていくと、事例Ｓ１の「密度」の特徴量は５であるのに対し、分岐ノードＮ２と分岐ノードＮ４を結ぶ枝の条件は５（＝Ｐ２）未満であるから、パラメータＰ２は修正対象となる。同様に事例Ｓ１の「面積」の特徴量は８であるのに対し、分岐ノードＮ１と分岐ノードＮ３を結ぶ枝の条件は１０（＝Ｐ１）以上であるので、パラメータＰ１も修正対象となる。また、分岐ノードＮ５に事例が到達しても、正しい推論結果を得ることができないので、パラメータＰ７は修正対象外となる。
【００２７】
従って、最終的な修正対象は、クラス及び事例の評価に関連する修正対象から、変化させる必要のないパラメータを除いたパラメータＰ１、Ｐ２、Ｑ１、Ｑ２となる。
【００２８】
さらにこの方法が、例えば図１０に示す判断規則が判断規則格納部１２に格納されている場合の修正パラメータ抽出について考える。
【００２９】
ここでは、図４の事例Ｓ１を評価する際のパラメータとして、パラメータＱ４＝２、Ｑ５＝３を与え、関数ｈｉｇｈｔ（ｆｉｌｅｎ，Ｑ４) 、ｌｅｎｇｔｈ（ｆｉｌｅｎ，Ｑ５) により「高さ」の特徴量４及び「長さ」の特徴量３を加えた変化形の事例Ｓ２（図示せず）を使う。但し、分類クラスは事例Ｓ１と同じとする。
【００３０】
図１０の判断規則に従えば、事例Ｓ２は末端ノードＥ８、つまり「分類２」という推論結果を得る。しかし本来事例Ｓ２にはクラス「分類１」が割り当てられ、判断規則の修正が必要となる。上述した図５の判断規則における抽出方法と同様に、図１０の判断規則においてもクラス「分類１」に関連する修正対象として、パラメータＰ１、Ｐ２、Ｐ３、Ｐ５、Ｐ６、Ｐ８、Ｐ９、Ｐ１０、Ｑ１、Ｑ２、Ｑ３、Ｑ４を抽出する。さらに事例の評価に関連する修正対象として、パラメータＱ１、Ｐ１、Ｑ２、Ｐ２、Ｑ３、Ｐ７を抽出する。最後に特徴量に注目すると、正しい推論とされる末端ノードＥ３、Ｅ６、Ｅ１０はそれぞれ分岐ノードＮ６、Ｎ７、Ｎ３から分岐し、「高さ」の特徴量４に対して分岐ノードＮ６と末端ノードＥ３を結ぶ枝の条件は５（＝Ｐ８）以上８（＝Ｐ９）未満である。よって、パラメータＰ８、Ｐ９および「高さ」の特徴量を変えるＱ４は、修正対象となる。また、分岐ノードＮ７と末端ノードＥ６を結ぶ枝の条件は８（＝Ｐ１０）未満であるが、Ｑ４が修正対象となっているので、「高さ」の特徴量が変わる可能性がある。従って、Ｐ１０は修正対象となる。「幅」の特徴量１に対して、分岐ノードＮ３と末端ノードＥ１０を結ぶ枝の条件は２（＝Ｐ３）未満、分岐ノードＮ４と分岐ノードＮ６を結ぶ枝の条件は４（＝Ｐ５）未満である。よって、パラメータＰ３、Ｐ５およびＱ３は修正対象外となる。また、分岐ノードＮ４と分岐ノードＮ７を結ぶ枝の条件は９（＝Ｐ６）以上であるが、Ｐ６はＰ５よりも小さくなれないので、分岐ノードＮ７には到達しない。従って、Ｐ６は対象外となる。そしてさらに上位のノードを辿ると、「密度」の特徴量５に対して、分岐ノードＮ２と分岐ノードＮ４を結ぶ枝の条件は５（＝Ｐ２）未満であるから、パラメータＰ２およびＱ２は修正対象となる。その上の分岐ノードＮ１と分岐ノードＮ２、および分岐ノードＮ１と分岐ノードＮ３をそれぞれ結ぶ枝の条件は、分岐ノードＮ２側で１０（＝Ｐ１）未満、分岐ノードＮ３側で１０（＝Ｐ１）以上となっているので、Ｐ１およびＱ１は修正対象となる。
【００３１】
また、分岐ノードＮ５に事例が到達しても、正しい推論結果を得ることはできないので、パラメータＰ７は修正対象外とする。
【００３２】
従って、図１０の事例Ｓ２でクラス及び事例の評価に関連する修正対象から、変化させる必要のないパラメータを除くと、パラメータＰ１、Ｐ２、Ｐ８、Ｐ９、Ｐ１０、Ｑ１、Ｑ２、Ｑ４が最終的な修正対象となる。
【００３３】
次に、修正対象範囲の探索開始位置を決める（ステップ３５）。言い換えれば、修正対象抽出部１４からステップ３４で求められた修正対象の探索範囲を格納する探索範囲格納部１５によって修正対象の探索可能な範囲を獲得し、さらに該修正対象をビット表現した文字列に変換する。ビット表現については、参考文献「ジェネティックアルゴリズム／安居院猛、長尾智晴著／昭晃堂／１９９３年」によると、ＧＡを使う場合遺伝子型を表す記号としてどのようなものを用いるかは任意であるが、一般的には０と１であるとされる。従って、本実施例ではパラメータを０と１を用いて２進数で表現する。
【００３４】
図４で示す事例Ｓ１で求められた修正対象で考えると、Ｐ１に対しては探索範囲格納部１５から最小値４、最大値１１、刻幅１の範囲が得られる。このとき、Ｐ１は８種類の値を取り得るため、３ビットを割り当てればＰ１が取り得る値すべてを２進数で表現することができる。つまり、最小値４を２進数０００に対応させ、最小値が刻幅に応じて１増える毎に０００の値も１増やせば、Ｐ１の値すべてを表現することができる。同じ方法で残りのパラメータＰ２、Ｑ１、Ｑ２について考えると、各々３ビット、４ビット、４ビットを割り当てれば、最小値から最大値まで取り得る値すべてを表現することができる。修正対象全体で見れば、１４ビットで一つの解を表現することができる。図１１は、図５の判断規則におけるＰ１、Ｐ２、Ｑ１、Ｑ２のパラメータ設定値を各々２進数で対応させた染色体表現である。
【００３５】
そうして修正対象の現在の状態をビット表現した染色体と、０あるいは１を乱数を用いて生成した染色体とを合わせて予め設定された集合体の構成数になれば、それを第０世代の染色体集団とし、探索を開始する。
【００３６】
図１２は、上述した第０世代の染色体集団を示し、修正対象の現在の状態を示す染色体として図１１に示す値と０あるいは１の乱数で生成した１９個の染色体で構成する。これらの染色体の適合度を計算すると、例えば図１１に示す現在の設定値を表現した染色体の場合、事例格納部１１に格納される図２の事例Ｔ１〜Ｔ１０が正しく判定できるとすれば、図４に示す事例Ｓ１だけが現在の設定値で正しく判定できない事例となり、０. ９１( ＝１０／１１) が図１１の染色体の適合度として求まる。一方、他の染色体に対しては、まず染色体に対応するパラメータを求め、この値を図５の判断規則のパラメータと置き換えてＴ１〜Ｔ１０及びＳ１の事例を評価する。このような各事例の評価を行った後で、現在の設定値の場合と同様に正しく評価できた事例の割合（正しく評価できる事例／格納された全事例）を求めて、各染色体の適合度とする。
【００３７】
続いて、染色体集団の世代が予め設定した世代に到達したか、または最も高い適合度を与える染色体の適合度が１．０になるかどうかを判定する（ステップ３６）。その結果、いずれかの条件を満たす場合、判断規則の修正を行う（ステップ３８）。一方、どちらの条件も満たさない場合、次の探索位置を決定する（ステップ３７）。すなわち、交差・突然変異といった遺伝子操作を適用することによって恣意的に新たな探索点を作り、途中段階の染色体集団を生成する。また、途中段階の染色体集団に含まれる各染色体に対して、染色体に対応するパラメータ値を適用した判断規則を用いて、事例格納部１１に格納されている事例及び判断規則の修正が必要かどうかの検査用に読み込まれた事例が正しく特定される割合を求めて、各染色体の適合度とする。さらには、適合度に応じた確率を各染色体に割り当てて、途中段階の染色体集団の中から染色体を選択することにより、次の世代の染色体集団を選択する。
【００３８】
例えば、図１２に示すように第０世代の染色体集団から遺伝子操作により第１世代の染色体集団を生成するには、次の方法が考えられる。
【００３９】
まず交差の場合、第０世代の染色体集団の中から乱数を用いて二つの染色体を取り出す。この取り出した染色体に対して、乱数を用いて切断位置を決定する。この切断位置で染色体を分離し、分離した染色体の一部を互いに交換することにより、新たな二つの染色体を生成する。この交差を第０世代に含まれる染色体がなくなるまで繰り返すことにより、第１世代途中段階１を生成する。図１３は、第０世代の染色体集団から交差により、第１世代途中段階１が生成される様子を示している。
【００４０】
次に突然変異の場合、第１世代途中段階１の中から一つの染色体を取り出す。この染色体の各ビットに対して、突然変異を実施するかどうかの判定を行い、突然変異を実施すると判定したビットに関して、ビットの反転、すなわち０→１または１→０に変換を行い、新たな染色体を生成する。この突然変異を第１世代途中段階１に含まれる染色体がなくなるまで繰り返すことにより、第１世代途中段階２を生成する。図１４は第１世代途中段階から突然変異により、第１世代途中段階２が生成される様子を示している。
【００４１】
選択の場合、操作に先立って第１世代途中段階２に含まれる染色体の適合度を計算する。つまり、染色体に対応するパラメータの値を図５の判断規則に適用して図２の事例Ｔ１〜Ｔ１０及び図４の事例Ｓ１を評価する。このとき正しく評価された事例の割合を染色体の適合度とする。そうして、ｎ番目の染色体の適合度ｆｉｔｎｅｓｓｎを数式１に代入することにより、ｎ番目の染色体の選択確率ｐｒｏｂｎが求まる。
【００４２】
【数１】
このｐｒｏｂｎの値を反映した乱数により、選択する染色体を決定して、第１世代の染色体集団を生成する。図１５は、第１世代途中段階２から選択により、第１世代の染色体集団が生成される様子を示している。
【００４３】
最後に、染色体集団の世代が予め設定した世代に到達したか、染色体の適合度が１．０になるかのいずれかの条件が成り立った場合、検索した染色体の中から最も適合度の高い染色体を取り出して、該染色体に対するパラメータ値を求める。そして、図１（ａ）の判断規則格納部１２に格納されている判断規則はこのパラメータ値で更新（修正）される。例えば、図１６の染色体が最も適合度の高い染色体として取り出されたとする。このとき図１６の染色体はＰ１＝１１，Ｐ２＝７，Ｑ１＝５，Ｑ２＝３を表しているので、判断規則格納部１２に格納される判断規則は図５から図１７に修正される。
【００４４】
上述したフローチャートからわかるように、本発明によれば誤った推論に導かれる事例の判断に関連する部分を、３つの方法で、▲１▼すなわち誤った結果に関して、▲２▼誤った事例に関して、▲３▼誤った推論に導かれる事理の特徴量に関して修正対象として取り出し、修正対象の周辺だけを探索することにより、高速にかつ部分的に判断規則を修正することが可能になる。なお、本判断規則修正装置は、本実施例に限定するものではない。
【００４５】
例えば、本実施例で利用しいている判断規則は、決定木形式の判断規則であるが、参考文献「帰納学習によるファジイ決定木の生成；櫻井茂明、荒木大 著、電気学会論文誌、Ｖｏｌ．１１３ｃ，Ｎｏ．７ ４８８−４９４，１９９３年」に記載のファジイ決定木形式の判断規則を利用することもできる。
【００４６】
さらに、本実施例では判断規則のパラメータを修正するための探索手法として、ＧＡを利用していたが、参考文献「ＳＩＭＵＬＡＴＥＤ ＡＮＮＥＡＬＩＮＧ；ｅｄｉｔｅｄ ｂｙ Ｒｏｂｅｒｔ Ａｚｅｎｃｏｔｔ，Ｊｏｈｎ Ｗｉｌｌｙ＆ Ｓｏｎｓ，Ｉｎｃ．；１９９２」記載のシミュレーティッドアニーリング（ＳＡ）を利用してパラメータの修正値を求めることもできる。なお、図３のフローチャートは探索手法としてＧＡを用いた場合の処理手順を記したものであって、ＧＡ以外の手法を用いる場合この処理手順には限定されない。
【００４７】
さらに、図３のステップ３５で示した修正対象パラメータを２進数のビットで染色体表現をすることに関しても、本実施例で使用した１４ビットに限定されず、一般的にはそれぞれの修正対象パラメータが取り得る値の範囲（個数）から各ビット桁数が決まり、その桁数の和を単位とした染色体集団が生成される。
【００４８】
また、ＧＡでは生成する染色体集団の個数に係る定義はなされていないため、図１２で生成した数２０個に限定されない。
【００４９】
また、ステップ３８においては、最も適合度の高い染色体の値を変換することにより、判断規則を修正していたが、適合度の高い複数の染色体の値を変換することにより、判断規則の修正候補を複数生成し、その中から専門家に判断規則を選択させることもできる。この他、本発明の技術思想を逸脱しない範囲で種々変形して実施しうる。
【００５０】
【発明の効果】
以上詳述したように、本発明によれば、与えられたデータを正しい推論結果へと導くように判断規則を修正する問題において、誤った推論結果を引き起こした場合、その原因を修正対象として抽出し、抽出した修正対象の周辺を探索空間として設定する。そして設定した探索空間に対して探索手法を用いて修正を行う。このように修正対象を抽出し、探索空間を小さく設定することは、判断規則を修正する上で無駄な動作を省き、与えられたデータを正しい推論結果へと導く判断規則に高速に修正することができる。
【００５１】
さらに、修正に要する時間が短縮されることは、実際に本装置を用いた処理（例えば不良品の検査など）の運用に与える影響を軽減することにつながる。
【図面の簡単な説明】
【図１】（ａ）は本発明の判断規則修正装置の構成を示したブロック図、（ｂ）は本発明の一実施例形態に係る判断規則修正装置の構成を示したブロック図である。
【図２】本装置の事例格納部１１に格納される画像ファイル名と分類クラスの組を表す図である。
【図３】本装置の処理の流れを示すフローチャートである。
【図４】図５の判断規則では、推論結果を正しく判定できない画像ファイル名と分類クラスの組を表す図である。
【図５】本装置の判断規則格納部１２に格納されている判断規則を示す図である。
【図６】本装置の探索範囲格納部１５に格納されているパラメータの探索可能領域を示す図である。
【図７】図４の画像ファイル名及びパラメータＱ１〜Ｑ３の値を代入することにより、計算される図４の事例の特徴量を示す図である。
【図８】図４の分類クラスを図５の判断規則で推論するための様子を表す図である。
【図９】図４のデータが図３の判断規則で推論される様子を説明するための図である。
【図１０】抽出される修正対象を表す図である。
【図１１】修正対象となったパラメータを染色体表現した図である。
【図１２】図１１の染色体を含む第０世代の染色体集団を表す図である。
【図１３】第０世代の染色体に対して、交差を実施することにより、第１世代途中状態１が生成される様子を表す図である。
【図１４】第１世代途中状態の染色体集団に対して、突然変異を実施することにより、第１世代途中状態２が生成される様子を表す図である。
【図１５】第１世代途中状態２の染色体集団から染色体を選択することにより、第１世代の染色体集団が生成される様子を表す図である。
【図１６】探索した染色体の中で最も適合度が高い染色体を表す図である。
【図１７】修正された判断規則を表す図である。
【符号の説明】
１１ 事例格納部
１２ 判断規則格納部
１３ 推論部
１４ 修正対象抽出部
１５ 探索範囲格納部
１６ 修正対象探索部
【発明の属する技術分野】
本発明は、例えば画像または音声データを入力することにより、予め不良品として記憶された製品とのマッチングを使い製品に発生する不良を識別するシステムや制御対象の現在の状況を示す状態量を入力することにより、制御対象を制御するシステムにおいて、専門家が下した診断結果に適合するようにシステム内の判断規則を自動的に修正する装置及び判断規則を自動的に修正する方法に関する。
【０００２】
【従来の技術】
従来、機械知能による最適化あるいは探索として、予め決められた関数にパラメータを代入して得られる特徴量から判断規則を決定し、その判断規則を修正する場合には、パラメータを調節する方法が採られている。その１つの手法がジェネティックアルゴリズム( 以下「ＧＡ」と言う。) ；参考文献「ジェネティックアルゴリズム／安居院猛、長尾智晴 著／昭晃堂／１９９３年」がある。ＧＡとは生物の進化の過程を基本原理とした最適化・探索アルゴリズムの一種である。ＧＡでは、染色体同士の一部を入れ換える操作（交差）、染色体を構成する一部の文字列の値を反転させる操作（突然変異）、染色体ごとの評価値（適合度）を利用して、染色体集団の中から染色体を選ぶ操作（選択）、といった操作を行ない新たな染色体集団を生成する。ＧＡはこのような染色体集団の生成を何世代かに渡って繰り返していくことにより、適合度の高い染色体を探索するアルゴリズムである。
【０００３】
例えばこのＧＡを利用して判断規則に含まれるパラメータを調整する手法として、参考文献「ファジールールの獲得とその表現に対する一手法／前橋覚、鬼沢武久 著／日本ファジー学会関東支部・東北支部 第９回ワークショップ／１９９７年」が挙げられる。この手法では、判断規則に含まれるパラメータを０あるいは１を連結した文字列で表すこと（２進数表現）により、判断規則と染色体の対応付けを行っている。また染色体に対応する判断規則を用いて、制御対象をどの程度上手く制御できたかどうかを評価することにより、染色体の適合度を求めている。そうして染色体が世代交代を繰り返す中で、適合度の高い染色体が淘汰されるよう判断規則を調整するものである。
【０００４】
しかしながら、最適な解を探索するＧＡを用いたとしても、通常考えられている探索空間では全てを探索するのに膨大な時間を必要とする。さらに、この手法では、限りある時間の中で実用上解けない問題も発生する。また、探索空間中の真の最大値あるいは最小値を与える点を探索する必要がある場合には、膨大な時間を必要とするとしても、全探索を実行する以外に術はないのが実情であった。
【０００５】
【発明が解決しようとする課題】
上述したように従来の技術においては、判断規則の修正は最初から全て生成し直すことを前提としており、たとえ判断規則の修正箇所は部分的であっても規則全体を修正対象とみなしているために、この規則修正の際に多くの時間を要し、効率が悪いという問題があった。
【０００６】
本発明は、上述した問題を解決するためになされたものであって、与えられたデータの推論を行った場合、データに対して正しい推論結果が得られなかった時、そのデータが正しい推論結果に導かれるよう判断規則を部分的かつ高速に修正する方法と装置を提供することを目的としている。
【０００７】
本発明の別の目的は、これまでＧＡを利用する上で懸念されていた探索空間の大きさ、つまり探索範囲が広すぎて処理に膨大な時間が掛かっていたことを改善することによって、ＧＡをより使いやすい探索手法とすることにある。
【０００８】
【課題を解決するための手段】
かかる課題を解決するため、請求項１記載の本発明に係る判断規則修正装置は、特徴量を得るための第１のパラメータがそれぞれ割り当てられ、かつ上位、下位に区分される複数の分岐ノードと、分類クラスが割り当てられる末端ノードと、前記特徴量に基づく分岐の条件を表す第２のパラメータが割り当てられ、かつ分岐ノード間または分岐ノードと末端ノード間を接続する枝と、によって表される、データから該データの分類クラスを判断するための判断規則を格納する判断規則格納部と、事例のデータと該事例のデータに対する分類クラスとを対応して格納する事例格納部と、前記判断規則格納部に格納される判断規則に基づき、前記事例格納部に格納される事例のデータに対する分類クラスを推論する推論部と、前記推論部で推論される分類クラスが前記事例格納部に格納される分類クラスと一致しないときに、最上位の分岐ノードから前記格納される分類クラスが割り当てられる末端ノードへと至る第１の推論経路上の第１、第２のパラメータ、および最上位の分岐ノードから前記推論される分類クラスが割り当てられる末端ノードへと至る第２の推論経路上の第１、第２のパラメータを前記判断規則から抽出する修正対象抽出部と、前記事例格納部に格納される事例に基づいて、前記抽出された第１、第２のパラメータを修正する手段と、を具備する。
【０００９】
請求項２記載の本発明に係る判断規則修正装置は、前記修正対象抽出部が、前記特徴量に基づいて、前記第１の推論経路上の第１、第２のパラメータから修正を要しない第１、第２のパラメータを除外する手段を有する。
【００１１】
請求項３記載の本発明に係る判断規則修正方法は、判断規則修正装置が、特徴量を得るための第１のパラメータがそれぞれ割り当てられ、かつ上位、下位に区分される複数の分岐ノードと、分類クラスが割り当てられる末端ノードと、前記特徴量に基づく分岐の条件を表す第２のパラメータが割り当てられ、かつ分岐ノード間または分岐ノードと末端ノード間を接続する枝と、によって表される、データから該データの分類クラスを判断するための判断規則に基づき、事例のデータと該事例のデータに対する分類クラスとを対応して格納する事例格納部に格納される事例のデータに対する分類クラスを推論するステップと、前記推論される分類クラスが前記格納される分類クラスと一致しないときに、最上位の分岐ノードから前記格納される分類クラスが割り当てられる末端ノードへと至る第１の推論経路上の第１、第２のパラメータ、および最上位の分岐ノードから前記推論される分類クラスが割り当てられる末端ノードへと至る第２の推論経路上の第１、第２のパラメータを前記判断規則から抽出するステップと、前記事例格納部に格納される事例に基づいて、前記抽出された第１、第２のパラメータを修正するステップと、を実行する。
【００１２】
請求項４記載の本発明に係る判断規則修正方法は、前記抽出するステップが、前記特徴量に基づいて、前記第１の推論経路上の第１、第２のパラメータから修正を要しない第１、第２のパラメータを除外するステップを有する。
【００１４】
請求項１及び請求項３記載の本発明の修正規則判断装置及び修正規則判断方法では、これまで全てのパラメータを探索範囲としていたが、修正の必要のあるパラメータとその周りのパラメータだけに修正範囲を限定することによって、最適解が求まるまでの探索時間の短縮が可能になった。これは、使用者にとって探索パラメータの設定が簡単になるだけでなく、ＧＡが現実のシステムに耐えうる条件を満たすことにもなる。
【００１５】
請求項１及び請求項３記載の本発明の修正規則判断装置及び修正規則判断方法では、修正の必要のあるパラメータとその周りのパラメータを抽出する方法として、１つは誤った分類クラスに導かれたデータが本来属する分類クラスに対して、もう１つは誤った分類クラスに導かれたデータのみに対してパラメータを抽出する。そして、これらの抽出で得られたパラメータの和集合を修正対象範囲とする。
請求項２及び請求項４記載の本発明の修正規則判断装置及び修正規則判断方法では、上記で抽出したパラメータをさらに特徴量との関係から修正の可能性の高い部分だけを抽出する。これによって、探索範囲はさらに吟味され、探索時間の減少につながる。
【００１６】
【発明の実施の形態】
以下、本発明の実施の形態について図面を参照にして詳細に説明する。
【００１７】
図１（ａ）は本発明の一実施形態に係る装置の構成を示すブロック図である。同図に示すように、事例格納部１１には図２に示す画像ファイル名と対応する分類クラスからなる事例が格納されている。判断規則格納部１２には現在使用するシステム内に記述された判断規則が格納されている。そして事例格納部１１に格納された事例は、判断規則格納部１２に格納された判断規則によって推論部１３で推論される。修正対象抽出部１４は、推論部１３が推論したクラスと事例格納部１１に格納されている事例に対応する分類クラスが異なる場合、その事例に係る経路上に表れるパラメータを判断規則の修正対象として抽出する。探索範囲格納部１５には修正対象抽出部１４で抽出された修正対象の探索範囲が格納される。ただし探索範囲格納部１５は、ここでＧＡ手法によって判断規則修正（生成）するために用いられるのであって、他の手法を用いる場合は使用しないこともある（図１（ｂ）参照）。最後に、修正対象探索部１６によって修正対象範囲内で探索が行われ、パラメータの変更すなわち判断規則が修正される。
【００１８】
次に、以上のような構成を持つ判断規則修正装置の動作をフローチャートに沿って説明する。図３は判断規則修正装置の一実施形態に係る修正の流れを示すフローチャートである。
【００１９】
同図に示すように、まず入力されたデータとそのデータを識別する分類クラスを併せ持つデータ集合を読み込む（ステップ３１）。これは図１（ａ）の事例格納部１１に格納された事例に対し、判断規則格納部１２に格納されている判断規則が正しい推論を行うかどうかを評価するための準備を行なう。ここでは図４の事例Ｓ１を読み込む。
【００２０】
次に、読み込まれた事例Ｓ１を判断規則格納部１２に格納されている判断規則によって評価し、読み込んだ事例に対応する分類クラスを推論する（ステップ３２）。例えば図５で示す判断規則を用いて評価し、図４の事例Ｓ１に対する推論されるクラスを求める。ただし、図５の判断規則の条件部分に記述されている「面積」、「密度」、「幅」に対しては、画像ファイル名ｆｉｌｅｎ及びパラメータを引数とする関数ａｒｅａ（ｆｉｌｅｎ，Ｑ１）、ｄｅｎｓｉｔｙ（ｆｉｌｅｎ，Ｑ２）、ｗｉｄｔｈ（ｆｉｌｅｎ，Ｑ３）がそれぞれ定義されているとする。また、探索範囲格納部１５には、図６に示すパラメータの探索可能範囲と現在の設定値が格納されている。また、その範囲はパラメータ毎に「最大値」と「最小値」および範囲内の「刻幅」を持つ。画像ファイル名がｆｉｌｅ１１、クラスが分類１である事例Ｓ１を評価する際には、パラメータとしてＱ１＝４，Ｑ２＝４，Ｑ３＝４という値を持っている。これらのパラメータを上記関数に代入し、その解である特徴量を得る。特徴量とは、事例が持つ属性を数値で表したものである。事例Ｓ１に関し、パラメータを代入した結果、図７に示した値ＳＡ１が求まるとすると、ｆｉｌｅｎは「面積」８、「密度」５、「幅」１の特徴量を有する。
【００２１】
事例を推論する時、まず図５の判断規則の最上位分岐ノードＮ１に割り当てられている特徴量「面積」の値を用いて評価を行う。事例Ｓ１では、「面積」に対する特徴量は８であるから，分岐ノードＮ１の左側に連結している枝の条件１０未満が成り立つ。よって事例は分岐ノードＮ１の左側に伝播し、分岐ノードＮ２に移る。次に分岐ノードＮ２に割り当てられている特徴量「密度」の値を用いて評価を行う。図４の事例では「密度」の特徴量は５であるから、分岐ノードＮ２の右側に連結している枝の条件５以上が成り立ち、事例は分岐ノードＮ５へ伝播する。最後に、分岐ノードＮ５に割り当てられている特徴量「幅」の値を用いて評価を行う。図４の事例では「幅」の特徴量は１であるから、分岐ノードＮ５の左側に連結する枝の条件６未満が成り立ち、左側すなわち「分類２」が割り当てられた末端ノードＥ４へ伝播する。結果として、事例はクラス「分類２」と推論される。図８の斜線で囲んだノードは、事例Ｓ１が判断規則に従って推論される様子を示す。
【００２２】
続いて、ステップ３２で推論された事例Ｓ１のクラスと推論前の事例格納部１１で格納されている分類クラスを比較する（ステップ３３）。双方のクラスが一致していれば判断規則の修正は不要であり、アルゴリズムは終了する。しかし、一致していなければ、判断規則を修正する必要があると判断する。事例Ｓ１の場合、ステップ３２においてクラスは「分類２」と推論されたが、事例格納部１上では「分類１」が割り当てられており一致しない。よってこの場合、判断規則を修正する必要があると判断する。
【００２３】
判断規則を修正する場合、まず修正対象の抽出を行う（ステップ３４）。抽出には次に示す３つの方法を持つ。
【００２４】
１つは、事例のクラスに関連する修正対象を抽出する方法である。つまり、誤った推論結果を得た事例の画面ファイル名に対応するクラスと同じ推論結果（末端ノードのクラス）を持つ推論経路を、末端ノードから最上位の分岐ノードまで溯り、該経路上のパラメータを修正対象として抽出する。具体的に図４の事例Ｓ１で言えば、本来割り当てられているクラス「分類１」に関連する経路を溯ってみる。図５の判断規則で「分類１」が推論されるのは、末端ノードＥ１、Ｅ６の２ヵ所である。末端ノードＥ１から最上位の分岐ノードＮ１までの経路は、分岐ノードＮ４と末端ノードＥ１を結ぶ枝、分岐ノードＮ４、分岐ノードＮ２と分岐ノードＮ４を結ぶ枝、分岐ノードＮ２、分岐ノードＮ１と分岐ノードＮ２を結ぶ枝、分岐ノードＮ１である。各ノードや枝には各々パラメータＰ５、Ｑ３、Ｐ２、Ｑ２、Ｐ１、Ｑ１が対応する。末端ノードＥ６の場合、分岐ノードＮ３と末端ノードＥ６を結ぶ枝、分岐ノードＮ３、分岐ノードＮ１と分岐ノードＮ３を結ぶ枝、分岐ノードＮ１であり、パラメータＰ３、Ｑ３、Ｐ１、Ｑ１が対応する。よって、クラスに関連する修正対象として、パラメータＰ１、Ｐ２、Ｐ３、Ｐ５、Ｑ１、Ｑ２、Ｑ３を抽出する。図９の斜線で囲んだノードはパラメータ抽出の様子を示す。
【００２５】
２つは、事例の評価に関連する修正対象を抽出する方法である。つまり、修正対象と判定された事例が辿った最上位の分岐ノードから末端ノードまでの判断経路のパラメータを、事例の評価に関連する修正対象として抽出する。図４の事例Ｓ１の場合、図８で示すように、分岐ノードＮ１、分岐ノードＮ１と分岐ノードＮ２の枝、分岐ノードＮ２、分岐ノードＮ２と分岐ノードＮ５の枝、分岐ノードＮ５、分岐ノードＮ５と末端ノードＥ４の枝を通って末端ノードＥ４に伝播する。これらに対応するパラメータは、Ｑ１、Ｐ１、Ｑ２、Ｐ２、Ｑ３、Ｐ７であり、これを事例の評価に関連する修正対象として抽出する。
【００２６】
３つは、上記２つの方法を使って抽出した修正対象をさらに絞り込むことを前提とした方法である。つまり、読み込まれた事例が誤った推論結果となった場合、該事例が正しい推論結果を得る（末端ノードに行き着く）ための推論経路を想定し、該事例の持つ特徴量と該経路上の閾値（分岐する基準となる値）を比較する。該事例が該閾値によって該経路から外れるのであれば、該閾値の修正すなわち、該閾値のパラメータを探索すべき修正対象として抽出する。一方、該特徴量と該閾値が該推論経路上にあれば、修正対象としない。図５に示す判断規則において図４の事例Ｓ１で言えば、末端ノードから見てＥ１またはＥ６に推論が達すればよく、そのためには該末端ノードの上位、すなわち分岐ノードＮ４もしくはＮ３に達する必要がある。そこで、事例Ｓ１の「幅」の特徴量は１であり、分岐ノードＮ４と末端ノードＥ１を結ぶ枝の条件は４（＝Ｐ５）未満、および分岐ノードＮ３と末端ノードＥ６を結ぶ枝の条件は２（＝Ｐ３）未満であるからこれらの値を変化させる必要はない。つまりパラメータＰ５、Ｐ３および「幅」の特徴量を変えるＱ３は修正対象とならない。さらに上位ノードを見ていくと、事例Ｓ１の「密度」の特徴量は５であるのに対し、分岐ノードＮ２と分岐ノードＮ４を結ぶ枝の条件は５（＝Ｐ２）未満であるから、パラメータＰ２は修正対象となる。同様に事例Ｓ１の「面積」の特徴量は８であるのに対し、分岐ノードＮ１と分岐ノードＮ３を結ぶ枝の条件は１０（＝Ｐ１）以上であるので、パラメータＰ１も修正対象となる。また、分岐ノードＮ５に事例が到達しても、正しい推論結果を得ることができないので、パラメータＰ７は修正対象外となる。
【００２７】
従って、最終的な修正対象は、クラス及び事例の評価に関連する修正対象から、変化させる必要のないパラメータを除いたパラメータＰ１、Ｐ２、Ｑ１、Ｑ２となる。
【００２８】
さらにこの方法が、例えば図１０に示す判断規則が判断規則格納部１２に格納されている場合の修正パラメータ抽出について考える。
【００２９】
ここでは、図４の事例Ｓ１を評価する際のパラメータとして、パラメータＱ４＝２、Ｑ５＝３を与え、関数ｈｉｇｈｔ（ｆｉｌｅｎ，Ｑ４) 、ｌｅｎｇｔｈ（ｆｉｌｅｎ，Ｑ５) により「高さ」の特徴量４及び「長さ」の特徴量３を加えた変化形の事例Ｓ２（図示せず）を使う。但し、分類クラスは事例Ｓ１と同じとする。
【００３０】
図１０の判断規則に従えば、事例Ｓ２は末端ノードＥ８、つまり「分類２」という推論結果を得る。しかし本来事例Ｓ２にはクラス「分類１」が割り当てられ、判断規則の修正が必要となる。上述した図５の判断規則における抽出方法と同様に、図１０の判断規則においてもクラス「分類１」に関連する修正対象として、パラメータＰ１、Ｐ２、Ｐ３、Ｐ５、Ｐ６、Ｐ８、Ｐ９、Ｐ１０、Ｑ１、Ｑ２、Ｑ３、Ｑ４を抽出する。さらに事例の評価に関連する修正対象として、パラメータＱ１、Ｐ１、Ｑ２、Ｐ２、Ｑ３、Ｐ７を抽出する。最後に特徴量に注目すると、正しい推論とされる末端ノードＥ３、Ｅ６、Ｅ１０はそれぞれ分岐ノードＮ６、Ｎ７、Ｎ３から分岐し、「高さ」の特徴量４に対して分岐ノードＮ６と末端ノードＥ３を結ぶ枝の条件は５（＝Ｐ８）以上８（＝Ｐ９）未満である。よって、パラメータＰ８、Ｐ９および「高さ」の特徴量を変えるＱ４は、修正対象となる。また、分岐ノードＮ７と末端ノードＥ６を結ぶ枝の条件は８（＝Ｐ１０）未満であるが、Ｑ４が修正対象となっているので、「高さ」の特徴量が変わる可能性がある。従って、Ｐ１０は修正対象となる。「幅」の特徴量１に対して、分岐ノードＮ３と末端ノードＥ１０を結ぶ枝の条件は２（＝Ｐ３）未満、分岐ノードＮ４と分岐ノードＮ６を結ぶ枝の条件は４（＝Ｐ５）未満である。よって、パラメータＰ３、Ｐ５およびＱ３は修正対象外となる。また、分岐ノードＮ４と分岐ノードＮ７を結ぶ枝の条件は９（＝Ｐ６）以上であるが、Ｐ６はＰ５よりも小さくなれないので、分岐ノードＮ７には到達しない。従って、Ｐ６は対象外となる。そしてさらに上位のノードを辿ると、「密度」の特徴量５に対して、分岐ノードＮ２と分岐ノードＮ４を結ぶ枝の条件は５（＝Ｐ２）未満であるから、パラメータＰ２およびＱ２は修正対象となる。その上の分岐ノードＮ１と分岐ノードＮ２、および分岐ノードＮ１と分岐ノードＮ３をそれぞれ結ぶ枝の条件は、分岐ノードＮ２側で１０（＝Ｐ１）未満、分岐ノードＮ３側で１０（＝Ｐ１）以上となっているので、Ｐ１およびＱ１は修正対象となる。
【００３１】
また、分岐ノードＮ５に事例が到達しても、正しい推論結果を得ることはできないので、パラメータＰ７は修正対象外とする。
【００３２】
従って、図１０の事例Ｓ２でクラス及び事例の評価に関連する修正対象から、変化させる必要のないパラメータを除くと、パラメータＰ１、Ｐ２、Ｐ８、Ｐ９、Ｐ１０、Ｑ１、Ｑ２、Ｑ４が最終的な修正対象となる。
【００３３】
次に、修正対象範囲の探索開始位置を決める（ステップ３５）。言い換えれば、修正対象抽出部１４からステップ３４で求められた修正対象の探索範囲を格納する探索範囲格納部１５によって修正対象の探索可能な範囲を獲得し、さらに該修正対象をビット表現した文字列に変換する。ビット表現については、参考文献「ジェネティックアルゴリズム／安居院猛、長尾智晴著／昭晃堂／１９９３年」によると、ＧＡを使う場合遺伝子型を表す記号としてどのようなものを用いるかは任意であるが、一般的には０と１であるとされる。従って、本実施例ではパラメータを０と１を用いて２進数で表現する。
【００３４】
図４で示す事例Ｓ１で求められた修正対象で考えると、Ｐ１に対しては探索範囲格納部１５から最小値４、最大値１１、刻幅１の範囲が得られる。このとき、Ｐ１は８種類の値を取り得るため、３ビットを割り当てればＰ１が取り得る値すべてを２進数で表現することができる。つまり、最小値４を２進数０００に対応させ、最小値が刻幅に応じて１増える毎に０００の値も１増やせば、Ｐ１の値すべてを表現することができる。同じ方法で残りのパラメータＰ２、Ｑ１、Ｑ２について考えると、各々３ビット、４ビット、４ビットを割り当てれば、最小値から最大値まで取り得る値すべてを表現することができる。修正対象全体で見れば、１４ビットで一つの解を表現することができる。図１１は、図５の判断規則におけるＰ１、Ｐ２、Ｑ１、Ｑ２のパラメータ設定値を各々２進数で対応させた染色体表現である。
【００３５】
そうして修正対象の現在の状態をビット表現した染色体と、０あるいは１を乱数を用いて生成した染色体とを合わせて予め設定された集合体の構成数になれば、それを第０世代の染色体集団とし、探索を開始する。
【００３６】
図１２は、上述した第０世代の染色体集団を示し、修正対象の現在の状態を示す染色体として図１１に示す値と０あるいは１の乱数で生成した１９個の染色体で構成する。これらの染色体の適合度を計算すると、例えば図１１に示す現在の設定値を表現した染色体の場合、事例格納部１１に格納される図２の事例Ｔ１〜Ｔ１０が正しく判定できるとすれば、図４に示す事例Ｓ１だけが現在の設定値で正しく判定できない事例となり、０. ９１( ＝１０／１１) が図１１の染色体の適合度として求まる。一方、他の染色体に対しては、まず染色体に対応するパラメータを求め、この値を図５の判断規則のパラメータと置き換えてＴ１〜Ｔ１０及びＳ１の事例を評価する。このような各事例の評価を行った後で、現在の設定値の場合と同様に正しく評価できた事例の割合（正しく評価できる事例／格納された全事例）を求めて、各染色体の適合度とする。
【００３７】
続いて、染色体集団の世代が予め設定した世代に到達したか、または最も高い適合度を与える染色体の適合度が１．０になるかどうかを判定する（ステップ３６）。その結果、いずれかの条件を満たす場合、判断規則の修正を行う（ステップ３８）。一方、どちらの条件も満たさない場合、次の探索位置を決定する（ステップ３７）。すなわち、交差・突然変異といった遺伝子操作を適用することによって恣意的に新たな探索点を作り、途中段階の染色体集団を生成する。また、途中段階の染色体集団に含まれる各染色体に対して、染色体に対応するパラメータ値を適用した判断規則を用いて、事例格納部１１に格納されている事例及び判断規則の修正が必要かどうかの検査用に読み込まれた事例が正しく特定される割合を求めて、各染色体の適合度とする。さらには、適合度に応じた確率を各染色体に割り当てて、途中段階の染色体集団の中から染色体を選択することにより、次の世代の染色体集団を選択する。
【００３８】
例えば、図１２に示すように第０世代の染色体集団から遺伝子操作により第１世代の染色体集団を生成するには、次の方法が考えられる。
【００３９】
まず交差の場合、第０世代の染色体集団の中から乱数を用いて二つの染色体を取り出す。この取り出した染色体に対して、乱数を用いて切断位置を決定する。この切断位置で染色体を分離し、分離した染色体の一部を互いに交換することにより、新たな二つの染色体を生成する。この交差を第０世代に含まれる染色体がなくなるまで繰り返すことにより、第１世代途中段階１を生成する。図１３は、第０世代の染色体集団から交差により、第１世代途中段階１が生成される様子を示している。
【００４０】
次に突然変異の場合、第１世代途中段階１の中から一つの染色体を取り出す。この染色体の各ビットに対して、突然変異を実施するかどうかの判定を行い、突然変異を実施すると判定したビットに関して、ビットの反転、すなわち０→１または１→０に変換を行い、新たな染色体を生成する。この突然変異を第１世代途中段階１に含まれる染色体がなくなるまで繰り返すことにより、第１世代途中段階２を生成する。図１４は第１世代途中段階から突然変異により、第１世代途中段階２が生成される様子を示している。
【００４１】
選択の場合、操作に先立って第１世代途中段階２に含まれる染色体の適合度を計算する。つまり、染色体に対応するパラメータの値を図５の判断規則に適用して図２の事例Ｔ１〜Ｔ１０及び図４の事例Ｓ１を評価する。このとき正しく評価された事例の割合を染色体の適合度とする。そうして、ｎ番目の染色体の適合度ｆｉｔｎｅｓｓｎを数式１に代入することにより、ｎ番目の染色体の選択確率ｐｒｏｂｎが求まる。
【００４２】
【数１】
【００４３】
最後に、染色体集団の世代が予め設定した世代に到達したか、染色体の適合度が１．０になるかのいずれかの条件が成り立った場合、検索した染色体の中から最も適合度の高い染色体を取り出して、該染色体に対するパラメータ値を求める。そして、図１（ａ）の判断規則格納部１２に格納されている判断規則はこのパラメータ値で更新（修正）される。例えば、図１６の染色体が最も適合度の高い染色体として取り出されたとする。このとき図１６の染色体はＰ１＝１１，Ｐ２＝７，Ｑ１＝５，Ｑ２＝３を表しているので、判断規則格納部１２に格納される判断規則は図５から図１７に修正される。
【００４４】
上述したフローチャートからわかるように、本発明によれば誤った推論に導かれる事例の判断に関連する部分を、３つの方法で、▲１▼すなわち誤った結果に関して、▲２▼誤った事例に関して、▲３▼誤った推論に導かれる事理の特徴量に関して修正対象として取り出し、修正対象の周辺だけを探索することにより、高速にかつ部分的に判断規則を修正することが可能になる。なお、本判断規則修正装置は、本実施例に限定するものではない。
【００４５】
例えば、本実施例で利用しいている判断規則は、決定木形式の判断規則であるが、参考文献「帰納学習によるファジイ決定木の生成；櫻井茂明、荒木大 著、電気学会論文誌、Ｖｏｌ．１１３ｃ，Ｎｏ．７ ４８８−４９４，１９９３年」に記載のファジイ決定木形式の判断規則を利用することもできる。
【００４６】
さらに、本実施例では判断規則のパラメータを修正するための探索手法として、ＧＡを利用していたが、参考文献「ＳＩＭＵＬＡＴＥＤ ＡＮＮＥＡＬＩＮＧ；ｅｄｉｔｅｄ ｂｙ Ｒｏｂｅｒｔ Ａｚｅｎｃｏｔｔ，Ｊｏｈｎ Ｗｉｌｌｙ＆ Ｓｏｎｓ，Ｉｎｃ．；１９９２」記載のシミュレーティッドアニーリング（ＳＡ）を利用してパラメータの修正値を求めることもできる。なお、図３のフローチャートは探索手法としてＧＡを用いた場合の処理手順を記したものであって、ＧＡ以外の手法を用いる場合この処理手順には限定されない。
【００４７】
さらに、図３のステップ３５で示した修正対象パラメータを２進数のビットで染色体表現をすることに関しても、本実施例で使用した１４ビットに限定されず、一般的にはそれぞれの修正対象パラメータが取り得る値の範囲（個数）から各ビット桁数が決まり、その桁数の和を単位とした染色体集団が生成される。
【００４８】
また、ＧＡでは生成する染色体集団の個数に係る定義はなされていないため、図１２で生成した数２０個に限定されない。
【００４９】
また、ステップ３８においては、最も適合度の高い染色体の値を変換することにより、判断規則を修正していたが、適合度の高い複数の染色体の値を変換することにより、判断規則の修正候補を複数生成し、その中から専門家に判断規則を選択させることもできる。この他、本発明の技術思想を逸脱しない範囲で種々変形して実施しうる。
【００５０】
【発明の効果】
以上詳述したように、本発明によれば、与えられたデータを正しい推論結果へと導くように判断規則を修正する問題において、誤った推論結果を引き起こした場合、その原因を修正対象として抽出し、抽出した修正対象の周辺を探索空間として設定する。そして設定した探索空間に対して探索手法を用いて修正を行う。このように修正対象を抽出し、探索空間を小さく設定することは、判断規則を修正する上で無駄な動作を省き、与えられたデータを正しい推論結果へと導く判断規則に高速に修正することができる。
【００５１】
さらに、修正に要する時間が短縮されることは、実際に本装置を用いた処理（例えば不良品の検査など）の運用に与える影響を軽減することにつながる。
【図面の簡単な説明】
【図１】（ａ）は本発明の判断規則修正装置の構成を示したブロック図、（ｂ）は本発明の一実施例形態に係る判断規則修正装置の構成を示したブロック図である。
【図２】本装置の事例格納部１１に格納される画像ファイル名と分類クラスの組を表す図である。
【図３】本装置の処理の流れを示すフローチャートである。
【図４】図５の判断規則では、推論結果を正しく判定できない画像ファイル名と分類クラスの組を表す図である。
【図５】本装置の判断規則格納部１２に格納されている判断規則を示す図である。
【図６】本装置の探索範囲格納部１５に格納されているパラメータの探索可能領域を示す図である。
【図７】図４の画像ファイル名及びパラメータＱ１〜Ｑ３の値を代入することにより、計算される図４の事例の特徴量を示す図である。
【図８】図４の分類クラスを図５の判断規則で推論するための様子を表す図である。
【図９】図４のデータが図３の判断規則で推論される様子を説明するための図である。
【図１０】抽出される修正対象を表す図である。
【図１１】修正対象となったパラメータを染色体表現した図である。
【図１２】図１１の染色体を含む第０世代の染色体集団を表す図である。
【図１３】第０世代の染色体に対して、交差を実施することにより、第１世代途中状態１が生成される様子を表す図である。
【図１４】第１世代途中状態の染色体集団に対して、突然変異を実施することにより、第１世代途中状態２が生成される様子を表す図である。
【図１５】第１世代途中状態２の染色体集団から染色体を選択することにより、第１世代の染色体集団が生成される様子を表す図である。
【図１６】探索した染色体の中で最も適合度が高い染色体を表す図である。
【図１７】修正された判断規則を表す図である。
【符号の説明】
１１ 事例格納部
１２ 判断規則格納部
１３ 推論部
１４ 修正対象抽出部
１５ 探索範囲格納部
１６ 修正対象探索部
Claims (4)
- 特徴量を得るための第１のパラメータがそれぞれ割り当てられ、かつ上位、下位に区分される複数の分岐ノードと、分類クラスが割り当てられる末端ノードと、前記特徴量に基づく分岐の条件を表す第２のパラメータが割り当てられ、かつ分岐ノード間または分岐ノードと末端ノード間を接続する枝と、によって表される、データから該データの分類クラスを判断するための判断規則を格納する判断規則格納部と、
事例のデータと該事例のデータに対する分類クラスとを対応して格納する事例格納部と、
前記判断規則格納部に格納される判断規則に基づき、前記事例格納部に格納される事例のデータに対する分類クラスを推論する推論部と、
前記推論部で推論される分類クラスが前記事例格納部に格納される分類クラスと一致しないときに、最上位の分岐ノードから前記格納される分類クラスが割り当てられる末端ノードへと至る第１の推論経路上の第１、第２のパラメータ、および最上位の分岐ノードから前記推論される分類クラスが割り当てられる末端ノードへと至る第２の推論経路上の第１、第２のパラメータを前記判断規則から抽出する修正対象抽出部と、
前記事例格納部に格納される事例に基づいて、前記抽出された第１、第２のパラメータを修正する手段と、
を具備することを特徴とする判断規則修正装置。 - 前記修正対象抽出部が、前記特徴量に基づいて、前記第１の推論経路上の第１、第２のパラメータから修正を要しない第１、第２のパラメータを除外する手段を有する
ことを特徴とする請求項１記載の判断規則修正装置。 - 判断規則修正装置が、
特徴量を得るための第１のパラメータがそれぞれ割り当てられ、かつ上位、下位に区分される複数の分岐ノードと、分類クラスが割り当てられる末端ノードと、前記特徴量に基づく分岐の条件を表す第２のパラメータが割り当てられ、かつ分岐ノード間または分岐ノードと末端ノード間を接続する枝と、によって表される、データから該データの分類クラスを判断するための判断規則に基づき、事例のデータと該事例のデータに対する分類クラスとを対応して格納する事例格納部に格納される事例のデータに対する分類クラスを推論するステップと、
前記推論される分類クラスが前記格納される分類クラスと一致しないときに、最上位の分岐ノードから前記格納される分類クラスが割り当てられる末端ノードへと至る第１の推論経路上の第１、第２のパラメータ、および最上位の分岐ノードから前記推論される分類クラスが割り当てられる末端ノードへと至る第２の推論経路上の第１、第２のパラメータを前記判断規則から抽出するステップと、
前記事例格納部に格納される事例に基づいて、前記抽出された第１、第２のパラメータを修正するステップと、
を実行することを特徴とする判断規則修正方法。 - 前記抽出するステップが、前記特徴量に基づいて、前記第１の推論経路上の第１、第２のパラメータから修正を要しない第１、第２のパラメータを除外するステップを有する
ことを特徴とする請求項３記載の判断規則修正方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP32862598A JP3670500B2 (ja) | 1998-11-18 | 1998-11-18 | 判断規則修正装置及び判断規則修正方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP32862598A JP3670500B2 (ja) | 1998-11-18 | 1998-11-18 | 判断規則修正装置及び判断規則修正方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2000155680A JP2000155680A (ja) | 2000-06-06 |
| JP3670500B2 true JP3670500B2 (ja) | 2005-07-13 |
Family
ID=18212365
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP32862598A Expired - Fee Related JP3670500B2 (ja) | 1998-11-18 | 1998-11-18 | 判断規則修正装置及び判断規則修正方法 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP3670500B2 (ja) |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2008096410A1 (ja) | 2007-02-05 | 2008-08-14 | Fujitsu Limited | ポリシー変更処理プログラム、ポリシー変更処理方法、ポリシー変更処理装置 |
| JP5668090B2 (ja) * | 2013-01-09 | 2015-02-12 | キヤノン株式会社 | 医療診断支援装置及び医療診断支援方法 |
| JP7224757B2 (ja) | 2017-10-13 | 2023-02-20 | キヤノン株式会社 | 診断支援装置、情報処理方法、診断支援システム及びプログラム |
| JP7502973B2 (ja) | 2020-11-19 | 2024-06-19 | 株式会社日立製作所 | 予測規則校正システム、および予測規則校正方法 |
-
1998
- 1998-11-18 JP JP32862598A patent/JP3670500B2/ja not_active Expired - Fee Related
Also Published As
| Publication number | Publication date |
|---|---|
| JP2000155680A (ja) | 2000-06-06 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109978807B (zh) | 一种基于生成式对抗网络的阴影去除方法 | |
| López et al. | A hierarchical genetic fuzzy system based on genetic programming for addressing classification with highly imbalanced and borderline data-sets | |
| JPH04503876A (ja) | 神経回路網の遺伝子的合成 | |
| CN109034201B (zh) | 模型训练及规则挖掘方法和系统 | |
| AU2523300A (en) | A system for identification of selectively related database records | |
| McCallum et al. | Using genetic algorithms to learn disjunctive rules from examples | |
| JP3670500B2 (ja) | 判断規則修正装置及び判断規則修正方法 | |
| WO2020044814A1 (ja) | モデル更新装置、モデル更新方法およびモデル更新プログラム | |
| JP2010061176A (ja) | テキストマイニング装置、テキストマイニング方法、および、テキストマイニングプログラム | |
| JP6988995B2 (ja) | 画像生成装置、画像生成方法および画像生成プログラム | |
| Grzymala‐Busse et al. | The usefulness of a machine learning approach to knowledge acquisition | |
| Kuo et al. | Applying genetic programming technique in classification trees | |
| US20210357695A1 (en) | Device and method for supporting generation of learning dataset | |
| JP3630734B2 (ja) | 情報処理方法 | |
| CN115619774B (zh) | 染色体异常识别方法、系统及存储介质 | |
| CN112463894B (zh) | 一种基于条件互信息和交互信息的多标签特征选择方法 | |
| CN115437960A (zh) | 回归测试用例排序的方法、装置、设备和存储介质 | |
| CN104504719A (zh) | 一种图像边缘检测方法及设备 | |
| KR20230122739A (ko) | 지식 그래프와 딥러닝 기반 텍스트 마이닝을 이용한 유망 기술 발굴 시스템 및 방법 | |
| CN114495135A (zh) | 票据识别方法及装置 | |
| JP2007052808A (ja) | フォーム識別方法 | |
| CN106897301A (zh) | 一种搜索质量的评测方法、装置及电子设备 | |
| Maini et al. | Optimal feature selection using elitist genetic algorithm | |
| Walker et al. | Solving real-valued optimisation problems using cartesian genetic programming | |
| CN117786705B (zh) | 一种基于异构图变换网络的语句级漏洞检测方法及系统 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20040713 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20040913 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20050111 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20050228 |
|
| 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: 20050412 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20050414 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20080422 Year of fee payment: 3 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20090422 Year of fee payment: 4 |
|
| LAPS | Cancellation because of no payment of annual fees |