JP4495691B2 - 影響因子推定装置及び影響因子推定プログラム - Google Patents

影響因子推定装置及び影響因子推定プログラム Download PDF

Info

Publication number
JP4495691B2
JP4495691B2 JP2006135297A JP2006135297A JP4495691B2 JP 4495691 B2 JP4495691 B2 JP 4495691B2 JP 2006135297 A JP2006135297 A JP 2006135297A JP 2006135297 A JP2006135297 A JP 2006135297A JP 4495691 B2 JP4495691 B2 JP 4495691B2
Authority
JP
Japan
Prior art keywords
processing device
value
influence factor
selection
unit
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
Application number
JP2006135297A
Other languages
English (en)
Other versions
JP2007305048A (ja
Inventor
陽一 福地
規郎 平井
貴義 福島
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Mitsubishi Electric Corp
Mitsubishi Electric Information Systems Corp
Original Assignee
Mitsubishi Electric Corp
Mitsubishi Electric Information Systems Corp
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Mitsubishi Electric Corp, Mitsubishi Electric Information Systems Corp filed Critical Mitsubishi Electric Corp
Priority to JP2006135297A priority Critical patent/JP4495691B2/ja
Publication of JP2007305048A publication Critical patent/JP2007305048A/ja
Application granted granted Critical
Publication of JP4495691B2 publication Critical patent/JP4495691B2/ja
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Indication And Recording Devices For Special Purposes And Tariff Metering Devices (AREA)
  • Complex Calculations (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Description

この発明は、測定対象の状態に影響を与える可能性のある影響因子のなかから、測定対象の状態に強い影響を与える影響因子を推定する影響因子推定装置に関する。
測定対象の状態に影響を与える影響因子（要因）と、測定対象の状態とを測定し、蓄積したデータから測定対象の状態を予測するモデルを構築し、影響因子を測定した値を構築したモデルに当てはめることにより、測定対象の状態を予測することが行われている。
しかし、どのような影響因子が測定対象の状態に影響を与えるかは、必ずしも明確ではない。
そこで、測定対象の状態に影響を与える可能性のある影響因子をすべて測定し、重回帰分析などにより、そのなかから実際に測定対象の状態に影響を与えている影響因子を抽出することが行われる。
また、構築する予測モデルには、特異値分解による主成分分析や、マハラノビス距離を用いるものがある。
特開２００５−２８４７８２号公報 特開２００１−２９０５０８号公報 特開２００３−１１４７１３号公報 特開２００４−１３２９２１号公報 特開２００４−２２７２７９号公報 特開２００５−１２８８０８号公報 Ｍａｔｔｈｅｗ Ｂｒａｎｄ"Ｉｎｃｒｅｍｅｎｔａｌ Ｓｉｎｇｕｌａｒ Ｖａｌｕｅ Ｄｅｃｏｍｐｏｓｉｔｉｏｎ ｏｆ Ｕｎｃｅｒｔａｉｎ Ｄａｔａ ｗｉｔｈ Ｍｉｓｓｉｎｇ Ｖａｌｕｅｓ"，Ｐｒｏｃｅｅｄｉｎｇｓ ｏｆ ｔｈｅ ２００２ Ｅｕｒｏｐｅａｎ Ｃｏｎｆｅｒｅｎｅｃｅ ｏｎ Ｃｏｍｐｕｔｅｒ Ｖｉｓｉｏｎ，Ｓｐｒｉｎｇｅｒ Ｌｅｃｔｕｒｅ Ｎｏｔｅｓ ｉｎ Ｃｏｍｐｕｔｅｒ Ｓｃｉｅｎｃｅ ｖｏｌｕｍｅ ２３５０
重回帰分析による解析には、仮説を設定し、設定した仮説を採用するか棄却するかの検定が不可欠である。
しかし、測定対象の状態に影響を与える可能性がある影響因子の数が多数である場合、膨大な量の仮説を設定し、その１つ１つを検定しなければならず、コンピュータなどの処理装置を用いても、非常に多くの時間がかかる。
例えば、測定対象の状態に影響を与える可能性がある影響因子の数が３０個ある場合、そのなかで真に測定対象の状態に影響を与える影響因子の組み合わせを推定するには、２３０≒１０億通りの仮説を検定しなければならない。
この発明は、例えば、上記のような課題を解決するためになされたものであり、コンピュータなどの処理装置を用いて、実用的な処理時間内に、多数の影響因子のなかから、真に測定対象の状態に影響を与える影響因子を推定することを目的とする。
この発明にかかる影響因子推定装置は、
情報を記憶する記憶装置と、
情報を処理する処理装置と、
情報を出力する出力装置と、
上記処理装置を用いて、測定対象の状態を測定した値を測定値ｙとし、複数の測定値ｙを上記記憶装置に記憶する測定値記憶部と、
上記処理装置を用いて、上記測定対象の状態に影響を与える可能性のある複数の影響因子Ｆを示す情報を、影響因子情報として、上記記憶装置に記憶する影響因子情報記憶部と、
上記処理装置を用いて、上記影響因子情報記憶部が記憶した影響因子情報によって示される上記複数の影響因子Ｆを測定した値を、複数の影響因子測定値ｘとし、上記測定値記憶部が記憶した複数の測定値ｙそれぞれに対応する上記複数の影響因子測定値ｘを、上記複数の測定値ｙそれぞれに対応する複数の影響因子測定値ベクトルＸの成分として、上記記憶装置に記憶する影響因子測定値記憶部と、
上記処理装置を用いて、上記影響因子情報記憶部が記憶した影響因子情報によって示される上記複数の影響因子Ｆのなかから、複数の影響因子を選択して、複数の選択因子Ｆ’とし、上記処理装置を用いて、選択した上記複数の選択因子Ｆ’を示す情報を、選択因子情報Ｓとして、上記記憶装置に記憶する影響因子選択部と、
上記処理装置を用いて、上記影響因子選択部が選択した複数の選択因子Ｆ’を示す選択因子情報Ｓを上記記憶装置から取得し、上記処理装置を用いて、上記影響因子測定値記憶部が記憶した複数の影響因子測定値ｘのうち、取得した上記選択因子情報Ｓによって示される複数の選択因子Ｆ’についての複数の影響因子測定値ｘを上記記憶装置から取得し、上記処理装置を用いて、上記複数の測定値ｙに対応する複数の影響因子測定値ｘのうち、取得した複数の影響因子測定値ｘを成分とする複数のベクトルを、上記複数の測定値ｙに対応する複数の選択因子測定値ベクトルＸ’とし、上記複数の選択因子測定値ベクトルＸ’を行ベクトルとする行列を、パターン行列Ｐとし、上記パターン行列Ｐを特異値分解して、複数の特異値σとスコア値行列Ｕとを算出し、上記処理装置を用いて、算出した上記複数の特異値σを上記記憶装置に記憶し、上記処理装置を用いて、算出した上記スコア値行列Ｕの複数の行ベクトルを、上記複数の行ベクトルに対応する上記パターン行列Ｐの行ベクトルである上記複数の選択因子測定値ベクトルＸ’が対応する上記複数の測定値に対応する複数のスコア値ベクトルＱとし、上記複数のスコア値ベクトルＱの複数の成分を、上記複数の測定値ｙに対応する複数のスコア値ｕとして、上記記憶装置に記憶する特異値分解部と、
上記処理装置を用いて、上記特異値分解部が算出した複数の特異値σを、上記記憶装置から取得し、上記処理装置を用いて、取得した上記複数の特異値σに基づいて、上記特異値分解部が算出した複数のスコア値ｕのうちから、複数のスコア値ｕを選択し、選択した上記複数のスコア値ｕを上記記憶装置から取得し、上記処理装置を用いて、上記複数の測定値ｙに対応する複数のスコア値ｕのうち、取得した上記複数のスコア値ｕを、上記複数の測定値ｙに対応する複数の圧縮スコア値ベクトルＱ’の成分として、上記記憶装置に記憶するスコア値圧縮部と、
上記処理装置を用いて、上記測定値記憶部が記憶した複数の測定値ｙを上記記憶装置から取得し、上記処理装置を用いて、取得した上記複数の測定値ｙが所定の条件を満たすか否かを判断し、上記処理装置を用いて、取得した上記複数の測定値ｙのうち、上記所定の条件を満たすと判断した測定値ｙに対応する上記複数の圧縮スコア値ベクトルＱ’の成分として上記スコア値圧縮部が記憶した複数のスコア値ｕを上記記憶装置から取得し、上記処理装置を用いて、取得した上記複数のスコア値ｕを成分とする上記複数の圧縮スコア値ベクトルＱ’のバラツキの度合いを示す値を算出して、特徴度Ｃとし、上記処理装置を用いて、算出した特徴度Ｃを、上記記憶装置に記憶する特徴度算出部と、
上記処理装置を用いて、上記特徴度算出部が算出した特徴度Ｃを上記記憶装置から取得し、上記処理装置を用いて、取得した上記特徴度Ｃに基づいて、上記特徴度算出部が取得した複数のスコア値ｕを成分とする複数の圧縮スコア値ベクトルＱ’のバラツキが小さいか否かを判断し、上記特徴度算出部が取得した複数のスコア値ｕを成分とする複数の圧縮スコア値ベクトルＱ’のバラツキが小さいと判断した場合に、上記処理装置を用いて、上記測定値記憶部が記憶した複数の測定値ｙが所定の条件を満たすか否かを、上記複数の測定値ｙに対応する複数の圧縮スコア値ベクトルＱ’の成分として上記スコア値圧縮部が記憶した複数のスコア値ｕに基づいて判別する判別式を算出し、算出した上記判別式のパラメータを、上記記憶装置に記憶する判別式算出部と、
上記処理装置を用いて、上記測定値記憶部が記憶した複数の測定値ｙを上記記憶装置から取得し、上記処理装置を用いて、取得した上記複数の測定値ｙが上記所定の条件を満たすか否かを判断し、上記処理装置を用いて、上記判別式算出部が記憶したパラメータを上記記憶装置から取得し、上記処理装置を用いて、上記複数の測定値ｙに対応して、上記スコア値圧縮部が記憶した複数のスコア値ｕを上記記憶装置から取得し、上記処理装置を用いて、取得した上記パラメータによって示される判別式に取得した上記複数のスコア値ｕを代入して、上記複数のスコア値ｕに対応する複数の測定値ｙが所定の条件を満たすか否かを判別し、上記処理装置を用いて、上記複数の測定値ｙに基づく判断結果と、上記判別式に基づく判別結果とを比較して、上記判別式に基づく判別結果が正しいか否かを判断し、上記処理装置を用いて、上記判別式に基づく判別結果が正しいか否かの判断結果に基づいて、上記判別式の判別精度を示す値を算出して、判別度とし、上記処理装置を用いて、算出した上記判別度を上記記憶装置に記憶する判別度算出部と、
上記処理装置を用いて、上記判別度算出部が算出した判別度を上記記憶装置から取得し、上記処理装置を用いて、取得した上記判別度に基づいて上記判別式の判別精度が高いか否かを判断し、上記判別式の判別精度が高いと判断した場合に、上記処理装置を用いて、上記影響因子選択部が選択した複数の選択因子Ｆ’を示す選択因子情報Ｓを上記記憶装置から取得し、上記処理装置を用いて、取得した上記選択因子情報Ｓを、強影響因子情報として、上記記憶装置に記憶する強影響因子選択部と、
上記処理装置を用いて、上記強影響因子選択部が記憶した強影響因子情報を上記記憶装置から取得し、上記処理装置を用いて、上記影響因子情報記憶部が記憶した影響因子情報のうち、取得した上記強影響因子情報によって示される影響因子についての影響因子情報を、上記記憶装置から取得し、上記処理装置を用いて、取得した上記影響因子情報に基づいて、上記強影響因子情報によって示される影響因子についての情報を上記出力装置に出力する強影響因子出力部と、
を有し、
上記測定対象の状態に強い影響を与える影響因子を推定することを特徴とする。
また、上記特徴度算出部は、
上記処理装置を用いて、取得した上記複数のスコア値ｕを成分とする複数の圧縮スコア値ベクトルＱ’を近似する近似式を算出し、
上記処理装置を用いて、算出した上記近似式と、上記複数の圧縮スコア値ベクトルＱ’との間の近似誤差を算出し、
上記処理装置を用いて、算出した上記近似誤差を合計して、特徴度Ｃとすることを特徴とする。
また、上記特徴度算出部は、
上記処理装置を用いて、上記近似式として、取得した上記複数のスコア値ｕを成分とする複数の圧縮スコア値ベクトルＱ’の回帰式を算出し、
上記処理装置を用いて、上記近似誤差として、算出した上記回帰式と、上記複数の圧縮スコア値ベクトルＱ’との間の回帰誤差の二乗を算出することを特徴とする。
また、上記判別式算出部は、
上記処理装置を用いて、取得した上記特徴度Ｃを所定の値と比較し、上記特徴度Ｃが所定の値より小さい場合に、上記処理装置を用いて、上記特徴度算出部が取得した複数のスコア値ｕを成分とする複数の圧縮スコア値ベクトルＱ’のバラツキが小さいと判断することを特徴とする。
また、上記判別式算出部は、
上記処理装置を用いて、上記測定値記憶部が記憶した複数の測定値ｙを上記記憶装置から取得し、上記処理装置を用いて、取得した上記複数の測定値ｙが所定の条件を満たすか否かを判断し、上記処理装置を用いて、取得した上記複数の測定値ｙのうち、上記所定の条件を満たすと判断した測定値ｙに対応する上記複数の圧縮スコア値ベクトルＱ’の成分として上記スコア値圧縮部が記憶した複数のスコア値ｕを上記記憶装置から取得し、取得した上記複数のスコア値ｕを成分とする複数の圧縮スコア値ベクトルＱ’を、基準ベクトル群Ｇとし、上記処理装置を用いて、上記判別式として、上記基準ベクトル群Ｇに対するマハラノビス距離を計算する計算式を算出することを特徴とする。
また、上記判別度算出部は、
上記処理装置を用いて、取得した上記パラメータによって示される判別式に、取得した上記複数のスコア値ｕを代入して、上記判別式の値を算出し、上記処理装置を用いて、算出した上記判別式の値を所定の値と比較して、上記複数のスコア値ｕを成分とする複数の圧縮スコア値ベクトルＱ’に対応する複数の測定値ｙが所定の条件を満たすか否かを判別することを特徴とする。
また、上記判別度算出部は、
上記処理装置を用いて、上記判別度として、上記判別式に基づく判別結果が正しいか否かの判断結果のうち、上記判別式に基づく判別結果が正しいと判断した割合を計算することを特徴とする。
また、上記影響因子選択部は、
上記処理装置を用いて、上記複数の影響因子Ｆのなかから選択する複数の選択因子Ｆ’の数を生成して、選択因子数とし、上記処理装置を用いて、上記複数の影響因子Ｆのなかから、生成した上記選択因子数の選択因子Ｆ’を選択することを特徴とする。
また、上記影響因子推定装置は、更に、
上記処理装置を用いて、上記測定値記憶部が記憶した複数の測定値ｙを上記記憶装置から取得し、上記処理装置を用いて、取得した上記複数の測定値ｙに対応する複数の影響因子測定値ベクトルＸの成分として上記影響因子測定値記憶部が記憶した複数の影響因子測定値ｘを上記記憶装置から取得し、上記処理装置を用いて、上記複数の影響因子Ｆそれぞれについて、取得した上記複数の測定値ｙと、上記複数の測定値ｙに対応する上記複数の影響因子測定値ｘとの間の相関の強さを示す値を算出して、上記複数の影響因子Ｆに対応する複数の影響因子重み付けＷとし、上記処理装置を用いて、算出した上記複数の影響因子重み付けＷを記憶装置に記憶する重み付け算出部を有し、
上記影響因子選択部は、
上記処理装置を用いて、上記重み付け算出部が算出した複数の影響因子重み付けＷを上記記憶装置から取得し、上記処理装置を用いて、取得した上記影響因子重み付けＷに基づいて、上記複数の影響因子Ｆを複数の影響因子グループに分類し、上記処理装置を用いて、分類した上記複数の影響因子グループそれぞれのなかから選択する選択因子Ｆ’の数をそれぞれ生成して、グループ選択因子数とし、上記処理装置を用いて、上記複数の影響因子グループそれぞれのなかから、生成した上記グループ選択因子数の選択因子Ｆ’を選択することを特徴とする。
また、上記影響因子選択部は、更に、
上記処理装置を用いて、上記判別度算出部が算出した判別度を上記記憶装置から取得し、上記処理装置を用いて、取得した上記判別度に基づいて、大規模組み合わせ計算法により、上記判別度が大きくなるよう、上記複数の影響因子Ｆのなかから複数の選択因子Ｆ’を選択することを特徴とする。
また、上記影響因子選択部は、
上記大規模組み合わせ計算法として、焼きなまし法及び遺伝的アルゴリズム法及びタブーサーチ法の少なくともいずれかを用いることを特徴とする。
また、上記影響因子選択部は、
上記処理装置を用いて、取得した上記判別度を算出する際に用いた複数の選択因子Ｆ‘を示す選択因子情報Ｓを上記記憶装置から取得し、上記処理装置を用いて、取得した上記選択因子情報Ｓによって示される複数の選択因子Ｆ’と比較して、選択する選択因子Ｆ‘の数が等しく、一部の選択因子Ｆ’が共通する複数の選択因子Ｆ’を選択することを特徴とする。
また、上記重み付け算出部は、
上記複数の影響因子Ｆそれぞれについて、上記複数の測定値ｙと、上記複数の測定値ｙに対応する上記複数の影響因子測定値ｘとの間のピアソンの積率相関係数の二乗を算出し、上記複数の影響因子Ｆに対応する複数の影響因子重み付けＷとすることを特徴とする。
また、上記特異値分解部は、
上記処理装置を用いて、取得した上記選択因子情報Ｓを上記記憶装置に記憶し、上記処理装置を用いて、取得した上記選択因子情報Ｓによって示される複数の選択因子Ｆ’と、以前に記憶した選択因子情報Ｓによって示される複数の選択因子Ｆ’とを比較して、選択した選択因子Ｆ’の数が等しく、一部の選択因子Ｆ’が共通している場合に、上記処理装置を用いて、以前に記憶した上記選択因子情報Ｓによって示される複数の選択因子Ｆ’についてのパターン行列Ｐを特異値分解して算出した複数の特異値σと複数のスコア値ｕとを上記記憶装置から取得し、上記処理装置を用いて、取得した上記複数の特異値σと上記複数のスコア値ｕとに基づいて、取得した上記選択因子情報Ｓによって示される複数の選択因子Ｆ’についてのパターン行列Ｐを特異値分解することを特徴とする。
この発明にかかる影響因子推定プログラムは、
情報を記憶する記憶装置と、情報を処理する処理装置と、情報を出力する出力装置とを有するコンピュータを、
上記処理装置を用いて、測定対象の状態を測定した値を測定値ｙとし、複数の測定値ｙを上記記憶装置に記憶する測定値記憶部と、
上記処理装置を用いて、上記測定対象の状態に影響を与える可能性のある複数の影響因子Ｆを示す情報を、影響因子情報として、上記記憶装置に記憶する影響因子情報記憶部と、
上記処理装置を用いて、上記影響因子情報記憶部が記憶した影響因子情報によって示される上記複数の影響因子Ｆを測定した値を、複数の影響因子測定値ｘとし、上記測定値記憶部が記憶した複数の測定値ｙそれぞれに対応する上記複数の影響因子測定値ｘを、上記複数の測定値ｙそれぞれに対応する複数の影響因子測定値ベクトルＸの成分として、上記記憶装置に記憶する影響因子測定値記憶部と、
上記処理装置を用いて、上記影響因子情報記憶部が記憶した影響因子情報によって示される上記複数の影響因子Ｆのなかから、複数の影響因子を選択して、複数の選択因子Ｆ’とし、上記処理装置を用いて、選択した上記複数の選択因子Ｆ’を示す情報を、選択因子情報Ｓとして、上記記憶装置に記憶する影響因子選択部と、
上記処理装置を用いて、上記影響因子選択部が選択した複数の選択因子Ｆ’を示す選択因子情報Ｓを上記記憶装置から取得し、上記処理装置を用いて、上記影響因子測定値記憶部が記憶した複数の影響因子測定値ｘのうち、取得した上記選択因子情報Ｓによって示される複数の選択因子Ｆ’についての複数の影響因子測定値ｘを上記記憶装置から取得し、上記処理装置を用いて、上記複数の測定値ｙに対応する複数の影響因子測定値ｘのうち、取得した複数の影響因子測定値ｘを成分とする複数のベクトルを、上記複数の測定値ｙに対応する複数の選択因子測定値ベクトルＸ’とし、上記複数の選択因子測定値ベクトルＸ’を行ベクトルとする行列を、パターン行列Ｐとし、上記パターン行列Ｐを特異値分解して、複数の特異値σとスコア値行列Ｕとを算出し、上記処理装置を用いて、算出した上記複数の特異値σを上記記憶装置に記憶し、上記処理装置を用いて、算出した上記スコア値行列Ｕの複数の行ベクトルを、上記複数の行ベクトルに対応する上記パターン行列Ｐの行ベクトルである上記複数の選択因子測定値ベクトルＸ’が対応する上記複数の測定値に対応する複数のスコア値ベクトルＱとし、上記複数のスコア値ベクトルＱの複数の成分を、上記複数の測定値ｙに対応する複数のスコア値ｕとして、上記記憶装置に記憶する特異値分解部と、
上記処理装置を用いて、上記特異値分解部が算出した複数の特異値σを、上記記憶装置から取得し、上記処理装置を用いて、取得した上記複数の特異値σに基づいて、上記特異値分解部が算出した複数のスコア値ｕのうちから、複数のスコア値ｕを選択し、選択した上記複数のスコア値ｕを上記記憶装置から取得し、上記処理装置を用いて、上記複数の測定値ｙに対応する複数のスコア値ｕのうち、取得した上記複数のスコア値ｕを、上記複数の測定値ｙに対応する複数の圧縮スコア値ベクトルＱ’の成分として、上記記憶装置に記憶するスコア値圧縮部と、
上記処理装置を用いて、上記測定値記憶部が記憶した複数の測定値ｙを上記記憶装置から取得し、上記処理装置を用いて、取得した上記複数の測定値ｙが所定の条件を満たすか否かを判断し、上記処理装置を用いて、取得した上記複数の測定値ｙのうち、上記所定の条件を満たすと判断した測定値ｙに対応する上記複数の圧縮スコア値ベクトルＱ’の成分として上記スコア値圧縮部が記憶した複数のスコア値ｕを上記記憶装置から取得し、上記処理装置を用いて、取得した上記複数のスコア値ｕを成分とする上記複数の圧縮スコア値ベクトルＱ’のバラツキの度合いを示す値を算出して、特徴度Ｃとし、上記処理装置を用いて、算出した特徴度Ｃを、上記記憶装置に記憶する特徴度算出部と、
上記処理装置を用いて、上記特徴度算出部が算出した特徴度Ｃを上記記憶装置から取得し、上記処理装置を用いて、取得した上記特徴度Ｃに基づいて、上記特徴度算出部が取得した複数のスコア値ｕを成分とする複数の圧縮スコア値ベクトルＱ’のバラツキが小さいか否かを判断し、上記特徴度算出部が取得した複数のスコア値ｕを成分とする複数の圧縮スコア値ベクトルＱ’のバラツキが小さいと判断した場合に、上記処理装置を用いて、上記測定値記憶部が記憶した複数の測定値ｙが所定の条件を満たすか否かを、上記複数の測定値ｙに対応して上記スコア値圧縮部が記憶した複数のスコア値ｕに基づいて判別する判別式を算出し、算出した上記判別式のパラメータを、上記記憶装置に記憶する判別式算出部と、
上記処理装置を用いて、上記測定値記憶部が記憶した複数の測定値ｙを上記記憶装置から取得し、上記処理装置を用いて、取得した上記複数の測定値ｙが上記所定の条件を満たすか否かを判断し、上記処理装置を用いて、上記判別式算出部が記憶したパラメータを上記記憶装置から取得し、上記処理装置を用いて、上記複数の測定値ｙに対応して、上記スコア値圧縮部が記憶した複数のスコア値ｕを上記記憶装置から取得し、上記処理装置を用いて、取得した上記パラメータによって示される判別式に取得した上記複数のスコア値ｕを代入して、上記複数のスコア値ｕに対応する複数の測定値ｙが所定の条件を満たすか否かを判別し、上記処理装置を用いて、上記複数の測定値ｙに基づく判断結果と、上記判別式に基づく判別結果とを比較して、上記判別式に基づく判別結果が正しいか否かを判断し、上記処理装置を用いて、上記判別式に基づく判別結果が正しいか否かの判断結果に基づいて、上記判別式の判別精度を示す値を算出して、判別度とし、上記処理装置を用いて、算出した上記判別度を上記記憶装置に記憶する判別度算出部と、
上記処理装置を用いて、上記判別度算出部が算出した判別度を上記記憶装置から取得し、上記処理装置を用いて、取得した上記判別度に基づいて上記判別式の判別精度が高いか否かを判断し、上記判別式の判別精度が高いと判断した場合に、上記処理装置を用いて、上記影響因子選択部が選択した複数の選択因子Ｆ’を示す選択因子情報Ｓを上記記憶装置から取得し、上記処理装置を用いて、取得した上記選択因子情報Ｓを、強影響因子情報として、上記記憶装置に記憶する強影響因子選択部と、
上記処理装置を用いて、上記強影響因子選択部が記憶した強影響因子情報を上記記憶装置から取得し、上記処理装置を用いて、上記影響因子情報記憶部が記憶した影響因子情報のうち、取得した上記強影響因子情報によって示される影響因子についての影響因子情報を、上記記憶装置から取得し、上記処理装置を用いて、取得した上記影響因子情報に基づいて、上記強影響因子情報によって示される影響因子についての情報を上記出力装置に出力する強影響因子出力部と、
を有し、
上記測定対象の状態に強い影響を与える影響因子を推定する影響因子推定装置として機能させることを特徴とする。
この発明にかかる影響因子推定装置によれば、例えば、特異値分解部が特異値分解して得た圧縮スコア値ベクトルＱ’に基づいて、測定値ｙとの相関が強いか否かを判断し、測定対象の状態に強い影響を与える影響因子を推定するので、影響因子測定値を特異値分解したスコア値に基づいて測定対象の状態を予測する際に、測定対象の状態に強い影響を与える影響因子を推定することができるという効果を奏する。
実施の形態１．
実施の形態１を、図１〜図１４を用いて説明する。
影響因子推定装置１００は、測定対象の状態に影響を与える可能性のある多数の影響因子のなかから、測定対象の状態に強い影響を与える影響因子を推定する装置である。
影響因子推定装置１００は、相関要因導出装置とも呼ばれる。
図１は、この実施の形態における影響因子推定装置１００の外観の一例を示す図である。
図１において、影響因子推定装置１００は、システムユニット９１０、ＣＲＴ（Ｃａｔｈｏｄｅ・Ｒａｙ・Ｔｕｂｅ）やＬＣＤ（液晶）などの表示画面を有する表示装置９０１、キーボード９０２（Ｋｅｙ・Ｂｏａｒｄ：Ｋ／Ｂ）、マウス９０３、ＦＤＤ９０４（Ｆｌｅｘｉｂｌｅ・Ｄｉｓｋ・ Ｄｒｉｖｅ）、コンパクトディスク装置９０５（ＣＤＤ）、プリンタ装置９０６、スキャナ装置９０７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９１０は、コンピュータであり、ファクシミリ機９３２、電話器９３１とケーブルで接続され、また、ローカルエリアネットワーク９４２（ＬＡＮ）、ゲートウェイ９４１を介してインターネット９４０に接続されている。
図２は、この実施の形態における影響因子推定装置１００のハードウェア資源の一例を示す図である。
図２において、影響因子推定装置１００は、プログラムを実行するＣＰＵ９１１（Ｃｅｎｔｒａｌ・Ｐｒｏｃｅｓｓｉｎｇ・Ｕｎｉｔ、中央処理装置、処理装置、演算装置、マイクロプロセッサ、マイクロコンピュータ、プロセッサともいう）を備えている。ＣＰＵ９１１は、バス９１２を介してＲＯＭ９１３、ＲＡＭ９１４、通信ボード９１５、表示装置９０１、キーボード９０２、マウス９０３、ＦＤＤ９０４、ＣＤＤ９０５、プリンタ装置９０６、スキャナ装置９０７、磁気ディスク装置９２０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９２０の代わりに、光ディスク装置、メモリカード読み書き装置などの記憶装置でもよい。
ＲＡＭ９１４は、揮発性メモリの一例である。ＲＯＭ９１３、ＦＤＤ９０４、ＣＤＤ９０５、磁気ディスク装置９２０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の一例である。
通信ボード９１５、キーボード９０２、スキャナ装置９０７、ＦＤＤ９０４などは、入力部、入力装置の一例である。
また、通信ボード９１５、表示装置９０１、プリンタ装置９０６などは、出力部、出力装置の一例である。
通信ボード９１５は、ファクシミリ機９３２、電話器９３１、ＬＡＮ９４２等に接続されている。通信ボード９１５は、ＬＡＮ９４２に限らず、インターネット９４０、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。インターネット９４０或いはＩＳＤＮ等のＷＡＮに接続されている場合、ゲートウェイ９４１は不用となる。
磁気ディスク装置９２０には、オペレーティングシステム９２１（ＯＳ）、ウィンドウシステム９２２、プログラム群９２３、ファイル群９２４が記憶されている。プログラム群９２３のプログラムは、ＣＰＵ９１１、オペレーティングシステム９２１、ウィンドウシステム９２２により実行される。
上記プログラム群９２３には、以下に述べる実施の形態の説明において「〜部」、「〜手段」として説明する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、ＣＰＵ９１１により読み出され実行される。
ファイル群９２４には、以下に述べる実施の形態の説明において、「〜の判定結果」、「〜の計算結果」、「〜の処理結果」として説明する情報やデータや信号値や変数値やパラメータが、「〜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。ディスクやメモリに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ＣＰＵ９１１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ＣＰＵ９１１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・抽出のＣＰＵ９１１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、以下に述べる実施の形態の説明において説明するフローチャートの矢印の部分は主としてデータや信号の入出力を示し、データや信号値は、ＲＡＭ９１４のメモリ、ＦＤＤ９０４のフレキシブルディスク、ＣＤＤ９０５のコンパクトディスク、磁気ディスク装置９２０の磁気ディスク、その他光ディスク、ミニディスク、ＤＶＤ（Ｄｉｇｉｔａｌ・Ｖｅｒｓａｔｉｌｅ・Ｄｉｓｃ）等の記録媒体に記録される。また、データや信号は、バス９１２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、以下に述べる実施の形態の説明において「〜部」、「〜手段」として説明するものは、「〜回路」、「〜装置」、「〜機器」、「手段」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」、「〜手段」として説明するものは、ＲＯＭ９１３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ＣＰＵ９１１により読み出され、ＣＰＵ９１１により実行される。すなわち、プログラムは、以下に述べる「〜部」、「〜手段」としてコンピュータを機能させるものである。あるいは、以下に述べる「〜部」、「〜手段」の手順や方法をコンピュータに実行させるものである。
図３は、この実施の形態における影響因子推定装置１００の機能ブロックの構成の一例を示すブロック構成図である。
影響因子推定装置１００は、影響因子情報入力部１１１、影響因子測定値入力部１１２、測定値入力部１１３、影響因子情報記憶部１２１、影響因子測定値記憶部１２２、測定値記憶部１２３、重み付け算出部１３１、影響因子選択部１３２、特異値分解部１３３、スコア値圧縮部１３６、特徴度算出部１３４、判別式算出部１３７、判別度算出部１３８、強影響因子選択部１３５、強影響因子出力部１４５を有する。
影響因子情報入力部１１１は、ＣＰＵ９１１などの処理装置を用いて、キーボード９０２などの入力装置から、影響因子情報を入力する。
影響因子情報とは、測定対象の状態に影響を与える可能性のある多数の影響因子Ｆを示す情報である。
ここで、影響因子情報が示す影響因子Ｆの数をｍ個とし、ｊ番目の影響因子Ｆを、影響因子Ｆｊ（ただし、ｊは、１〜ｍの整数）と表わすこととする。
例えば、測定対象の状態に影響を与える可能性のある影響因子として、温度、湿度、天候、セルモータ発進回数、走行距離、ライト点灯時間、設定ギア状況などがあるとすると、Ｆ１＝「温度」、Ｆ２＝「湿度」、Ｆ３＝「天候」、…といったデータが、影響因子情報となる。
影響因子情報入力部１１１は、ＣＰＵ９１１などの処理装置を用いて、入力した影響因子情報を、影響因子情報記憶部１２１に通知する。
なお、影響因子情報は、ＦＤなどの記憶媒体に記憶しておいて、影響因子情報を記憶したＦＤを、ＦＤＤ９０４などの入力装置に挿入し、影響因子情報入力部１１１が、ＣＰＵ９１１などの処理装置を用いて、ＦＤＤ９０４などの入力装置から影響因子情報を入力してもよい。
影響因子情報記憶部１２１は、ＣＰＵ９１１などの処理装置を用いて、磁気ディスク装置９２０などの記憶装置に、影響因子情報を記憶する。
影響因子情報記憶部１２１は、ＣＰＵ９１１などの処理装置を用いて、影響因子情報入力部１１１が入力した影響因子情報の通知を受けて、影響因子情報を取得し、取得した影響因子情報を、磁気ディスク装置９２０などの記憶装置に書き込むことにより、影響因子情報を記憶する。
影響因子情報記憶部１２１は、例えば、ｍ個の文字列の配列として、影響因子情報を記憶する。あるいは、文字列を記憶するフィールド（またはレコード）ｍ個を有するファイルとして、影響因子情報を記憶する。
測定値入力部１１３は、ＣＰＵ９１１などの処理装置を用いて、キーボード９０２などの入力装置から多数の測定値ｙを入力する。
測定値ｙとは、測定対象の状態を測定した値である。例えば、バッテリーの内部抵抗を測定した値をｋΩ（キロオーム）単位で表した数値である。
測定値ｙは、同一の測定対象の状態を、異なる時刻に複数回測定して得た値でもよいし、複数の同種の測定対象の状態を、同一の時刻あるいは異なる時刻に測定して得た値でもよい。
ここで、測定値ｙの数をｎ個とし、ｉ番目の測定値ｙを、測定値ｙｉ（ただし、ｉは、１〜ｎの整数）と表わすこととする。
測定値入力部１１３は、ＣＰＵ９１１などの処理装置を用いて、入力した測定値ｙを、測定値記憶部１２３に通知する。
なお、測定値ｙは、ＣＤなどの記憶媒体に記憶しておいて、測定値を記憶したＣＤを、ＣＤＤ９０５などの入力装置に挿入し、測定値入力部１１３が、ＣＰＵ９１１などの処理装置を用いて、ＣＤＤ９０５などの入力装置から測定値ｙを入力してもよい。
測定値記憶部１２３は、ＣＰＵ９１１などの処理装置を用いて、測定値入力部１１３が入力した測定値ｙの通知を受けて、測定値ｙを取得し、取得した測定値ｙを磁気ディスク装置９２０などの記憶装置に記憶する。
測定値記憶部１２３は、例えば、ｎ個の倍精度浮動小数点数の配列として、測定値ｙを記憶する。あるいは、倍精度浮動小数点数を記憶するレコード（あるいはフィールド）ｎ個を有するファイルとして、測定値ｙを記憶する。
影響因子測定値入力部１１２は、ＣＰＵ９１１などの処理装置を用いて、キーボード９０２などの入力装置から、影響因子測定値ｘを入力する。
影響因子測定値ｘとは、影響因子情報記憶部１２１が記憶した影響因子情報によって示される多数の影響因子Ｆを測定した値である。
例えば、影響因子Ｆ１＝「温度」、影響因子Ｆ２＝「湿度」であれば、例えば温度計などにより測定して得た値である。あるいは、気象庁が発表した気象情報を受信して、影響因子測定値ｘとしてもよい。
影響因子測定値ｘは、各測定対象ごとに異なる。また、測定対象が移動しないものであれば、「緯度」「経度」のような位置情報は１つの測定対象について不変であるが、例えば、影響因子Ｆ１＝「温度」のように、測定対象が同一でも、測定した時刻によって異なる場合もある。
このように、影響因子測定値ｘは、測定対象によって異なり、また、測定時刻によっても異なる。
影響因子測定値ｘは、測定対象の状態に影響を与えるデータであるため、測定対象の状態を測定した測定値ｙと対応づける必要がある。
すなわち、測定対象の状態を測定して測定値ｙを得たのと同時刻に、同一の測定対象を測定して影響因子測定値ｘを得れば、測定値ｙと影響因子測定値ｘとは対応づけられる。
しかし、例えば、前日の最高気温が測定値ｙに影響を与える影響因子である場合もあり、必ずしも同時刻に測定したものでなくとも、影響因子測定値ｘと、測定値ｙとが対応づけられる場合がある。
また、影響因子測定値ｘが時刻によって変わらないのであれば、同一の測定対象を測定して得た測定値ｙと影響因子測定値ｘとは、常に対応づけることができる。
ここで、影響因子Ｆｊを測定した影響因子測定値ｘであって、ｉ番目の測定値ｙｉに対応するものを、影響因子測定値ｘｉｊ（ただし、ｊは、１〜ｍの整数。また、ｉは、１〜ｎの整数。ｎは、測定値ｙの数）と表わすこととする。
また、１つの測定値ｙに対応する影響因子測定値を、影響因子Ｆの順に並べた組を、影響因子測定値ベクトルＸという。例えば、ｉ番目の測定値ｙｉに対応する影響因子測定値の組（ｘｉ１，ｘｉ２，…，ｘｉｍ）を、影響因子測定値ベクトルＸｉと表わす。
なお、ｊ番目の影響因子Ｆｊについての影響因子測定値ｘ１ｊ，ｘ２ｊ，…，ｘｎｊのことを総称して、ｘｊと表わす場合もある。
影響因子測定値入力部１１２は、ＣＰＵ９１１などの処理装置を用いて、入力した影響因子測定値ｘが、どの影響因子Ｆを測定したものであるか、どの測定値ｙと対応づけられるものであるかを示す情報を、マウス９０３などの入力装置を用いて入力する。
影響因子測定値入力部１１２は、ＣＰＵ９１１などの処理装置を用いて、入力した影響因子測定値ｘ、その影響因子測定値ｘがどの影響因子Ｆを測定したものであるかを示す情報（例えば、影響因子Ｆｊの添え字ｊの値）、その影響因子測定値ｘがどの測定値ｙに対応するものであるかを示す情報（例えば、測定値ｙｉの添え字ｉの値）を、影響因子測定値記憶部１２２に通知する。
なお、影響因子測定値ｘは、影響因子Ｆを測定する測定装置が測定し、ＬＡＮ９４２などを介して、影響因子推定装置１００に対して、送信してもよい。その場合、影響因子測定値入力部１１２は、ＣＰＵ９１１などの処理装置を用いて、通信ボード９１５などの入力装置から、影響因子測定値ｘを入力する。
影響因子測定値記憶部１２２は、ＣＰＵ９１１などの処理装置を用いて、影響因子測定値入力部１１２が入力した影響因子測定値ｘの通知を受けて、影響因子測定値ｘを取得し、取得した影響因子測定値ｘを、磁気ディスク装置９２０などの記憶装置に書き込むことにより、影響因子測定値ｘを記憶する。
影響因子測定値記憶部１２２は、全部でｍ×ｎ個（ｍは、影響因子Ｆの数。ｎは、測定値ｙの数）の影響因子測定値を記憶する。
影響因子測定値記憶部１２２は、例えば、ｍ×ｎ個の倍精度浮動小数点数の（二次元）配列として、影響因子測定値ｘを記憶する。あるいは、倍精度浮動小数点数を記憶するｍ個のフィールドを有するｎ個のレコードを持つファイルとして、影響因子測定値を記憶する。
影響因子測定値記憶部１２２は、ＣＰＵ９１１などの処理装置を用いて、影響因子測定値ｘが、どの影響因子Ｆを測定したものであるか、また、どの測定値ｙに対応するものであるかを、記憶する。
例えば、ｍ×ｎ個の倍精度浮動小数点数の二次元配列をして影響因子測定値ｘを記憶する場合であれば、添え字ｉ及びｊから、どの影響因子Ｆを測定したものであるか、どの測定値ｙに対応するものであるかが判別できる。したがって、添え字ｉ及びｊに対応するアドレス（またはファイル内の位置）に、影響因子測定値ｘを記憶することにより、影響因子測定値ｘが、どの影響因子Ｆを測定したものであるか、どの測定値ｙに対応するものであるかを記憶することができる。
図４は、この実施の形態における影響因子情報入力部１１１、影響因子測定値入力部１１２、測定値入力部１１３が入力し、影響因子情報記憶部１２１、影響因子測定値記憶部１２２、測定値記憶部１２３が記憶する影響因子情報、影響因子測定値、測定値を模式的に表わした図である。
「内部抵抗値」は、測定値ｙの一例である。
「温度」「湿度」「天候」…は、影響因子Ｆの一例であり、「ＩＤ番号」が示す測定値ｙに対応して、それぞれの影響因子Ｆを測定した影響因子測定値ｘがある。
測定値ｙは、影響因子Ｆの影響を受けて変化する。そこで、過去に測定した測定値ｙと影響因子測定値ｘとの間の関係を見出せれば、測定対象の状態を測定せずに、影響因子測定値ｘから、測定値ｙを予測することができる。
しかし、多数ある影響因子Ｆのなかで、どの影響因子Ｆが測定値ｙに大きな影響を与えるかは、必ずしも明らかでない。
したがって、予測の精度を高くするためには、少しでも測定値ｙに影響を与える可能性がある影響因子Ｆすべてについて、影響因子測定値ｘを測定するほうがよい。
ところが、このような影響因子Ｆをすべて測定することは、人件費・測定装置の維持費などのコストがかかる。
したがって、最小限の影響因子Ｆを測定するだけで、最大限の精度を持つ予測結果を得たい。
この実施の形態の影響因子推定装置１００は、どの影響因子Ｆが測定値ｙに強い影響を与えるかを推定することにより、測定値ｙに対する影響が少ない影響因子Ｆを、今後、測定しないで済ませることができるようにするものである。
これにより、最大限の予測精度を維持したまま、コストを下げることが可能となる。
図３に戻り、影響因子推定装置１００の機能ブロックの説明を続ける。
重み付け算出部１３１は、ＣＰＵ９１１などの処理装置を用いて、影響因子重み付けＷを算出する。
影響因子重み付けＷとは、影響因子情報記憶部１２１が記憶した影響因子情報によって示される影響因子Ｆのそれぞれについて、後述する影響因子選択部１３２がその影響因子Ｆを選択する確率を示す値である。
重み付け算出部１３１は、それぞれの影響因子Ｆに対応して、影響因子重み付けＷを算出する。重み付け算出部１３１は、ｍ個の影響因子Ｆに対応して、ｍ個の影響因子重み付けＷを算出する。
ここで、ｊ番目の影響因子Ｆｊに対応する影響因子重み付けＷを、影響因子重み付けＷｊと表わすこととする。
重み付け算出部１３１は、ＣＰＵ９１１などの処理装置を用いて、測定値記憶部１２３が記憶したｎ個の測定値ｙを、磁気ディスク装置９２０などの記憶装置から取得する。
重み付け算出部１３１は、また、ＣＰＵ９１１などの処理装置を用いて、影響因子測定値記憶部１２２が記憶したｍ×ｎ個の影響因子測定値ｘを、磁気ディスク装置９２０などの記憶装置から取得する。
重み付け算出部１３１は、ＣＰＵ９１１などの処理装置を用いて、測定値ｙと、それに対応する影響因子測定値ｘとの間の相関の強さを示す値を算出する。
重み付け算出部１３１は、それぞれの影響因子Ｆに対応して、相関の強さを示す値を算出する。重み付け算出部１３１は、ｍ個の影響因子Ｆに対応して、ｍ個の相関の強さを示す値を算出する。
重み付け算出部１３１は、ＣＰＵ９１１などの処理装置を用いて、算出したｍ個の相関の強さを示す値を、影響因子重み付けＷとして、磁気ディスク装置９２０などの記憶装置に記憶する。
例えば、ｉ番目の測定値ｙｉと、ｊ番目の影響因子Ｆｊについて測定値ｙｉに対応する影響因子測定値ｘｉｊとの間の関係が、一次式ｙｉ＝Ａ・ｘｉｊ＋Ｂ（Ａ，Ｂは、影響因子Ｆによって異なる係数）で近似できる場合であれば、相関の強さを示す値として、ピアソンの積率相関係数を用いることができる。ただし、ピアソンの積率相関係数は、正の相関がある（Ａ＞０）場合と、負の相関がある（Ａ＜０）場合とで符号が異なるので、ここでは、ピアソンの積率相関係数の二乗を、相関の強さを示す値として用いることとする。
ピアソンの積率相関係数とは、測定値ｙの分散をＶａｒ（ｙ）、ｊ番目の影響因子Ｆｊについての影響因子測定値ｘの分散をＶａｒ（ｘｊ）、測定値ｙと、ｊ番目の影響因子Ｆｊについて測定値ｙに対応する影響因子測定値ｘとの共分散をＣｏｖ（ｘｊ，ｙ）とすると、式Ｃｏｖ（ｘｊ，ｙ）／√｛Ｖａｒ（ｘｊ）・Ｖａｒ（ｙ）｝を計算することにより求められる値である。
図５は、この実施の形態における重み付け算出部１３１の内部ブロックの構成の一例を示す詳細ブロック構成図である。
重み付け算出部１３１は、測定値平均値算出部３１１、測定値二乗平均値算出部３１２、影響因子測定値平均値算出部３１３、影響因子測定値二乗平均値算出部３１４、測定値分散算出部３１５、影響因子測定値分散算出部３１６、測定値共分散算出部３１７、測定値相関係数算出部３１８を有する。
測定値平均値算出部３１１は、ＣＰＵ９１１などの処理装置を用いて、測定値ｙの平均値を算出する。
まず、測定値平均値算出部３１１は、ＣＰＵ９１１などの処理装置を用いて、測定値記憶部１２３が記憶したｎ個の測定値ｙを、磁気ディスク装置９２０などの記憶装置から取得する。
次に、測定値平均値算出部３１１は、ＣＰＵ９１１などの処理装置を用いて、取得した測定値ｙの合計を計算して、測定値合計Σ（ｙ）とする。
そして、測定値平均値算出部３１１は、ＣＰＵ９１１などの処理装置を用いて、計算した測定値合計Σ（ｙ）を、測定値ｙの数ｎで割った値Σ（ｙ）／ｎを計算し、測定値平均値Ａｖｅ（ｙ）とする。
測定値平均値算出部３１１は、ＣＰＵ９１１などの処理装置を用いて、計算した測定値平均値Ａｖｅ（ｙ）を、磁気ディスク装置９２０などの記憶装置に記憶する。
測定値二乗平均値算出部３１２は、ＣＰＵ９１１などの処理装置を用いて、測定値ｙの二乗の平均値を算出する。
まず、測定値二乗平均値算出部３１２は、ＣＰＵ９１１などの処理装置を用いて、測定値記憶部１２３が記憶したｎ個の測定値ｙを、磁気ディスク装置９２０などの記憶装置から取得する。
次に、測定値二乗平均値算出部３１２は、ＣＰＵ９１１などの処理装置を用いて、取得した測定値ｙの二乗を計算して、測定値二乗ｙ２とする。
そして、測定値二乗平均値算出部３１２は、ＣＰＵ９１１などの処理装置を用いて、計算したｎ個の測定値二乗ｙ２の合計を計算し、測定値二乗合計Σ（ｙ２）とする。
測定値二乗平均値算出部３１２は、ＣＰＵ９１１などの処理装置を用いて、計算した測定値二乗合計Σ（ｙ２）を、測定値ｙの数ｎで割った値Σ（ｙ２）／ｎを計算し、測定値二乗平均値Ａｖｅ（ｙ２）とする。
測定値二乗平均値算出部３１２は、ＣＰＵ９１１などの処理装置を用いて、計算した測定値二乗平均値Ａｖｅ（ｙ２）を、磁気ディスク装置９２０などの記憶装置に記憶する。
影響因子測定値平均値算出部３１３は、ＣＰＵ９１１などの処理装置を用いて、ｍ個の影響因子Ｆそれぞれについて、その影響因子Ｆについての影響因子測定値ｘの平均値を算出する。
まず、影響因子測定値平均値算出部３１３は、ＣＰＵ９１１などの処理装置を用いて、影響因子測定値記憶部１２２が記憶したｍ×ｎ個の影響因子測定値ｘを、磁気ディスク装置９２０などの記憶装置から取得する。
次に、影響因子測定値平均値算出部３１３は、ＣＰＵ９１１などの処理装置を用いて、ｍ個の影響因子Ｆそれぞれについて、その影響因子Ｆについてのｎ個の影響因子測定値ｘの合計を計算して、影響因子測定値合計Σ（ｘｊ）（ｊは、１〜ｍの整数）とする。
影響因子測定値平均値算出部３１３は、ｍ個の影響因子Ｆに対応して、ｍ個の影響因子測定値合計Σ（ｘｊ）を計算する。
影響因子測定値平均値算出部３１３は、ＣＰＵ９１１などの処理装置を用いて、計算したｍ個の影響因子測定値合計Σ（ｘｊ）を、測定値ｙの数ｎで割った値Σ（ｘｊ）／ｎを計算し、影響因子測定値平均値Ａｖｅ（ｘｊ）（ｊは、１〜ｍの整数）とする。
影響因子測定値平均値算出部３１３は、ｍ個の影響因子Ｆに対応して、ｍ個の影響因子測定値平均値Ａｖｅ（ｘｊ）を計算する。
影響因子測定値平均値算出部３１３は、ＣＰＵ９１１などの処理装置を用いて、計算したｍ個の影響因子測定値平均値Ａｖｅ（ｘｊ）を、磁気ディスク装置９２０などの記憶装置に記憶する。
影響因子測定値二乗平均値算出部３１４は、ＣＰＵ９１１などの処理装置を用いて、ｍ個の影響因子Ｆそれぞれについて、その影響因子Ｆについての影響因子測定値ｘの二乗の平均値を算出する。
まず、影響因子測定値二乗平均値算出部３１４は、ＣＰＵ９１１などの処理装置を用いて、影響因子測定値記憶部１２２が記憶したｍ×ｎ個の影響因子測定値ｘを、磁気ディスク装置９２０などの記憶装置から取得する。
次に、影響因子測定値二乗平均値算出部３１４は、ＣＰＵ９１１などの処理装置を用いて、ｍ×ｎ個の影響因子測定値ｘの二乗を計算して、影響因子測定値二乗ｘ２を計算する。
影響因子測定値二乗平均値算出部３１４は、ｍ×ｎ個の影響因子測定値ｘに対応して、ｍ×ｎ個の影響因子測定値二乗ｘ２を計算する。
影響因子測定値二乗平均値算出部３１４は、ＣＰＵ９１１などの処理装置を用いて、ｍ子の影響因子Ｆそれぞれについて、計算した影響因子測定値二乗ｘ２の合計を計算して、影響因子測定値二乗合計Σ（ｘｊ ２）（ｊは、１〜ｍの整数）を計算する。
影響因子測定値二乗平均値算出部３１４は、１つの影響因子Ｆに対応するｎ個の影響因子測定値二乗ｘ２を合計し、ｍ個の影響因子Ｆに対応して、ｍ個の影響因子測定値二乗合計Σ（ｘｊ ２）を計算する。
影響因子測定値二乗平均値算出部３１４は、ＣＰＵ９１１などの処理装置を用いて、計算したｍ個の影響因子測定値二乗合計Σ（ｘｊ ２）を、測定値ｙの数ｎで割った値Σ（ｘｊ ２）／ｎを計算し、影響因子測定値二乗平均値Ａｖｅ（ｘｊ ２）とする。
影響因子測定値二乗平均値算出部３１４は、ｍ個の影響因子Ｆに対応して、ｍ個の影響因子測定値二乗平均値Ａｖｅ（ｘｊ ２）を計算する。
影響因子測定値二乗平均値算出部３１４は、ＣＰＵ９１１などの処理装置を用いて、計算したｍ個の影響因子測定値二乗平均値Ａｖｅ（ｘｊ ２）を、磁気ディスク装置９２０などの記憶装置に記憶する。
測定値分散算出部３１５は、ＣＰＵ９１１などの処理装置を用いて、測定値ｙの分散を算出する。
まず、測定値分散算出部３１５は、ＣＰＵ９１１などの処理装置を用いて、測定値平均値算出部３１１が算出した測定値平均値Ａｖｅ（ｙ）を、磁気ディスク装置９２０などの記憶装置から取得する。
次に、測定値分散算出部３１５は、ＣＰＵ９１１などの処理装置を用いて、測定値二乗平均値算出部３１２が算出した測定値二乗平均値Ａｖｅ（ｙ２）を、磁気ディスク装置９２０などの記憶装置から取得する。
そして、測定値分散算出部３１５は、ＣＰＵ９１１などの処理装置を用いて、取得した測定値平均値Ａｖｅ（ｙ）の二乗を計算し、測定値平均値二乗Ａｖｅ（ｙ）２とする。
測定値分散算出部３１５は、ＣＰＵ９１１などの処理装置を用いて、取得した測定値二乗平均値Ａｖｅ（ｙ２）から、測定値平均値二乗Ａｖｅ（ｙ）２を減算し、測定値分散Ｖａｒ（ｙ）とする。
測定値分散算出部３１５は、ＣＰＵ９１１などの処理装置を用いて、計算した測定値分散Ｖａｒ（ｙ）を、磁気ディスク装置９２０などの記憶装置に記憶する。
影響因子測定値分散算出部３１６は、ｍ個の影響因子Ｆそれぞれについて、その影響因子Ｆについての影響因子測定値ｘの分散を算出する。
まず、影響因子測定値分散算出部３１６は、ＣＰＵ９１１などの処理装置を用いて、影響因子測定値平均値算出部３１３が算出したｍ個の影響因子測定値平均値Ａｖｅ（ｘｊ）（ｊは、１〜ｍの整数）を、磁気ディスク装置９２０などの記憶装置から取得する。
次に、影響因子測定値分散算出部３１６は、ＣＰＵ９１１などの処理装置を用いて、影響因子測定値二乗平均値算出部３１４が算出したｍ個の影響因子測定値二乗平均値Ａｖｅ（ｘｊ ２）を、磁気ディスク装置９２０などの記憶装置から取得する。
そして、影響因子測定値分散算出部３１６は、ＣＰＵ９１１などの処理装置を用いて、取得したｍ個の影響因子測定値平均値Ａｖｅ（ｘｊ）の二乗を計算し、影響因子測定値平均値二乗Ａｖｅ（ｘｊ）２（ｊは、１〜ｍの整数）とする。
影響因子測定値分散算出部３１６は、ｍ個の影響因子Ｆに対応して、ｍ個の影響因子平均値二乗Ａｖｅ（ｘｊ）２を計算する。
影響因子測定値分散算出部３１６は、ＣＰＵ９１１などの処理装置を用いて、ｍ個の影響因子Ｆそれぞれについて、その影響因子Ｆに対応する影響因子測定値二乗平均値Ａｖｅ（ｘｊ ２）から、その影響因子Ｆに対応する影響因子測定値平均値二乗Ａｖｅ（ｘｊ）２を減算し、影響因子測定値分散Ｖａｒ（ｘｊ）（ｊは、１〜ｍの整数）とする。
影響因子測定値分散算出部３１６は、ｍ個の影響因子Ｆに対応して、ｍ個の影響因子測定値分散Ｖａｒ（ｘｊ）を計算する。
影響因子測定値分散算出部３１６は、ＣＰＵ９１１などの処理装置を用いて、計算したｍ個の影響因子測定値分散Ｖａｒ（ｘｊ）を、磁気ディスク装置９２０などの記憶装置に記憶する。
測定値共分散算出部３１７は、ＣＰＵ９１１などの処理装置を用いて、ｍ個の影響因子Ｆそれぞれについて、影響因子測定値ｘと測定値ｙとの間の共分散を算出する。
まず、測定値共分散算出部３１７は、ＣＰＵ９１１などの処理装置を用いて、測定値記憶部１２３が記憶したｎ個の測定値ｙを、磁気ディスク装置９２０などの記憶装置から取得する。
測定値共分散算出部３１７は、ＣＰＵ９１１などの処理装置を用いて、影響因子測定値記憶部１２２が記憶したｍ×ｎ個の影響因子測定値ｘを、磁気ディスク装置９２０などの記憶装置から取得する。
測定値共分散算出部３１７は、ＣＰＵ９１１などの処理装置を用いて、測定値平均値算出部３１１が算出した測定値平均値Ａｖｅ（ｙ）を、磁気ディスク装置９２０などの記憶装置から取得する。
測定値共分散算出部３１７は、ＣＰＵ９１１などの処理装置を用いて、影響因子測定値平均値算出部３１３が算出したｍ個の影響因子測定値平均値Ａｖｅ（ｘｊ）（ｊは、１〜ｍの整数）を、磁気ディスク装置９２０などの記憶装置から取得する。
次に、測定値共分散算出部３１７は、ＣＰＵ９１１などの処理装置を用いて、取得したｎ個の測定値ｙから、取得した測定値平均値Ａｖｅ（ｙ）を減算して、測定値偏差Δｙとする。
測定値共分散算出部３１７は、ｎ個の測定値ｙそれぞれから測定値平均値Ａｖｅ（ｙ）を減算し、ｎ個の測定値ｙに対応するｎ個の測定値偏差Δｙを計算する。
そして、測定値共分散算出部３１７は、ＣＰＵ９１１などの処理装置を用いて、取得したｍ×ｎ個の影響因子測定値ｘから、取得したｍ個の影響因子測定値平均値Ａｖｅ（ｘｊ）を減算して、影響因子測定値偏差Δｘとする。
測定値共分散算出部３１７は、ｊ番目の影響因子Ｆｊに対応するｎ個の影響因子測定値ｘｊから、その影響因子Ｆｊに対応する影響因子測定値平均値Ａｖｅ（ｘｊ）を減算して、ｎ個の影響因子測定値偏差Δｘを計算する。測定値共分散算出部３１７は、ｍ個の影響因子Ｆに対応して、全部でｍ×ｎ個の影響因子測定値偏差Δｘを計算する。
測定値共分散算出部３１７は、ＣＰＵ９１１などの処理装置を用いて、計算したｍ×ｎ個の影響因子測定値偏差Δｘと、計算したｎ個の測定値偏差Δｙとの積を計算し、偏差積ΔｘΔｙとする。
測定値共分散算出部３１７は、ある測定値ｙに対応する測定値偏差Δｙと、その測定値ｙに対応するｍ個の影響因子測定値偏差Δｘとの積をとり、ｍ個の偏差積ΔｘΔｙを計算する。測定値共分散算出部３１７は、ｎ個の測定値に対応して、全部でｍ×ｎ個の偏差積ΔｘΔｙを計算する。
測定値共分散算出部３１７は、ＣＰＵ９１１などの処理装置を用いて、ｍ個の影響因子Ｆそれぞれについて、計算したｍ×ｎ個の偏差積ΔｘΔｙのうち、その影響因子Ｆに対応するｎ個の偏差積の合計を計算し、偏差積合計Σ（ΔｘΔｙ）とする。
測定値共分散算出部３１７は、ｊ番目の影響因子Ｆｊに対応するｎ個の偏差積ΔｘΔｙを合計して、偏差積合計Σ（ΔｘΔｙ）を計算する。測定値共分散算出部３１７は、ｍ個の影響因子Ｆに対応して、ｍ個の偏差積合計Σ（ΔｘΔｙ）を計算する。
測定値共分散算出部３１７は、ＣＰＵ９１１などの処理装置を用いて、ｍ個の影響因子Ｆそれぞれについて、計算したｍ個の偏差積合計Σ（ΔｘΔｙ）を測定値ｙの数ｎで割った値を計算し、測定値共分散Ｃｏｖ（ｘｊ，ｙ）（ｊは、１〜ｍの整数）とする。
測定値共分散算出部３１７は、ｍ個の影響因子Ｆに対応して、ｍ個の測定値共分散Ｃｏｖ（ｘｊ，ｙ）を計算する。
測定値共分散算出部３１７は、ＣＰＵ９１１などの処理装置を用いて、計算したｍ個の測定値共分散Ｃｏｖ（ｘｊ，ｙ）を、磁気ディスク装置９２０などの記憶装置に記憶する。
測定値相関係数算出部３１８は、ＣＰＵ９１１などの処理装置を用いて、ｍ個の影響因子Ｆそれぞれについて、影響因子測定値ｘと測定値ｙとの間のピアソンの積率相関係数の二乗を算出する。
まず、測定値相関係数算出部３１８は、ＣＰＵ９１１などの処理装置を用いて、測定値分散算出部３１５が算出した測定値分散Ｖａｒ（ｙ）を、磁気ディスク装置９２０などの記憶装置から取得する。
測定値相関係数算出部３１８は、ＣＰＵ９１１などの処理装置を用いて、影響因子測定値分散算出部３１６が算出したｍ個の影響因子測定値分散Ｖａｒ（ｘｊ）（ｊは、１〜ｍの整数）を、磁気ディスク装置９２０などの記憶装置から取得する。
測定値相関係数算出部３１８は、ＣＰＵ９１１などの処理装置を用いて、測定値共分散算出部３１７が算出したｍ個の測定値共分散Ｃｏｖ（ｘｊ，ｙ）（ｊは、１〜ｍの整数）を、磁気ディスク装置９２０などの記憶装置から取得する。
次に、測定値相関係数算出部３１８は、ＣＰＵ９１１などの処理装置を用いて、ｍ個の影響因子Ｆそれぞれについて、取得した測定値共分散Ｃｏｖ（ｘｊ，ｙ）の二乗を計算し、測定値共分散二乗Ｃｏｖ（ｘｊ，ｙ）２とする。
測定値相関係数算出部３１８は、ｍ個の影響因子Ｆに対応して、ｍ個の測定値共分散二乗Ｃｏｖ（ｘｊ，ｙ）２を計算する。
そして、測定値相関係数算出部３１８は、ＣＰＵ９１１などの処理装置を用いて、ｍ個の影響因子Ｆそれぞれについて、計算したｍ個の測定値共分散二乗Ｃｏｖ（ｘｊ，ｙ）２を、取得した測定値分散Ｖａｒ（ｙ）で除算し、除算した結果を更に、取得したｍ個の影響因子測定値分散Ｖａｒ（ｘｊ）で除算して、ピアソンの積率相関係数の二乗を求める。
測定値相関係数算出部３１８は、ｊ番目の影響因子Ｆｊに対応する測定値共分散二乗Ｃｏｖ（ｘｊ，ｙ）２を、測定値分散Ｖａｒ（ｙ）で除し、更に、その影響因子Ｆｊに対応する測定値分散Ｖａｒ（ｘｊ）で除して、ピアソンの積率相関係数の二乗を計算する。測定値相関係数算出部３１８は、ｍ個の影響因子Ｆに対応して、ｍ個のピアソンの積率相関係数の二乗を計算する。
測定値相関係数算出部３１８は、ＣＰＵ９１１などの処理装置を用いて、計算したｍ個のピアソンの積率相関係数の二乗を、影響因子重み付けＷとして、磁気ディスク装置９２０などの記憶装置に記憶する。
なお、ここで示したビアソンの積率相関係数の計算手順は、一例に過ぎず、他の手順によって計算してもよい。
また、ピアソンの積率相関係数は、相関の強さを示す値の一例に過ぎない。例えば、測定値が順位尺度である場合には、スピアマンの順位相関係数やケンドールの順位相関係数などの順位相関係数（の二乗）を計算して、相関の強さを示す値としてもよい。
あるいは、ｉ番目の測定値ｙｉと、ｊ番目の影響因子Ｆｊについて測定値ｙｉに対応する影響因子測定値ｘｉｊとの間の関係が、式ｙｉ＝ｆ（ｘｉｊ）（ｆは、影響因子Ｆごとに異なる関数）で近似できる場合には、例えば、測定値ｙｉと測定値平均値Ａｖｅ（ｙ）との差の二乗和ＳＴ＝Σ｛ｙｉ−Ａｖｅ（ｙ）｝２で、予測値ｆ（ｘｉｊ）と測定値平均値Ａｖｅ（ｙ）との差の二乗和ＳＲ＝Σ｛ｆ（ｘｉｊ）−Ａｖｅ（ｙ）｝２で割った値ＳＲ／ＳＴを計算して、相関の強さを示す値としてもよい。
図３に戻り、影響因子推定装置１００の機能ブロックの説明を続ける。
影響因子選択部１３２は、ＣＰＵ９１１などの処理装置を用いて、ｍ個の影響因子Ｆのなかからｍ’個の選択因子Ｆ’（ｍ’は、１≦ｍ’≦ｍの整数）を選択する。
影響因子選択部１３２は、ＣＰＵ９１１などの処理装置を用いて、選択した選択因子Ｆ’を示す情報を、選択因子情報Ｓとして、磁気ディスク装置９２０などの記憶装置に記憶する。
選択因子Ｆ’とは、影響因子情報記憶部１２１が記憶した影響因子情報によって示されるすべての影響因子Ｆのなかから選択した１つ以上の影響因子である。
影響因子選択部１３２は、測定対象の状態に強い影響を与える影響因子を推定するため、影響因子情報記憶部１２１が記憶した影響因子情報によって示されるすべての影響因子Ｆのなかから、いくつかの影響因子を選択する。
影響因子選択部１３２が選択した影響因子だけで、測定対象の状態（測定値ｙ）のほとんどが説明できれば、他の影響因子による影響は薄く、無視してよいと考えることができる。
影響因子選択部１３２は、ＣＰＵ９１１などの処理装置を用いて、選択因子Ｆ’を示す選択因子情報Ｓを生成し、磁気ディスク装置９２０などの記憶装置に書き込むことにより、選択因子情報Ｓを記憶する。
影響因子選択部１３２は、例えば、ｍビッドのデータとして、選択因子情報Ｓを記憶する。このデータは、例えば、ｊ番目のビッドが「１」のとき、ｊ番目の影響因子Ｆｊを選択することを示し、ｊ番目のビッドが「０」のとき、ｊ番目の影響因子Ｆｊを選択しないことを示す。
影響因子選択部１３２が、選択因子Ｆ’を選択する方式には、例えば、次のようなやり方がある。
総当り法：ｍ個の影響因子Ｆのなかから選択できる選択因子Ｆ’の組み合わせすべてを試す方式である。ｍ個の影響因子Ｆｊのなかから選択できる選択因子Ｆ’の組み合わせは、（２ｍ−１）通りあるので、ＣＰＵ９１１などの処理装置を用いて、総当り法により最適な選択因子Ｆ’の組み合わせを見つけるには、（２ｍ−１）に比例した計算時間が必要となる。したがって、影響因子Ｆの数ｍが比較的小さい場合に有効である。
分岐限定法：総当り法の改良であり、明らかに試しても意味がない組み合わせを試さないことにより、計算時間を短縮する方式である。総当り法に比べ、計算時間が短くて済むが、その効果は限られたものなので、やはり影響因子Ｆの数ｍが比較的小さい場合に有効である。
大規模組み合わせ計算法：影響因子Ｆの数ｍが多い場合、すべての組み合わせを試していると、実用的な時間内に計算が終わらない。
そこで、すべての組み合わせを試すのではなく、一部の組み合わせだけを試して、最適な選択因子Ｆ’の組み合わせを見つける方式である。すべての組み合わせを試していないので、最も最適な組み合わせ（大域的最適解）ではないかもしれないが、少なくとも、妥当性の高い組み合わせを、実用的な時間内に見つけることができる。
大規模組み合わせ計算法には、例えば、焼きなまし（Ｓｉｍｕｌａｔｅｄ Ａｎｎｅａｌｉｎｇ）法、遺伝的アルゴリズム（Ｇｅｎｅｔｉｃ Ａｌｇｏｒｉｔｈｍ）法、タブーサーチ（Ｔａｂｕ Ｓｅａｒｃｈ）法などがある。
これら各方式の詳細については、ここでは説明しないが、いずれも、ランダムに選択した組み合わせの初期値から探索を開始し、その評価値に基づいて、次に探索を行う組み合わせを確率的に選択する方式である。
例えば、初期値の近傍で、評価値が改善する方向に、探索を進めていく。初期値の近傍で、評価値が最適になる組み合わせを見つけたら、まったく異なる組み合わせをランダムに選択して初期値として、探索を繰り返す。
これにより、すべての組み合わせを試さずに、妥当性の高い組み合わせを実用的な時間内に見つけることができる。したがって、影響因子Ｆの数ｍが大きい場合に有効である。
重み付き大規模組み合わせ計算法：大規模組み合わせ計算法の改良であり、評価値を改善する可能性の高い組み合わせがあらかじめわかっている場合に、ランダムに組み合わせを選択する際、その組み合わせを選択する確率を高くすることによって、大規模組み合わせ計算法より短時間に、最適解を見つけることを目指すものである。
この実施の形態では、影響因子選択部１３２は、重み付き大規模組み合わせ計算法によって、選択因子Ｆ’を選択するものとして以下説明するが、他の方式によってもかまわない。
影響因子選択部１３２は、ＣＰＵ９１１などの処理装置を用いて、重み付け算出部１３１が算出したｍ個の影響因子重み付けＷを、磁気ディスク装置９２０などの記憶装置から取得する。
影響因子選択部１３２は、ＣＰＵ９１１などの処理装置を用いて、すべての影響因子Ｆのなかから、選択因子Ｆ’をランダムに選択する。
影響因子選択部１３２は、選択因子Ｆ’の選択に際して、取得した影響因子重み付けＷの値が大きいものほど選択する確率が高くなるように構成されている。
例えば、影響因子重み付けＷが０≦Ｗ≦１の倍精度浮動小数点数である場合、影響因子選択部１３２は、例えば、以下のようにして、選択因子Ｆ’を選択する。
影響因子選択部１３２は、ＣＰＵ９１１などの処理装置を用いて、ｍ個の（擬似）乱数Ｒｊ（ｊは、１〜ｍの整数。０≦Ｒｊ＜２）を生成する。
影響因子選択部１３２は、ＣＰＵ９１１などの処理装置を用いて、生成したｊ番目の乱数Ｒｊと、ｊ番目の影響因子Ｆｊに対応する影響因子重み付けＷｊとを比較し、Ｒｊ＜Ｗｊであるか否かを判断する。
影響因子選択部１３２は、Ｒｊ＜Ｗｊであると判断した場合、ＣＰＵ９１１などの処理装置を用いて、ｊ番目の影響因子Ｆｊを選択する。すなわち、影響因子選択部１３２は、例えば、選択因子情報Ｓのｊビッド目を「１」にする。
影響因子選択部１３２は、Ｒｊ＜Ｗｊでないと判断した場合、ＣＰＵ９１１などの処理装置を用いて、ｊ番目の影響因子Ｆｊを選択しない。すなわち、影響因子選択部１３２は、例えば、選択因子情報Ｓのｊビッド目を「０」にする。
影響因子選択部１３２は、例えばこのようにして、選択因子Ｆ’をランダムに選択し、ＣＰＵ９１１などの処理装置を用いて、選択した選択因子Ｆ’を示す選択因子情報Ｓを、磁気ディスク装置９２０などの記憶装置に記憶する。
影響因子選択部１３２が選択した選択因子Ｆ’に基づいて、後述する特徴度算出部１３４が特徴度Ｃを算出し、磁気ディスク装置９２０などの記憶装置に記憶する。
次に、影響因子選択部１３２は、ＣＰＵ９１１などの処理装置を用いて、最初に選択した選択因子Ｆ’（以下、Ｆ’１と表わす）に近い選択因子Ｆ’（以下、Ｆ’２と表わす）を選択する。
例えば、最初の選択因子Ｆ’１に、ある影響因子Ｆを１つ追加した選択因子を、次の選択因子Ｆ’２として選択する。
あるいは、逆に、最初の選択因子Ｆ’１から、ある影響因子Ｆを１つ削除した選択因子を、次の選択因子Ｆ’２として選択する。
すなわち、最初の選択因子情報Ｓと比較して、１ビッド違いの選択因子情報を、次の選択因子情報Ｓとする。
影響因子選択部１３２は、例えばこのようにして、次の選択因子Ｆ’２を選択し、ＣＰＵ９１１などの処理装置を用いて、選択した選択因子Ｆ’２を示す選択因子情報Ｓを、磁気ディスク装置９２０などの記憶装置に記憶する。
なお、影響因子選択部１３２は、最初の選択因子Ｆ’１に、影響因子Ｆを１つ追加あるいは削除した選択因子を順番にすべて選択して、次の選択因子Ｆ’２としてよい。
あるいは、影響因子選択部１３２は、最初の選択因子Ｆ’１に、ある影響因子Ｆを１つ追加あるいは削除した選択因子のなかから、ランダムに選択したいくつかの選択因子を順番に選択して、次の選択因子Ｆ’２としてもよい。
その場合、ｊ番目の影響因子Ｆｊに対応する影響因子重み付けＷｊが大きい場合には、その影響因子Ｆｊが追加されやすく、削除されにくいようにしてもよい。逆に、影響因子重み付けＷｊが小さい場合には、対応する影響因子Ｆｊが削除されやすく、追加されにくいようにしてもよい。
例えば、影響因子選択部１３２は、ＣＰＵ９１１などの処理装置を用いて、選択因子情報Ｓのｊビッド目（ｊは、１〜ｍの整数）が「１」であるか「０」であるかを判断し、「１」である場合は、選択因子重み付けＷｊを、選択確率Ｗｊ’とし、「０」である場合は、選択因子重み付けＷｊを１から減算した値１−Ｗｊを、選択確率Ｗｊ’とし、選択確率Ｗｊ’の合計を計算して、選択確率合計Σ（Ｗｊ’）とし、磁気ディスク装置９２０などの記憶装置に記憶する。
次に、影響因子選択部１３２は、ＣＰＵ９１１などの処理装置を用いて、（擬似）乱数Ｒ（０≦Ｒ＜Σ（Ｗｊ’））を生成し、磁気ディスク装置９２０などの記憶装置に記憶する。
影響因子選択部１３２は、ＣＰＵ９１１などの処理装置を用いて、整数ｊを１として、磁気ディスク装置９２０などの記憶装置に記憶する。
影響因子選択部１３２は、ＣＰＵ９１１などの処理装置を用いて、乱数Ｒから、選択確率Ｗｊ’を減算し、その値を、新たな乱数Ｒとして、磁気ディスク装置９２０などの記憶装置に記憶する。影響因子選択部１３２は、乱数Ｒが０以上か否かを判断し、Ｒ≧０であると判断した場合、整数ｊに１を加えて、選択確率Ｗｊ’の減算を繰り返す。
影響因子選択部１３２は、Ｒ＜０と判断した場合、選択因子情報Ｓのｊビッド目を反転し、新たな選択因子情報Ｓとして、磁気ディスク装置９２０などの記憶装置に記憶する。 これにより、ｊ番目の選択因子Ｆｊに対応する影響因子重み付けＷｊの値に基づいて、選択因子Ｆｊの追加されやすさ及び削除されやすさを変化させることができる。
なお、ここに示した選択因子情報Ｓの生成方式は一例にすぎず、他の方式で生成してもかまわない。
影響因子選択部１３２が選択した選択因子Ｆ’に基づいて、後述する特徴度算出部１３４が、特徴度Ｃを算出して磁気ディスク装置９２０などの記憶装置に記憶する。
次に、影響因子選択部１３２は、ＣＰＵ９１１などの処理装置を用いて、最初の選択因子Ｆ’１に基づく特徴度Ｃと、次の選択因子Ｆ’２に基づく特徴度Ｃとを、磁気ディスク装置９２０などの記憶装置から取得する。
影響因子選択部１３２は、ＣＰＵ９１１などの処理装置を用いて、取得した特徴度のなかで特徴度Ｃが最大であるものを見つける。
影響因子選択部１３２は、ＣＰＵ９１１などの処理装置を用いて、最大の特徴度Ｃが基礎とした選択因子が、最初の選択因子Ｆ’１であるか、次の選択因子Ｆ’２であるかを判断する。
影響因子選択部１３２は、次の選択因子Ｆ’２に基づく特徴度Ｃが最大である場合には、次の選択因子Ｆ’２を、最初の選択因子Ｆ’１として、更に、その次の選択因子Ｆ’２を選択する。
すなわち、特徴度が改善した方向で、更に、探索を進める。
影響因子選択部１３２は、最初の選択因子Ｆ’１に基づく特徴度Ｃが最大である場合には、ＣＰＵ９１１などの処理装置を用いて、最初に選択した選択因子Ｆ’１を最適解の候補とし、磁気ディスク装置９２０などの記憶装置に記憶する。
影響因子選択部１３２は、更に、選択因子Ｆ’１，Ｆ’２とは無関係に、新たな選択因子をランダムに選択し、最初に選択した選択因子Ｆ’１とする。
すなわち、とりあえずの局所的最適解が求まったものとし、別の局所的最適解を求めて探索を続ける。
なお、この実施の形態では、重み付き大規模組み合わせ計算法による方式を説明したが、上述した通り、他の方式でもかまわない。
例えば、影響因子選択部１３２は、総当り法により、すべての組み合わせにかかる影響因子Ｆ’を、順次選択してもよい。
その場合、影響因子選択部１３２は、影響因子重み付けＷを利用しないので、重み付け算出部１３１はなくてもよい。
また、重み付け大規模組み合わせ計算法による方式を用いる場合には、その基礎となる大規模組み合わせ計算法として、焼きなまし法、遺伝的アルゴリズム、タブーサーチ法のいずれを用いてもかまわないし、その他の大規模組み合わせ計算法を用いてもかまわない。
特異値分解部１３３は、ＣＰＵ９１１などの処理装置を用いて、選択因子Ｆ’に対応する影響因子測定値ｘを成分とするパターン行列Ｐを特異値分解する。
特異値分解とは、ある行列ＰをＰ＝Ｕ・Ｓ・ＶＴを満たす３つの行列Ｕ，Ｓ，ＶＴの積に分解することをいう。
ここで、行列Ｐがｍ列ｎ行であるとする。行列Ｕは、ｋ列ｎ行の行列で、ＵＴ・Ｕ＝Ｉｋ（行列ＵＴは、行列Ｕの転置行列（行と列とを入れ替えた行列）。Ｉｋは、ｋ列ｋ行の単位行列）である。行列Ｓは、ｋ列ｋ行の正方対角行列である。行列ＶＴは、行列Ｖ（ｋ列ｍ行）の転置行列で、ＶＴ・Ｖ＝Ｉｋである。ただし、ｋは、行列Ｐの特異値の数で、１≦ｋ≦ｍの整数である。
行列Ｓの第ｉ列、第ｊ行の成分をＳｉｊとすると、行列Ｓは対角行列であるから、ｉ≠ｊのとき、Ｓｉｊ＝０である。また、Ｓｉｉ＝σｉは、行列Ｐの特異値であり、ｉ＜ｊのとき、σｉ＞σｊ＞０である。
ＣＰＵ９１１などの処理装置を有するコンピュータにより、特異値分解を計算する計算方法については、既知の方法があるので、ここでは説明しない。
ここで、行列Ｐを、ｎ個のｍ次元行ベクトルＸの集合として考えることとする。また、行列Ｕを、ｎ個のｋ次元の行ベクトルＱの集合として考えることとする。すると、行列Ｐの行ベクトルＸと行列Ｕの行ベクトルＱとの間には、（Ｓ・ＶＴによる）一次変換の関係がある。
いま、ｉ番目の測定値ｙｉに対応する影響因子測定値のｍ個の組（ｘｉ１，ｘｉ２，…，ｘｉｍ）を、ｍ次元行ベクトルＸｉとする。ｉ番目の測定値ｙｉに対応する行ベクトルＸｉをｉ行目とする行列を、パターン行列Ｐとする。
行ベクトルＸと測定値ｙとの間に相関があれば、行ベクトルＸを一次変換した行ベクトルＱと、測定値ｙとの間にも相関がある。
ここで、パターン行列Ｐを特異値分解して得た行列Ｕを、スコア値行列Ｕと呼び、スコア値行列Ｕの行ベクトルを、スコア値ベクトルＱと呼ぶこととする。スコア値行列Ｕのｉ行目であるスコア値ベクトルＱを、スコア値ベクトルＱｉと表わす。スコア値ベクトルＱｉは、ｉ番目の測定値ｙｉに対応する。
また、スコア値ベクトルＱの成分をスコア値ｕと呼ぶこととする。スコア値ベクトルＱは、ｋ次元ベクトルであるから、１つのスコア値ベクトルＱにつき、スコア値ｕがｋ個ある。ｉ番目の測定値ｙｉに対応するスコア値ベクトルＱｉのｂ番目の成分を、スコア値ｕｉｂと表わす。また、スコア値ベクトルＱのｂ番目の成分を総称して、スコア値ｕｂと表わすこともある。なお、スコア値ｕｉｂは、スコア値行列Ｕのｉ行ｂ列の成分である。
スコア値ベクトルＱと測定値ｙとの間に相関があれば、影響因子測定値ベクトルＸ（の成分）を記憶しておく代わりに、スコア値ベクトルＱ（の成分）を記憶しておいても、測定値ｙの予測に対する貢献は変わらない。
影響因子測定値ベクトルＸの成分（影響因子測定値ｘ）は、ｍ個あるのに対し、スコア値ベクトルＱの成分（スコア値ｕ）は、ｋ個（ｋ≦ｍ）であるから、磁気ディスク装置９２０などの記憶装置に必要となる記憶領域の容量は、ｋ／ｍ倍に削減できる。
ｍ個の影響因子Ｆのなかから、測定値ｙに対する影響が強いｍ’個の影響因子Ｆについてのみ影響因子測定値ｘを記憶しておくこととした場合も同様である。
すなわち、ｍ’個の選択因子Ｆ’についての影響因子測定値ｘからなる行ベクトルを、選択因子測定値ベクトルＸ’とし、ｉ番目の測定値ｙｉに対応する影響因子測定値ベクトルＸｉ’をｉ行目とする行列を、パターン行列Ｐとすれば、パターン行列Ｐを特異値分解して得たスコア値行列Ｕの列数ｋは、ｋ≦ｍ’となる。したがって、１つの測定値ｙについて、ｍ’個の影響因子測定値ｘを記憶する代わりに、ｋ個のスコア値ｕを記憶すればよいので、磁気ディスク装置９２０などの記憶装置に必要となる記憶領域の容量は、ｋ／ｍ’倍に削減できる。
上述したように、スコア値ベクトルＱと影響因子測定値ベクトルＸとの間には一次変換の関係がある。ここで、影響因子測定値ｘの値に対するスコア値ｕの影響度は、行列Ｓの成分である特異値σによって異なる。ｉ番目の特異値σｉと、ｊ番目の特異値σｊとの間には、σｉ＞σｊ（ただし、ｉ＜ｊ）という関係があるので、影響因子測定値ｘの値に対するｉ番目のスコア値ｕｉの影響度は、影響因子測定値ｘの値に対するｊ番目のスコア値ｕｊの影響度よりも大きい。
したがって、１≦ｋ’＜ｋである適当なｋ’を選び、１つの測定値ｙに対応するｋ個のスコア値ｕのうち、１番目〜ｋ’番目のスコア値ｕだけを抜き出して、行ベクトルＱ’とし、ｋ’＋１番目〜ｋ番目のスコア値ｕの影響を無視しても、近似的に、行ベクトルＱ’と影響因子測定値ベクトルＸとの間に一次変換の関係があるものとして扱うことができる。
ここで、スコア値ベクトルＱの成分（ｋ個のスコア値ｕ）のうち、ｋ’番目までのスコア値ｕを抜き出して生成した行ベクトルＱ’を、圧縮スコア値ベクトルＱ’と呼ぶこととする。圧縮スコア値ベクトルＱ’は、ｋ’個のスコア値ｕを成分とするｋ’次元の行ベクトルである。
影響因子測定値ベクトルＸ（または選択因子測定値ベクトルＸ’）から測定値ｙを予測した場合の予測値は、圧縮スコア値ベクトルＱ’から測定値ｙを予測した場合の予測値で近似できる。したがって、スコア値ベクトルＱのｋ個の成分を記憶しておく代わりに、圧縮スコア値ベクトルＱ’のｋ’個の成分を記憶しておくこととしても、測定値ｙの予測に対する貢献は、ほとんど変わらない。
その場合、磁気ディスク装置９２０などの記憶装置に必要となる記憶領域の容量は、更に、ｋ’／ｋ倍に削減できる。
膨大な量のデータを収集し、それを分析する必要がある場合、記憶容量を節約することは重要である。
この実施の形態における影響因子推定装置１００によって、ある影響因子Ｆが、測定対象の状態（測定値ｙ）に強い影響を与えると推定された場合、それ以降、そのような推定を受けた影響因子Ｆだけを測定することにしても、測定値ｙの予測精度は落ちないと考えられる。
したがって、測定しなければならない影響因子Ｆの数が減り、影響因子測定値ｘを記憶しておく磁気ディスク装置９２０などの記憶装置の記憶容量を節約できる。
また、影響因子測定値ｘを特異値分解して、ｋ個（あるいはｋ’個）のスコア値ｕに変換して記憶しておくこととすれば、磁気ディスク装置９２０などの記憶装置に必要となる記憶領域の容量を、更に節約できる。
しかし、特異値分解によって得たスコア値をｋ’次元まで圧縮すると、影響因子測定値ｘの近似になってしまうので、必ずしも、測定値ｙの予測精度を維持できるとは限らない。
そこで、この実施の形態の影響因子推定装置１００は、特異値分解によって得た圧縮スコア値ベクトルＱ’に基づいて、対応する測定値ｙが所定の条件を満たすか否かを判別する判別式を求め、求めた判別式の判別精度に基づいて、測定対象の状態（測定値ｙ）に強い影響を与える影響因子Ｆを推定することにより、圧縮スコア値ベクトルＱ’に変換したあとでも測定値ｙの予測精度を維持できる影響因子Ｆを、測定対象の状態（測定値ｙ）に強い影響を与える影響因子Ｆとして推定する。
そのため、特異値分解部１３３は、影響因子測定値ｘを成分とするパターン行列Ｐを特異値分解して、スコア値ベクトルＱの成分であるスコア値ｕと、パターン行列Ｐの特異値σとを算出する。
スコア値圧縮部１３６は、ＣＰＵ９１１などの処理装置を用いて、特異値分解部１３３が算出した特異値σに基づいて、圧縮次元ｋ’を算出する。
スコア値圧縮部１３６は、ＣＰＵ９１１などの処理装置を用いて、特異値分解部１３３が算出したスコア値ベクトルＱの成分であるスコア値ｕのうち、ｋ’番目までの成分を抜き出して、圧縮スコア値ベクトルＱ’を生成する。
図６は、この実施の形態における特異値分解部１３３及びスコア値圧縮部１３６の内部ブロックの構成の一例を示す詳細ブロック構成図である。
特異値分解部１３３は、選択因子測定値取得部３３１、特異値算出部３３２、スコア値算出部３３３を有する。
選択因子測定値取得部３３１は、ＣＰＵ９１１などの処理装置を用いて、影響因子測定値記憶部１２２が記憶した影響因子測定値ｘのなかから、影響因子選択部１３２が選択した選択因子Ｆ’についての影響因子測定値ｘを取得して、パターン行列Ｐを生成する。
まず、選択因子測定値取得部３３１は、ＣＰＵ９１１などの処理装置を用いて、影響因子選択部１３２が選択した選択因子Ｆ’を示す選択因子情報Ｓを、磁気ディスク装置９２０などの記憶装置から取得する。
選択因子情報Ｓは、例えば、ｍビッド（ｍは、影響因子Ｆｊの数）のデータであり、ｊビッド目が「１」の場合、ｊ番目の影響因子Ｆｊを選択することを示し、ｊビッド目が「０」の場合、ｊ番目の影響因子Ｆｊを選択しないことを示す。
例えば、選択因子情報Ｓが「１０１１…０１」であれば、影響因子Ｆ１，Ｆ３，Ｆ４，…，Ｆｍを選択し、影響因子Ｆ２，…，Ｆｍ−１を選択しないことを示す。
次に、選択因子測定値取得部３３１は、ＣＰＵ９１１などの処理装置を用いて、影響因子測定値記憶部１２２が記憶した影響因子測定値ｘを、磁気ディスク装置９２０などの記憶装置から取得する。
このとき、選択因子測定値取得部３３１は、選択因子情報Ｓの対応するビッドが「１」である影響因子Ｆについての影響因子測定値ｘだけを取得する。
したがって、選択因子情報Ｓによって示される選択因子Ｆ’の数がｍ’個であれば、選択因子測定値取得部３３１は、影響因子測定値記憶部１２２が記憶したｍ×ｎ個の影響因子測定値ｘのうち、ｍ’×ｎ個の影響因子測定値ｘを取得する。
そして、選択因子測定値取得部３３１は、ＣＰＵ９１１などの処理装置を用いて、取得した影響因子測定値ｘを、パターン行列Ｐとして、磁気ディスク装置９２０などの記憶装置に記憶する。
すなわち、選択因子測定値取得部３３１は、ｉ番目の測定値ｙｉに対応するｍ’個の影響因子測定値ｘを、対応する影響因子Ｆの順に並べたものを選択因子測定値ベクトルＸｉ’とし、選択因子測定値ベクトルＸｉ’のｊ’番目の成分を、ｉ行ｊ’列の成分とする行列を、パターン行列Ｐとする。
例えば、影響因子選択部１３２が選択した選択因子Ｆ’が、Ｆ１，Ｆ３，Ｆ４，…，Ｆｍである場合、選択因子測定値取得部３３１は、ｉ番目の測定値ｙｉに対応する影響因子測定値ｘとして、影響因子測定値記憶部１２２から影響因子測定値ｘｉ１，ｘｉ２，ｘｉ４，…，ｘｉｍを取得し、選択因子測定値ベクトルＸｉ’＝（ｘｉ１，ｘｉ２，ｘｉ４，…，ｘｉｍ）をｉ行目の行ベクトルとする行列を、パターン行列Ｐとする。
図７は、この実施の形態における選択因子測定値取得部３３１の動作を模式的に表わした図である。
選択因子測定値取得部３３１は、影響因子測定値記憶部１２２が記憶した影響因子測定値ｘのなかから、影響因子選択部１３２が生成した選択因子情報Ｓによって示される選択因子Ｆ’についての影響因子測定値ｘを取得して、パターン行列Ｐとする。
選択因子測定値ベクトルＸ’は、選択因子測定値取得部３３１が生成したパターン行列Ｐの１行であり、測定値ｙと対応している。
図６に戻り、特異値分解部１３３及びスコア値圧縮部１３６の内部ブロックの説明を続ける。
影響因子選択部１３２は、パターン行列Ｐとして、その成分である影響因子測定値ｘを磁気ディスク装置９２０などの記憶装置に記憶する。例えば、影響因子選択部１３２が選択した選択因子Ｆ’の数がｍ’個であれば、選択因子測定値取得部３３１は、ｍ’×ｎ個の倍精度浮動小数点数の（二次元）配列として、影響因子測定値ｘを記憶する。あるいは、倍精度浮動小数点数を記憶するフィールドｍ’個を有するレコードｎ個を持つファイルとして、影響因子測定値ｘを記憶する。
特異値算出部３３２は、パターン行列Ｐの特異値σを算出する。
すなわち、特異値算出部３３２は、ＣＰＵ９１１などの処理装置を用いて、選択因子測定値取得部３３１が取得したパターン行列Ｐ（の成分）を、磁気ディスク装置９２０などの記憶装置から取得する。
特異値算出部３３２は、ＣＰＵ９１１などの処理装置を用いて、取得したパターン行列Ｐの特異値σを計算する。
なお、ＣＰＵ９１１などの処理装置を有するコンピュータが、特異値σを計算する計算方式については、既存の方式があるので、ここでは詳しく説明しない。
ここで、パターン行列Ｐの特異値が全部でｋ個あるものとする。
特異値算出部３３２は、ＣＰＵ９１１などの処理装置を用いて、ｋ個の特異値σをすべて算出し、大きい順に並べて、σ１，σ２，…，σｋとする。
特異値算出部３３２は、ＣＰＵ９１１などの処理装置を用いて、算出したｋ個の特異値σを、磁気ディスク装置９２０などの記憶装置に記憶する。
特異値算出部３３２は、例えば、ｋ個の倍精度浮動小数点数の配列として、特異値を記憶する。あるいは、倍精度浮動小数点数を記憶するｋ個のフィールド（あるいはレコード）を持つファイルとして、特異値を記憶する。
スコア値算出部３３３は、パターン行列Ｐを特異値分解したスコア値行列Ｕの成分であるスコア値ｕを算出する。
すなわち、スコア値算出部３３３は、ＣＰＵ９１１などの処理装置を用いて、選択因子測定値取得部３３１が取得したパターン行列Ｐ（の成分）を、磁気ディスク装置９２０などの記憶装置から取得する。
スコア値算出部３３３は、ＣＰＵ９１１などの処理装置を用いて、特異値算出部３３２が算出したｋ個の特異値σを、磁気ディスク装置９２０などの記憶装置から取得する。
スコア値算出部３３３は、ＣＰＵ９１１などの処理装置を用いて、取得したパターン行列Ｐ（の成分）と、取得したｋ個の特異値σとに基づいて、スコア値ｕを算出する。
なお、ＣＰＵ９１１などの処理装置を有するコンピュータが、スコア値ｕを計算する計算方式については、既存の方式があるので、ここでは詳しく説明しない。
スコア値行列Ｕは、ｋ列ｎ行の行列であるから、スコア値算出部３３３は、ｋ×ｎ個のスコア値ｕを算出する。
スコア値算出部３３３は、ＣＰＵ９１１などの処理装置を用いて、算出したｋ×ｎ個のスコア値ｕを、磁気ディスク装置９２０などの記憶装置に記憶する。
スコア値算出部３３３は、例えば、ｋ×ｎ個の倍精度浮動小数点数の（二次元）配列として、スコア値ｕを記憶する。あるいは、倍精度浮動小数点数を記憶するフィールドｋ個を有するレコードｎ個を持つファイルとして、スコア値ｕを記憶する。
図８は、この実施の形態における特異値算出部３３２及びスコア値算出部３３３の動作を模式的に表わした図である。
特異値算出部３３２は、パターン行列Ｐのｋ個の特異値σ１，σ２，σ３，…，σｋを算出する。
スコア値算出部３３３は、特異値算出部３３２が算出したｋ個の特異値σ１，σ２，σ３，…，σｋに基づいて、ｍ’列ｎ行のパターン行列Ｐを特異値分解し、ｋ列ｎ行のスコア値行列Ｕ（の成分であるスコア値ｕ）を算出する。
スコア値ベクトルＱは、スコア値算出部３３３が算出したスコア値行列Ｕの１行であり、測定値ｙと対応している。
図６に戻り、特異値分解部１３３及びスコア値圧縮部１３６の内部ブロックの説明を続ける。
スコア値圧縮部１３６は、圧縮次元算出部３３４、圧縮スコア値算出部３３５を有する。
圧縮次元算出部３３４は、ＣＰＵ９１１などの処理装置を用いて、圧縮次元ｋ’を算出する。
圧縮次元ｋ’とは、１つの測定値ｙに対応する選択因子測定値ベクトルＸ’を、いくつのスコア値ｕで近似するかを示す数である。
例えば、選択因子測定値ベクトルＸ’にスコア値ベクトルＱの第一成分ｕ１の寄与率が５０％、第二成分ｕ２の寄与率が３０％である場合、圧縮次元ｋ’を２にすれば、８０％の寄与率で選択因子測定値ベクトルＸ’を近似できる。
ここで、ｂ番目の成分ｕｂの寄与率とは、特異値σの合計に対する、ｂ番目の特異値σｂの割合をいう。
圧縮次元ｋ’が大きければ、寄与率の合計が大きくなるので、近似の精度が高くなるが、記憶領域の節約効果は薄くなる。逆に、圧縮次元ｋ’が小さければ、記憶領域は節約できるが、近似の精度が低くなり、測定値ｙの予測精度が悪くなる。
そこで、この実施の形態における影響因子推定装置１００では、寄与率の合計が、あらかじめ定めた寄与率閾値ｔ（ただし、０＜ｔ＜１）よりも大きくなる最小のｋ’を求め、圧縮次元とする。
まず、圧縮次元算出部３３４は、ＣＰＵ９１１などの処理装置を用いて、特異値算出部３３２が算出したｋ個の特異値σを、磁気ディスク装置９２０などの記憶装置から取得する。
次に、圧縮次元算出部３３４は、ＣＰＵ９１１などの処理装置を用いて、取得したｋ個の特異値σの合計を計算し、特異値合計Σ（σ）とする。
圧縮次元算出部３３４は、計算した特異値合計Σ（σ）を、磁気ディスク装置９２０などの記憶装置に記憶する。
なお、圧縮次元算出部３３４は、特異値σ１，σ２，…，σｋを、添え字の小さいものから（特異値が大きいものから）順に足していき、その途中経過Σ（σｉ）＝σ１＋σ２＋…＋σｉ（ｉは、１〜ｋの整数）を、磁気ディスク装置９２０などの記憶装置に記憶しておく。
圧縮次元算出部３３４は、ＣＰＵ９１１などの処理装置を用いて、計算した特異値合計Σ（σ）と、寄与率閾値ｔとを、磁気ディスク装置９２０などの記憶装置から取得する。
圧縮次元算出部３３４は、ＣＰＵ９１１などの処理装置を用いて、計算した特異値合計Σ（σ）と、寄与率閾値ｔとの積ｔ×Σ（σ）を計算し、特異値合計閾値Ｔとする。
圧縮次元算出部３３４は、ＣＰＵ９１１などの処理装置を用いて、計算した特異値合計閾値Ｔを、磁気ディスク装置９２０などの記憶装置に記憶する。
圧縮次元算出部３３４は、計算した特異値合計閾値Ｔと、計算した途中経過Σ（σｉ）（ｉは、１〜ｋの整数）とを、磁気ディスク装置９２０などの記憶装置から取得する。
圧縮次元算出部３３４は、ＣＰＵ９１１などの処理装置を用いて、特異値合計閾値Ｔと、途中経過Σ（σｉ）とを比較する。
圧縮次元算出部３３４は、ＣＰＵ９１１などの処理装置を用いて、途中経過Σ（σｉ）が、特異値合計閾値Ｔよりも大きい最小のｉを見つけ、圧縮次元ｋ’とする。
圧縮次元算出部３３４は、ＣＰＵ９１１などの処理装置を用いて、圧縮次元ｋ’を、磁気ディスク装置９２０などの記憶装置に記憶する。
圧縮スコア値算出部３３５は、ＣＰＵ９１１などの処理装置を用いて、スコア値算出部３３３が算出したｎ個のｋ次元ベクトルであるスコア値ベクトルＱを、ｎ個のｋ’次元ベクトルである圧縮スコア値ベクトルＱ’に圧縮する。
まず、圧縮スコア値算出部３３５は、ＣＰＵ９１１などの処理装置を用いて、圧縮次元算出部３３４が算出した圧縮次元ｋ’を、磁気ディスク装置９２０などの記憶装置から取得する。
次に、圧縮スコア値算出部３３５は、ＣＰＵ９１１などの処理装置を用いて、スコア値算出部３３３が算出したスコア値ｕを、磁気ディスク装置９２０などの記憶装置から取得する。
このとき、圧縮スコア値算出部３３５は、ある測定値ｙに対応するスコア値ベクトルＱの成分であるｋ個のスコア値ｕのうち、１番目からｋ’番目までのスコア値ｕ（ｋ’個）を取得する。
すなわち、圧縮スコア値算出部３３５は、スコア値算出部３３３が算出したｋ×ｎ個のスコア値ｕのうち、ｋ’×ｎ個のスコア値を取得する。
圧縮スコア値算出部３３５は、ＣＰＵ９１１などの処理装置を用いて、取得したスコア値ｕを、磁気ディスク装置９２０などの記憶装置に記憶する。
すなわち、圧縮スコア値算出部３３５は、ある測定値ｙに対応して取得したｋ’個のスコア値を成分とするベクトルを、圧縮スコア値ベクトルＱ’とし、ｎ個の圧縮スコア値ベクトルＱ’を記憶する。すなわち、圧縮スコア値算出部３３５は、ｋ’×ｎ個のスコア値を記憶する。
圧縮スコア値算出部３３５は、例えば、ｋ’×ｎ個の倍精度浮動小数点数の（二次元）配列として、スコア値ｕを記憶する。あるいは、倍精度浮動小数点数を記憶するフィールドｋ’個を有するレコードｎ個を持つファイルとして、スコア値ｕを記憶する。
図９は、この実施の形態における圧縮次元算出部３３４及び圧縮スコア値算出部３３５の動作を模式的に表わした図である。
圧縮次元算出部３３４は、特異値算出部３３２が算出したｋ個の特異値σ１，σ２，σ３，…，σｋに基づいて、圧縮次元ｋ’を算出する。
圧縮スコア値算出部３３５は、圧縮次元算出部３３４が算出した圧縮次元ｋ’に基づいて、スコア値算出部３３３が算出したｋ列ｎ行のスコア値行列Ｕを圧縮し、ｋ’列ｎ行の圧縮スコア値行列Ｕ’とする。
例えば、圧縮次元ｋ’が「３」であれば、圧縮スコア値算出部３３５は、スコア値行列Ｕの１列目〜３列目までを取り出して、圧縮スコア値行列Ｕ’とする。
圧縮スコア値ベクトルＱ’は、圧縮スコア値算出部３３５が算出した圧縮スコア値行列Ｕ’の１行であり、測定値ｙと対応している。
なお、スコア値算出部３３３が、圧縮次元算出部３３４が算出した圧縮次元ｋ’を取得し、スコア値ベクトルＱの１番目からｋ’番目までの成分であるスコア値ｕだけを計算することとしてもよい。その場合、圧縮スコア値算出部３３５は、なくてもよい。
図３に戻り、影響因子推定装置１００の機能ブロックの説明を続ける。
特徴度算出部１３４は、ＣＰＵ９１１などの処理装置を用いて、特徴度Ｃを算出する。
特徴度Ｃとは、所定の条件を満たす測定値ｙについて、測定値ｙに対応する圧縮スコア値ベクトルＱ’のバラツキの度合いを示す値である。
例えば、圧縮スコア値ベクトルＱ’が、ほぼ一点に集中していれば、圧縮スコア値ベクトルＱ’のバラツキが小さいといえる。
また、圧縮スコア値ベクトルＱ’が、直線状に分布していれば、一点に集中している場合ほどではないが、圧縮スコア値ベクトルＱ’のバラツキが小さいといえる。
特徴度Ｃは、このように、圧縮スコア値ベクトルＱ’の分布状態を示す値である。
図１０は、この実施の形態における特徴度算出部１３４の内部ブロックの構成の一例を示す詳細ブロック構成図である。
特徴度算出部１３４は、圧縮スコア値ベクトル取得部３９１、基準スコア値平均値算出部３４１、基準スコア値分散算出部３４２、基準スコア値共分散算出部３４３、回帰式算出部３９２、回帰誤差算出部３９３、回帰誤差合計算出部３９４を有する。
圧縮スコア値ベクトル取得部３９１は、ＣＰＵ９１１などの処理装置を用いて、所定の条件を満たす測定値ｙに対応する圧縮スコア値ベクトルＱ’を取得する。
まず、圧縮スコア値ベクトル取得部３９１は、ＣＰＵ９１１などの処理装置を用いて、測定値記憶部１２３が記憶したｎ個の測定値ｙを、磁気ディスク装置９２０などの記憶装置から取得する。
圧縮スコア値ベクトル取得部３９１は、ＣＰＵ９１１などの処理装置を用いて、取得したｎ個の測定値ｙそれぞれについて、所定の条件を満たすか否かを判断する。
圧縮スコア値ベクトル取得部３９１が圧縮スコア値ベクトルＱ‘を取得する条件には、例えば、測定値ｙが所定の閾値以下である場合、逆に、測定値ｙが所定の閾値以上である場合、または、測定値ｙが第一の閾値と第二の閾値の間にある場合などがある。
これらの条件は、測定値ｙの予測において、利用者が判別したい条件である。例えば、測定値ｙがある閾値を超えた場合に、部品交換などの対応をしなければならないのであれば、それを取得の条件とする。
これらの条件は、あらかじめ定めておき、圧縮スコア値ベクトル取得部３９１が、あらかじめ定められた条件にしたがって、その条件を満たすかを判断してもよい。
あるいは、条件だけはあらかじめ定めておくが、比較の対象となる閾値は可変できるようにしておき、影響因子推定装置１００が、ＣＰＵ９１１などの処理装置を用いて、キーボード９０２などの入力装置から入力してもよい。
あるいは、いくつかの条件のなかから、圧縮スコア値ベクトルＱ’の取得条件を選べるようにしておき、そのなかから選んだ条件で、圧縮スコア値ベクトルＱ’を取得することとしてもよい。
次に、圧縮スコア値ベクトル取得部３９１は、ＣＰＵ９１１などの処理装置を用いて、スコア値圧縮部１３６が算出した圧縮スコア値ベクトルＱ’のなかから、所定の条件を満たすと判断した測定値ｙに対応する圧縮スコア値ベクトルＱ’の成分であるスコア値ｕを、磁気ディスク装置９２０などの記憶装置から取得する。
例えば、圧縮スコア値ベクトル取得部３９１は、測定値ｙ１，ｙ４，…が所定の条件を満たし、測定値ｙ２，ｙ３，…が所定の条件を満たさないと判断した場合、ＣＰＵ９１１などの処理装置を用いて、圧縮スコア値ベクトルＱ１’，Ｑ４’，…の成分であるスコア値ｕ１１，ｕ１２，…，ｕ１ｋ’、ｕ４１，ｕ４２，…，ｕ４ｋ’、…を、磁気ディスク装置９２０などの記憶装置から取得する。
圧縮スコア値ベクトル取得部３９１は、所定の条件を満たすと判断した測定値ｙがｎ’個あるとすると、ｎ’個の測定値ｙに対応するｎ’個の圧縮スコア値ベクトルＱ’の成分であるｋ’×ｎ’個のスコア値ｕを、磁気ディスク装置９２０などの記憶装置から取得する。
そして、圧縮スコア値ベクトル取得部３９１は、ＣＰＵ９１１などの処理装置を用いて、取得したｎ’個の圧縮スコア値ベクトルＱ’（の成分であるスコア値ｕ）を、磁気ディスク装置９２０などの記憶装置に記憶する。
圧縮スコア値ベクトル取得部３９１は、例えば、ｎ’×ｋ’個の倍精度浮動小数点数の（二次元）配列として、取得した圧縮スコア値ベクトルＱ’を記憶する。あるいは、倍精度浮動小数点数を記憶するフィールドｋ’個を有するレコードｎ’個を持つファイルとして、取得した圧縮スコア値ベクトルＱ’を記憶する。
回帰式算出部３９２は、ＣＰＵ９１１などの処理装置を用いて、圧縮スコア値ベクトル取得部３９１が取得した圧縮スコア値ベクトルＱ’の回帰式を算出する。
ここで、回帰式とは、ある程度の広がりを持って分布する圧縮スコア値ベクトルＱ’の分布を近似する方程式である。
圧縮スコア値ベクトルＱ’の圧縮次元がｋ’である場合、圧縮スコア値ベクトルＱ’に対応するｋ’次空間における点を、ｋ’次空間における回帰式が表わす超平面（または超曲面）上の点で近似する。
一例として、圧縮次元ｋ’が２である場合について説明する。なお、圧縮次元ｋ’は３以上でもよい。
圧縮スコア値ベクトルＱ’は、ｋ’個のスコア値ｕを成分としてもつ。ここで、圧縮スコア値ベクトルＱ‘の第一成分であるスコア値ｕ１を説明変数、第二成分であるスコア値ｕ２を目的変数とし、ｕ２＝ａｕ１＋ｂ＋ε（ただし、ａ，ｂは、回帰式のパラメータ。εは、回帰誤差）について、εの二乗の合計が最も小さくなる直線の方程式ｌ：Ｕ２＝ａ・ｕ１＋ｂ（ただし、Ｕ２は、スコア値ｕ２の予測値であって、ｕ２＝Ｕ２＋ε）を回帰式として、回帰式のパラメータａ，ｂを求める。
ここで、スコア値ｕｉの平均値をＡｖｅ（ｕｉ）、分散をＶａｒ（ｕｉ）、スコア値ｕ１とスコア値ｕ２との共分散をＣｏｖ（ｕ１，ｕ２）とすると、回帰式ｌは、ｌ：Ｕ２＝Ｃｏｖ（ｕ１，ｕ２）／Ｖａｒ（ｕ１）・｛ｕ１−Ａｖｅ（ｕ１）｝＋Ａｖｅ（ｕ２）であることが知られている。
したがって、ａ＝Ｃｏｖ（ｕ１，ｕ２）／Ｖａｒ（ｕ１）、ｂ＝Ａｖｅ（ｕ２）―Ａｖｅ（ｕ１）・Ｃｏｖ（ｕ１，ｕ２）／Ｖａｒ（ｕ１）を計算することにより、回帰式のパラメータを算出することができる。
そのため、基準スコア値平均値算出部３４１・基準スコア値分散算出部３４２・基準スコア値共分散算出部３４３が、スコア値ｕの平均値、分散、共分散を計算する。
基準スコア値平均値算出部３４１は、ＣＰＵ９１１などの処理装置を用いて、圧縮スコア値ベクトル取得部３９１が取得したｎ’個の圧縮スコア値ベクトルＱ’の各成分ごとに、スコア値ｕの平均値を算出する。
まず、基準スコア値平均値算出部３４１は、ＣＰＵ９１１などの処理装置を用いて、圧縮スコア値ベクトル取得部３９１が取得したｎ’個の圧縮スコア値ベクトルＱ’の成分であるｋ’×ｎ’個のスコア値ｕを、磁気ディスク装置９２０などの記憶装置から取得する。
次に、基準スコア値平均値算出部３４１は、ＣＰＵ９１１などの処理装置を用いて、取得した圧縮スコア値ベクトルＱ’の各成分それぞれについて、スコア値ｕの合計を計算し、基準スコア値合計Σ（ｕｂ）（ｂは、１〜ｋ’の整数）とする。
圧縮スコア値ベクトル取得部３９１が取得した圧縮スコア値ベクトルＱ’の数がｎ’個だとすると、基準スコア値平均値算出部３４１は、ｎ’個の圧縮スコア値ベクトルＱ’の各成分について、ｎ’個のスコア値ｕを合計する。
圧縮スコア値ベクトルＱ’は、ｋ’次元のベクトルなので、基準スコア値平均値算出部３４１は、各成分ごとに基準スコア値合計Σ（ｕｂ）を計算し、圧縮スコア値ベクトルＱ’のｋ’個の成分に対応して、ｋ’個の基準スコア値合計Σ（ｕｂ）を計算する。
そして、基準スコア値平均値算出部３４１は、ＣＰＵ９１１などの処理装置を用いて、圧縮スコア値ベクトルＱ’の各成分それぞれについて、計算したｋ’個の基準スコア値合計Σ（ｕｂ）を、圧縮スコア値ベクトル取得部３９１が取得した圧縮スコア値ベクトルＱ’の数ｎ’で割り、基準スコア値平均値Ａｖｅ（ｕｂ）（ｂは、１〜ｋ’の整数）とする。
基準スコア値平均値算出部３４１は、圧縮スコア値ベクトルＱ’のｋ’個の成分に対応して、ｋ’個の基準スコア値平均値Ａｖｅ（ｕｂ）を計算する。
基準スコア値平均値算出部３４１は、ＣＰＵ９１１などの処理装置を用いて、計算したｋ’個の基準スコア値平均値Ａｖｅ（ｕｂ）を、磁気ディスク装置９２０などの記憶装置に記憶する。
基準スコア値平均値算出部３４１は、例えば、ｋ’個の倍精度浮動小数点数の配列として、基準スコア値平均値Ａｖｅ（ｕｂ）を記憶する。あるいは、倍精度浮動少数点数を記憶するフィールド（あるいはレコード）ｋ’個を持つファイルとして、基準スコア値平均値Ａｖｅ（ｕｂ）を記憶する。
基準スコア値分散算出部３４２は、ＣＰＵ９１１などの処理装置を用いて、圧縮スコア値ベクトル取得部３９１が取得した圧縮スコア値ベクトルＱ’の各成分それぞれについて、スコア値ｕの分散を算出する。
まず、基準スコア値分散算出部３４２は、ＣＰＵ９１１などの処理装置を用いて、圧縮スコア値ベクトル取得部３９１が取得したｎ’個の圧縮スコア値ベクトルＱ’の成分であるｋ’×ｎ’個のスコア値ｕを、磁気ディスク装置９２０などの記憶装置から取得する。
基準スコア値分散算出部３４２は、ＣＰＵ９１１などの処理装置を用いて、基準スコア値平均値算出部３４１が計算したｋ’個の基準スコア値平均値Ａｖｅ（ｕｂ）を、磁気ディスク装置９２０などの記憶装置から取得する。
基準スコア値分散算出部３４２は、ＣＰＵ９１１などの処理装置を用いて、圧縮スコア値ベクトルＱ’のｋ’個の成分それぞれについて、取得したスコア値ｕと、取得した基準スコア値平均値Ａｖｅ（ｕｂ）とに基づいて、スコア値ｕの分散を計算し、基準スコア値分散Ｖａｒ（ｕｂ）（ｂは、１〜ｋ’の整数）とする。
基準スコア値分散算出部３４２は、圧縮スコア値ベクトルＱ’のｋ’個の成分に対応して、ｋ’個の基準スコア値分散Ｖａｒ（ｕｂ）を計算する。
例えば、基準スコア値分散算出部３４２は、ＣＰＵ９１１などの処理装置を用いて、ある成分に対応するスコア値ｕから、その成分に対応する基準スコア値平均値Ａｖｅ（ｕｂ）を減算してスコア値偏差Δｕとし、スコア値偏差Δｕを二乗して、スコア値偏差二乗（Δｕ）２とし、１つの成分に対応するｎ’個のスコア値偏差二乗（Δｕ）２を合計して、スコア値偏差二乗合計Σ｛（Δｕ）２｝とし、スコア値偏差二乗合計Σ｛（Δｕ）２｝を、基準ベクトル群Ｇに属する圧縮スコア値ベクトルＱ’の数ｎ’で除して、基準スコア値分散Ｖａｒ（ｕｂ）を求める。
基準スコア値分散算出部３４２は、ＣＰＵ９１１などの処理装置を用いて、計算したｋ’個の基準スコア値分散Ｖａｒ（ｕｂ）を、磁気ディスク装置９２０などの記憶装置に記憶する。
基準スコア値分散算出部３４２は、例えば、ｋ’個の倍精度浮動小数点数の配列として、基準スコア値分散Ｖａｒ（ｕｂ）を記憶する。あるいは、倍精度浮動少数点数を記憶するフィールド（あるいはレコード）ｋ’個を持つファイルとして、基準スコア値分散Ｖａｒ（ｕｂ）を記憶する。
基準スコア値共分散算出部３４３は、ＣＰＵ９１１などの処理装置を用いて、圧縮スコア値ベクトル取得部３９１が取得した圧縮スコア値ベクトルＱ’のある成分と、他の成分との間の共分散を算出する。
まず、基準スコア値共分散算出部３４３は、ＣＰＵ９１１などの処理装置を用いて、圧縮スコア値ベクトル取得部３９１が取得したｎ’個の圧縮スコア値ベクトルＱ’の成分であるｋ’×ｎ’個のスコア値ｕを、磁気ディスク装置９２０などの記憶装置から取得する。
基準スコア値共分散算出部３４３は、ＣＰＵ９１１などの処理装置を用いて、基準スコア値平均値算出部３４１が計算したｋ’個の基準スコア値平均値Ａｖｅ（ｕｂ）を、磁気ディスク装置９２０などの記憶装置から取得する。
基準スコア値共分散算出部３４３は、ＣＰＵ９１１などの処理装置を用いて、取得したスコア値ｕと、取得したｋ’個の基準スコア値平均値Ａｖｅ（ｕｂ）とに基づいて、圧縮スコア値ベクトルＱ’の２つの成分の間の共分散を計算し、基準スコア値共分散Ｃｏｖ（ｕｂ１，ｕｂ２）（ｂ１は、１〜ｋ’−１の整数。ｂ２は、ｂ１＋１〜ｋ’の整数）とする。
圧縮スコア値ベクトルＱ’はｋ’次元ベクトルなので、ｋ’個の成分を有する。そのなかから２つを選ぶ組み合わせは、｛ｋ’・（ｋ’−１）／２｝通りある。したがって、基準スコア値共分散算出部３４３は、｛ｋ’・（ｋ’−１）／２｝個の基準スコア値共分散Ｃｏｖ（ｕｂ１，ｕｂ２）を計算する。
例えば、基準スコア値共分散算出部３４３は、ＣＰＵ９１１などの処理装置を用いて、ある成分に対応するスコア値ｕから、その成分に対応する基準スコア値平均値Ａｖｅ（ｕｂ）を減算し、スコア値偏差Δｕとする。なお、スコア値偏差Δｕは、基準スコア値分散算出部３４２が計算したものを、磁気ディスク装置９２０などの記憶装置に記憶しておき、基準スコア値共分散算出部３４３が取得してもよい。
基準スコア値共分散算出部３４３は、ＣＰＵ９１１などの処理装置を用いて、ある圧縮スコア値ベクトルＱ’に対応するｋ’個のスコア値偏差Δｕのなかから、２つのスコア値偏差Δｕを選んで、スコア値偏差Δｕの積を計算し、スコア値偏差積Δｕｂ１Δｕｂ２（ｂ１は、１〜ｋ’−１の整数。ｂ２は、ｂ１＋１〜ｋ’の整数）とする。
１つの圧縮スコア値ベクトルＱ’に対応するｋ’個のスコア値偏差Δｕのなかから２つのスコア値偏差を選ぶ組み合わせは｛ｋ’・（ｋ’−１）／２｝通りなので、基準スコア値共分散算出部３４３は、１つの測定値ｙにつき、｛ｋ’・（ｋ’−１）／２｝個のスコア値偏差積Δｕｂ１Δｕｂ２を計算する。
また、圧縮スコア値ベクトル取得部３９１が取得した圧縮スコア値ベクトルＱ’はｎ’個あるので、基準スコア値共分散算出部３４３は、ｎ’個の圧縮スコア値ベクトルＱ’に対応して、全部で、｛ｋ’・（ｋ’−１）／２｝×ｎ’個のスコア値偏差積Δｕｂ１Δｕｂ２を計算する。
基準スコア値共分散算出部３４３は、ＣＰＵ９１１などの処理装置を用いて、圧縮スコア値ベクトルＱ’の同じ２つの成分について計算したスコア値偏差積Δｕｂ１Δｕｂ２を合計し、スコア値偏差積合計Σ（Δｕｂ１Δｕｂ２）とする。
基準ベクトル群Ｇに属する圧縮スコア値ベクトルＱ’の数はｎ’個であるから、同じ２つの成分について計算したスコア値偏差積Δｕｂ１Δｕｂ２もｎ’個ある。基準スコア値共分散算出部３４３は、ｎ’個のスコア値偏差積Δｕｂ１Δｕｂ２を合計して、スコア値偏差積合計Σ（Δｕｂ１Δｕｂ２）を計算する。
また、圧縮スコア値ベクトルＱ’のｋ’個の成分から、２つの成分を選ぶ組み合わせは｛ｋ’・（ｋ’−１）／２｝通りなので、基準スコア値共分散算出部３４３は、｛ｋ’・（ｋ’−１）／２｝個のスコア値偏差積合計Σ（Δｕｂ１Δｕｂ２）を計算する。
基準スコア値共分散算出部３４３は、ＣＰＵ９１１などの処理装置を用いて、計算したスコア値偏差積合計Σ（Δｕｂ１Δｕｂ２）を、圧縮スコア値ベクトル取得部３９１が取得した圧縮スコア値ベクトルＱ’の数ｎ’で除して、基準スコア値共分散Ｃｏｖ（ｕｂ１，ｕｂ２）を求める。
基準スコア値共分散算出部３４３は、ＣＰＵ９１１などの処理装置を用いて、計算した｛ｋ’・（ｋ’−１）／２｝個の基準スコア値共分散Ｃｏｖ（ｕｂ１，ｕｂ２）を、磁気ディスク装置９２０などの記憶装置に記憶する。
基準スコア値共分散算出部３４３は、例えば、ｋ’×ｋ’個の倍精度浮動小数点数の（二次元）配列として、基準スコア値共分散Ｃｏｖ（ｕｂ１，ｕｂ２）を記憶する。
回帰式算出部３９２は、ＣＰＵ９１１などの処理装置を用いて、基準スコア値平均値算出部３４１が算出した基準スコア値平均値Ａｖｅ（ｕｂ）・基準スコア値分散算出部３４２が算出した基準スコア値分散Ｖａｒ（ｕｂ）・基準スコア値共分散算出部３４３が算出した基準スコア値共分散Ｃｏｖ（ｕｂ１，ｕｂ２）を、磁気ディスク装置９２０などの記憶装置から取得する。
回帰式算出部３９２は、ＣＰＵ９１１などの処理装置を用いて、取得した基準スコア値平均値Ａｖｅ（ｕｂ）・基準スコア値分散Ｖａｒ（ｕｂ）・基準スコア値共分散Ｃｏｖ（ｕｂ１，ｕｂ２）に基づいて、回帰式のパラメータを算出する。
回帰式算出部３９２は、ＣＰＵ９１１などの処理装置を用いて、算出した回帰式のパラメータを、磁気ディスク装置９２０などの記憶装置に記憶する。
回帰誤差算出部３９３は、ＣＰＵ９１１などの処理装置を用いて、回帰式算出部３９２が算出した回帰式と、圧縮スコア値ベクトルＱ’との間の回帰誤差の二乗ε２を算出する。
すなわち、回帰誤差算出部３９３は、ＣＰＵ９１１などの処理装置を用いて、回帰式算出部３９２が算出した回帰式のパラメータを、磁気ディスク装置９２０などの記憶装置から取得する。
次に、回帰誤差算出部３９３は、ＣＰＵ９１１などの処理装置を用いて、圧縮スコア値ベクトル取得部３９１が取得したｎ’個の圧縮スコア値ベクトルＱ’の成分であるｋ’×ｎ’個のスコア値ｕを、磁気ディスク装置９２０などの記憶装置から取得する。
次に、回帰誤差算出部３９３は、ＣＰＵ９１１などの処理装置を用いて、取得した回帰式のパラメータと、取得したスコア値ｕとに基づいて、回帰誤差の二乗ε２を算出する。
例えば、上記説明した圧縮次元ｋ’が２の場合の例であれば、回帰式として、直線の方程式ｌ：Ｕ２＝ａ・ｕ１＋ｂ（ただし、ｕ２＝Ｕ２＋ε）を用いるので、回帰誤差εは、ε＝ａ・ｕ１＋ｂ−ｕ２を計算することにより、算出することができる。
回帰誤差算出部３９３は、全部でｎ’個（圧縮スコア値ベクトル取得部３９１が取得した圧縮スコア値ベクトルＱ’の数と等しい）の回帰誤差の二乗ε２を算出する。
なお、回帰誤差の二乗ε２は、近似誤差の一例である。特徴度算出部１３４は、近似誤差として、例えば、回帰誤差の絶対値を用いてもよい。
回帰誤差合計算出部３９４は、ＣＰＵ９１１などの処理装置を用いて、回帰誤差算出部３９３が算出した回帰誤差の二乗ε２を合計して、特徴度Ｃとする。
回帰誤差合計算出部３９４は、ＣＰＵ９１１などの処理装置を用いて、算出した特徴度Ｃを、磁気ディスク装置９２０などの記憶装置に記憶する。
図３に戻り、影響因子推定装置１００の機能ブロックの説明を続ける。
判別式算出部１３７は、特徴度算出部１３４が算出した特徴度Ｃが良好な場合に、ＣＰＵ９１１などの処理装置を用いて、圧縮スコア値ベクトルＱ’の成分であるスコア値ｕに基づいて対応する測定値ｙが所定の条件を満たすか否かを判別する判別式を算出する。
ここで、特徴度Ｃが良好とは、所定の条件を満たす測定値ｙに対応する圧縮スコア値ベクトルＱ’のバラツキが小さいことを示す場合をいう。
所定の条件を満たす測定値ｙに対応する圧縮スコア値ベクトルＱ’のバラツキが小さい場合、圧縮スコア値ベクトルＱ’が与えられたとき、それに対応する測定値ｙが所定の条件を満たすか否かを容易に予測できる可能性が高い。
逆に、所定の条件を満たす測定値ｙに対応する圧縮スコア値ベクトルＱ’のバラツキが大きい場合、圧縮スコア値ベクトルＱ’が与えられたとき、それに対応する測定値ｙが所定の条件を満たすか否かを予測しにくい可能性が高い。
したがって、所定の条件を満たし測定値ｙに対応する圧縮スコア値ベクトルＱ’のバラツキが大きいことが、特徴度Ｃからわかる場合には、以下の計算を省略することにより、処理の高速化を図る。
判別度算出部１３８は、ＣＰＵ９１１などの処理装置を用いて、判別式算出部１３７が算出した判別式に、スコア値圧縮部１３６が算出した圧縮スコア値ベクトルＱ’の成分であるスコア値ｕを代入して、対応する測定値ｙが所定の条件を満たすか否かを判別する。
判別度算出部１３８は、ＣＰＵ９１１などの処理装置を用いて、判別結果が正しいか否かを判定し、判別式算出部１３７が算出した判別式の判別精度を示す値を算出して、判別度とする。
図１１は、この実施の形態における判別式算出部１３７及び判別度算出部１３８の内部ブロックの構成の一例を示す詳細ブロック図である。
まず、判別式算出部１３７について説明する。
判別式算出部１３７は、バラツキ判定部３７１、分散共分散行列逆行列算出部３４４、判別式パラメータ算出部３７２を有する。
バラツキ判定部３７１は、ＣＰＵ９１１などの処理装置を用いて、特徴度算出部１３４が算出した特徴度Ｃが良好であるか否かを判定する。
まず、バラツキ判定部３７１は、ＣＰＵ９１１などの処理装置を用いて、特徴度算出部１３４が算出した特徴度Ｃを、磁気ディスク装置９２０などの記憶装置から取得する。
次に、バラツキ判定部３７１は、ＣＰＵ９１１などの処理装置を用いて、取得した特徴度Ｃを所定の値と比較する。
特徴度Ｃが所定の値より小さい場合、バラツキ判定部３７１は、特徴度算出部１３４が取得した圧縮スコア値ベクトルＱ’のバラツキが小さく、特徴度Ｃが良好であると判断する。
特徴度Ｃが所定の値以上である場合、バラツキ判定部３７１は、特徴度算出部１３４が取得した圧縮スコア値ベクトルＱ’のバラツキが大きく、特徴度Ｃが良好ではないと判断する。
バラツキ判定部３７１は、特徴度Ｃが良好でないと判断した場合、影響因子選択部１３２に通知する。これにより、影響因子推定装置１００は、判別式の算出、判別度の算出など以下の処理を中止し、次の選択因子Ｆ’についての処理を始める。
判別式パラメータ算出部３７２は、特徴度Ｃが良好であるとバラツキ判定部３７１が判定した場合に、ＣＰＵ９１１などの処理装置を用いて、測定値ｙに対応する圧縮スコア値ベクトルＱ’の成分であるスコア値ｕから、測定値ｙが所定の条件を満たすかどうかを判別するための判別式のパラメータを算出する。
ここで、判別式とは、スコア値ｕを変数とする関数であって、判別式に、スコア値ｕの値を代入することによって得た判別式の値によって、対応する測定値ｙが所定の条件を満たすかどうかを判別するものをいう。
例えば、測定値ｙが所定の条件を満たすとき、判別式の値が０以上となり、測定値ｙが所定の条件を満たさないとき、判別式の値が０未満となるように、判別式のパラメータを設定しておけば、測定値ｙが不明であっても、判別式にスコア値ｕの値を代入することにより、判別式の値を求めれば、測定値ｙが所定の条件を満たすかどうかを判別できる。
この実施の形態では、判別式として、基準ベクトル群Ｇからのマハラノビス距離の二乗を用いることとする。
ここで、基準ベクトル群Ｇとは、所定の条件を満たす測定値ｙに対応する圧縮スコア値ベクトルＱ’のグループである。したがって、基準ベクトル群Ｇに属する圧縮スコア値ベクトルＱ’は、特徴度算出部１３４が取得した圧縮スコア値ベクトルと等しい。
マハラノビス距離とは、あるベクトル群があったときに、そのベクトル群の重心と、そのベクトル群に含まれるベクトルあるいはそのベクトル群に含まれないベクトルとの間の距離を示す値である。ただし、通常のユークリッド距離と異なり、データの相関が強い方向の距離は短く、データの相関が弱い方向の距離は長くなるよう補正が加えられている。そのため、マハラノビス距離を所定の閾値と比較することにより、あるベクトルが、そのベクトル群に含まれるか否かを判別することができる。
ベクトル群Ｇの重心（ベクトルの各成分の平均値を成分とするベクトル）をμ、各成分の分散共分散行列をΣとすると、ベクトル群Ｇに対するベクトルＱ’のマハラノビス距離Ｄは、Ｄ２＝（ΔＱ’）Σ−１（ΔＱ’）Ｔで求められる。
ここで、ΔＱ’は、ベクトルＱ’から重心ベクトルμを減算した偏差ベクトル（行ベクトル）、（ΔＱ’）Ｔは、行ベクトルであるΔＱ’を転置して列ベクトルにしたものである。また、Σ−１は、分散共分散行列Σの逆行列である。
なお、分散共分散行列Σとは、ベクトル群Ｇの各成分の分散を対角成分とし、ベクトル群Ｇの２つの成分の共分散をその他の成分とする対称行列である。ベクトル群Ｇがｋ’次元のベクトルの群である場合、分散共分散行列Σは、ｋ’列ｋ’行の行列となる。
分散共分散行列逆行列算出部３４４は、判別式算出のため、ＣＰＵ９１１などの処理装置を用いて、特徴度算出部１３４が取得した圧縮スコア値ベクトルＱ’の分散共分散行列Σの逆行列Σ−１を計算する。
ここで、分散共分散行列Σは、圧縮スコア値ベクトルＱ’のｂ番目の成分についての基準スコア値分散Ｖａｒ（ｕｂ）をｂ列ｂ行の成分とし、圧縮スコア値ベクトルＱ’のｂ１番目の成分とｂ２番目の成分との組み合わせについての基準スコア値共分散Ｃｏｖ（ｕｂ１，ｕｂ２）を、ｂ１列ｂ２行の成分とする行列である。
ここで、基準スコア値分散Ｖａｒ（ｕｂ）及び基準スコア値共分散Ｃｏｖ（ｕｂ１，ｕｂ２）は、特徴度算出部１３４が特徴度Ｃを算出する際に、基準スコア値分散算出部３４２及び基準スコア値共分散算出部３４３が算出して、磁気ディスク装置９２０などの記憶装置に記憶しているので、判別式算出部１３７はこれを利用して、分散共分散行列を得る。
なお、Ｃｏｖ（ｕｂ１，ｕｂ２）＝Ｃｏｖ（ｕｂ２，ｕｂ１）であるから、基準スコア値共分散算出部３４３は、ｂ１＜ｂ２の場合についてのみＣｏｖ（ｕｂ１，ｕｂ２）を計算すればよい。
分散共分散行列逆行列算出部３４４は、ＣＰＵ９１１などの処理装置を用いて、特徴度算出部１３４の基準スコア値分散算出部３４２が算出したｋ’個の基準スコア値分散Ｖａｒ（ｕｂ）を、磁気ディスク装置９２０などの記憶装置から取得する。
分散共分散行列逆行列算出部３４４は、ＣＰＵ９１１などの処理装置を用いて、基準スコア値共分散算出部３４３が算出した｛ｋ’・（ｋ’−１）／２｝個の基準スコア値共分散Ｃｏｖ（ｕｂ１，ｕｂ２）を、磁気ディスク装置９２０などの記憶装置から取得する。
分散共分散行列逆行列算出部３４４は、ＣＰＵ９１１などの処理装置を用いて、取得した基準スコア値分散Ｖａｒ（ｕｂ）と、取得した基準スコア値共分散Ｃｏｖ（ｕｂ１，ｕｂ２）とから、分散共分散行列Σを生成する。
分散共分散行列逆行列算出部３４４は、ＣＰＵ９１１などの処理装置を用いて、生成した分散共分散行列Σを、磁気ディスク装置９２０などの記憶装置に記憶する。
分散共分散行列逆行列算出部３４４は、例えば、ｋ’×ｋ’個の倍精度浮動小数点数の（二次元）配列として、分散共分散行列Σを記憶する。このとき、分散共分散行列逆行列算出部３４４は、基準スコア値共分散算出部３４３が算出した基準スコア値共分散Ｃｏｖ（ｕｂ１，ｕｂ２）を記憶したｋ’×ｋ’個の倍精度浮動小数点数の配列に、値を書き加えることにより、分散共分散行列Σを生成し、記憶してもよい。
次に、分散共分散行列逆行列算出部３４４は、ＣＰＵ９１１などの処理装置を用いて、生成した分散共分散行列Σの逆行列Σ−１を算出する。
ＣＰＵ９１１などの処理装置を有するコンピュータが、逆行列を算出する計算方式は、既存の方式があるので、ここでは説明を省略する。
分散共分散行列逆行列算出部３４４は、ＣＰＵ９１１などの処理装置を用いて、算出した逆行列Σ−１（の成分）を、磁気ディスク装置９２０などの記憶装置に記憶する。
分散共分散行列逆行列算出部３４４は、例えば、ｋ’×ｋ’個の倍精度浮動小数点数の（二次元）配列として、逆行列Σ−１の成分を記憶する。
判別式パラメータ算出部３７２は、ＣＰＵ９１１などの処理装置を用いて、分散共分散行列逆行列算出部３４４が算出した分散共分散行列の逆行列Σ−１の成分を、磁気ディスク装置９２０などの記憶装置から取得する。
判別式パラメータ算出部３７２は、また、ＣＰＵ９１１などの処理装置を用いて、特徴度算出部１３４の基準スコア値平均値算出部３４１が算出した基準スコア値平均値Ａｖｅ（ｕｂ）を、磁気ディスク装置９２０などの記憶装置から取得する。
判別式パラメータ算出部３７２は、ＣＰＵ９１１などの処理装置を用いて、取得した分散共分散行列の逆行列Σ−１及び取得した基準スコア値平均値Ａｖｅ（ｕｂ）から、基準ベクトル群Ｇに対するマハラノビス距離を求めるためのパラメータを算出し、判別式のパラメータとする。
判別式パラメータ算出部３７２は、ＣＰＵ９１１などの処理装置を用いて、算出した判別式のパラメータを、磁気ディスク装置９２０などの記憶装置に記憶する。
次に、判別度算出部１３８について説明する。
判別度算出部１３８は、条件判断部３８１、判別結果判断部３８２、判別結果比較部３８３、正解率算出部３８４を有する。
条件判断部３８１は、ＣＰＵ９１１などの処理装置を用いて、測定値記憶部１２３が記憶した測定値ｙが、所定の条件を満たすか否かを判断する。
まず、条件判断部３８１は、ＣＰＵ９１１などの処理装置を用いて、測定値記憶部１２３が記憶したｎ個の測定値ｙを取得する。
次に、条件判断部３８１は、ＣＰＵ９１１などの処理装置を用いて、取得したｎ個の測定値ｙそれぞれについて、所定の条件を満たすか否かを判断する。
次に、条件判断部３８１は、ＣＰＵ９１１などの処理装置を用いて、判断したｎ個の判断結果を、磁気ディスク装置９２０などの記憶装置に記憶する。
なお、圧縮スコア値ベクトル取得部３９１が圧縮スコア値ベクトルＱ’を取得する際に判断した結果を磁気ディスク装置９２０などの記憶装置に記憶しておき、条件判断部３８１は、その判断結果を磁気ディスク装置９２０などの記憶装置から取得することとしてもよい。
判別結果判断部３８２は、ＣＰＵ９１１などの処理装置を用いて、判別式算出部１３７が算出した判別式と、測定値記憶部１２３が記憶した測定値ｙに対応して、スコア値圧縮部１３６が算出した圧縮スコア値ベクトルＱ’の成分であるスコア値ｕとに基づいて、測定値ｙが所定の条件を満たすか否かを判別する。
まず、判別結果判断部３８２は、ＣＰＵ９１１などの処理装置を用いて、判別式算出部１３７（の判別式パラメータ算出部３７２）が算出した判別式のパラメータを、磁気ディスク装置９２０などの記憶装置から取得する。
次に、判別結果判断部３８２は、ＣＰＵ９１１などの処理装置を用いて、スコア値圧縮部１３６が算出したｋ’×ｎ個のスコア値ｕを、磁気ディスク装置９２０などの記憶装置から取得する。
次に、判別結果判断部３８２は、ＣＰＵ９１１などの処理装置を用いて、測定値記憶部１２３が記憶したｎ個の測定値ｙそれぞれについて、対応する圧縮スコア値ベクトルＱ’の成分ｓであるスコア値ｕを、取得したパラメータによって示される判別式に代入して、基準ベクトル群Ｇに対する圧縮スコア値ベクトルＱ’のマハラノビス距離の二乗を算出する。
すなわち、判別結果判断部３８２は、ＣＰＵ９１１などの処理装置を用いて、取得したスコア値ｕから、スコア値ｕに対応する基準スコア値平均値Ａｖｅ（ｕｂ）（判別式のパラメータの一部）を減算し、スコア値偏差Δｕとする。
判別結果判断部３８２は、圧縮スコア値ベクトルＱ’の１つの成分に対応するｎ個のスコア値ｕから、その成分に対応する基準スコア値平均値Ａｖｅ（ｕｂ）を減算し、ｎ個のスコア値偏差Δｕを計算する。
圧縮スコア値ベクトルＱ’の成分はｋ’個あるから、判別結果判断部３８２は、全部でｋ’×ｎ個のスコア値偏差Δｕを計算する。
判別結果判断部３８２は、ＣＰＵ９１１などの処理装置を用いて、計算したスコア値偏差Δｕと、逆行列Σ−１（判別式のパラメータの一部）とに基づいて、圧縮スコア値ベクトルＱ’それぞれについて、マハラノビス距離の二乗Ｄ２を計算する。
圧縮スコア値ベクトルＱ’は、ｎ個の測定値ｙと対応してｎ個あるので、判別結果判断部３８２は、ｎ個の圧縮スコア値ベクトルＱ’に対応して、ｎ個のマハラノビス距離の二乗Ｄ２を計算する。
判別結果判断部３８２は、ＣＰＵ９１１などの処理装置を用いて、ｎ個の圧縮スコア値ベクトルＱ’それぞれについて、計算したマハラノビス距離の二乗Ｄ２の平方根を、所定の閾値（判別式のパラメータの一部）と比較して、測定値ｙが所定の条件を満たすか否かを判別する。
すなわち、基準ベクトル群Ｇに対する圧縮スコア値ベクトルＱ’のマハラノビス距離の二乗Ｄ２が所定の閾値より小さければ、その圧縮スコア値ベクトルＱ’は、基準ベクトル具Ｇに属すると考えられるので、対応する測定値ｙは、所定の条件を満たしているはずである。
逆に、基準ベクトル群Ｇに対する圧縮スコア値ベクトルＱ’のマハラノビス距離の二乗Ｄ２が所定の閾値より大きければ、その圧縮スコア値ベクトルＱ’は、基準ベクトル具Ｇに属さないと考えられるので、対応する測定値ｙは、所定の条件を満たしていないはずである。
このように、判別結果判断部３８２は、測定値記憶部１２３が記憶した測定値ｙを参照することなく、判別式と、圧縮スコア値ベクトルＱ’の成分であるスコア値ｕとに基づいて、測定値ｙが所定の条件を満たすか否かを判別する。
判別結果判断部３８２は、ＣＰＵ９１１などの処理装置を用いて、判別したｎ個の判別結果を、磁気ディスク装置９２０などの記憶装置に記憶する。
判別結果比較部３８３は、ＣＰＵ９１１などの処理装置を用いて、条件判断部３８１が判断した判断結果と、判別結果判断部３８２が判別した判別結果とを比較して、判別結果が正しいか否かを判断する。
まず、判別結果比較部３８３は、ＣＰＵ９１１などの処理装置を用いて、条件判断部３８１が判断したｎ個の判断結果を、磁気ディスク装置９２０などの記憶装置から取得する。
次に、判別結果比較部３８３は、ＣＰＵ９１１などの処理装置を用いて、判別結果判断部３８２が判別したｎ個の判別結果を、磁気ディスク装置９２０などの記憶装置から取得する。
次に、判別結果比較部３８３は、ＣＰＵ９１１などの処理装置を用いて、測定値記憶部１２３が記憶したｎ個の測定値ｙそれぞれについて、対応する判断結果と、対応する判別結果とを比較して、判別結果が正しいか否かを判断する。
次に、判別結果比較部３８３は、ＣＰＵ９１１などの処理装置を用いて、判別結果が正しいか否かについてのｎ個の判断結果を、磁気ディスク装置９２０などの記憶装置に記憶する。
正解率算出部３８４は、ＣＰＵ９１１などの処理装置を用いて、判別結果の正解率を算出する。
ここで、判別結果の正解率とは、判別結果判断部３８２が判別した判別結果の数（ｎ個）に対して、それが正しい場合の数の比率である。
まず、正解率算出部３８４は、ＣＰＵ９１１などの処理装置を用いて、判別結果比較部３８３が判断したｎ個の判断結果を、磁気ディスク装置９２０などの記憶装置から取得する。
次に、正解率算出部３８４は、ＣＰＵ９１１などの処理装置を用いて、取得したｎ個の判断結果のうち、判別結果が正しいと判断した判断結果の数を数えて、正解数ｐとする。
次に、正解率算出部３８４は、ＣＰＵ９１１などの処理装置を用いて、正解数ｐを判断結果の数ｎで割り、正解率ｎ／ｐを計算し、判別度とする。
次に、正解率算出部３８４は、ＣＰＵ９１１などの処理装置を用いて、算出した判別度を、磁気ディスク装置９２０などの記憶装置に記憶する。
図１２は、この実施の形態における判別式算出部１３７及び判別度算出部１３８の動作を模式的に表わした図である。
この例では、内部抵抗値が０〜２ｋΩの範囲内にあるか否かを所定の条件として、測定値ｙがその条件を満たすか否かを判断すべきものとする。
判別式算出部１３７は、スコア値圧縮部１３６が算出したスコア値ｕを成分とする圧縮スコア値ベクトルＱ’のうち、対応する測定値ｙが所定の条件を満たすものを、基準ベクトル群Ｇとし、基準ベクトル群Ｇに対する圧縮スコア値ベクトルＱ’のマハラノビス距離の二乗Ｄ２を計算するためのパラメータと、判別の閾値とを算出して、判別式のパラメータとする。
図中、点線で示した楕円体は、マハラノビス距離の二乗Ｄ２が所定の閾値と等しくなる点の集合であり、圧縮スコア値ベクトルＱ’に対応する点が楕円体の内部であれば、対応する測定値ｙが所定の条件を満たすと、判別される。
判別度算出部１３８は、判別式算出部１３７が算出した判別式のパラメータに基づいて、スコア値圧縮部１３６が算出したスコア値ｕを成分とするｎ個の圧縮スコア値ベクトルＱ’それぞれについて、判別式に基づく判別結果を算出する。
この例では、点線で示した楕円体の内部に含まれる１３個の点に対応する圧縮スコア値ベクトルＱ’について、対応する測定値ｙが所定の条件を満たすものと判別する。
このうち、実際に、対応する測定値ｙが所定の条件を満たしているものは、９個である。
また、点線で示した楕円体の外部にある２０個の点に対応する圧縮スコア値ベクトルＱ’については、対応する測定値ｙが所定の条件を満たさないものと判別する。
このうち、実際に、対応する測定値ｙが所定の条件を満たしていないものは、１７個である。
したがって、この例では、全部で３３個の測定値ｙのうち、２６個について正しく判別できたので、判別度算出部１３８が算出する判別度は、２６／３３＝０．７８７…である。
なお、正解率は、判別式算出部１３７が算出した判別式の判別精度を示す判別度の一例であり、他の指標を用いてもよい。
例えば、ある部品が寿命かどうかを判別したい場合、寿命がきているものを誤って寿命がきていないと判別してしまうと致命的となりうる。一方、寿命がきていないものを誤って寿命がきていると判別してしまうコストは、逆の場合と比べて低い。
したがって、その場合、間違えた方向によって異なる重み付けを持つ判別度を、判別度算出部１３８が算出することが好ましい。
また、基準ベクトル群Ｇに対するマハラノビス距離の二乗は、判別式の一例であり、他の指標を用いてもよい。
例えば、基準ベクトル群Ｇ以外のベクトル群からのマハラノビス距離も算出して、基準ベクトル群Ｇからのマハラノビス距離と比較して、近いほうの群に属するものと判別する判別方式に基づく判別式であってもよい。
図１３は、この実施の形態における特徴度算出部１３４が算出する特徴度Ｃと、判別度算出部１３８が算出する判別度との関係を模式的に表わした図である。
圧縮スコア値ベクトルＱ’により、測定値ｙが明確に分かれる場合には、判別度が大きく、測定値ｙが明確に分かれない場合には、判別度が小さくなる。
また、判別度が小さい場合には、一般的に、圧縮スコア値ベクトルＱ’のバラツキが大きいので、特徴度Ｃが大きくなり、逆に、判別度が大きい場合には、特徴度Ｃが小さくなる傾向がある。特徴度Ｃと判別度との間には、点線の楕円で示すような負の相関がある。
この実施の形態では、特徴度Ｃが所定の閾値より小さい場合だけ判別度を算出し、特徴度Ｃが所定の閾値より大きい場合には、判別度を算出せずに次の選択因子を試すことにしているので、計算時間を短縮することができる。
図３に戻り、影響因子推定装置１００の機能ブロックの説明を続ける。
強影響因子選択部１３５は、ＣＰＵ９１１などの処理装置を用いて、判別度算出部１３８が算出した判別度に基づいて、判別式算出部１３７が算出した判別式の判別精度が高いか否かを判断し、判別精度が高い場合に、選択因子情報Ｓを、強影響因子情報として記憶する。
強影響因子選択部１３５は、ＣＰＵ９１１などの処理装置を用いて、判別度算出部１３８が算出した判別度を、磁気ディスク装置９２０などの記憶装置から取得する。
強影響因子選択部１３５は、ＣＰＵ９１１などの処理装置を用いて、取得した判別度に基づいて、判別式算出部１３７が算出した判別式の判別精度が高いか否かを判断する。
この例では、判別度が大きいほど、判別式算出部１３７が算出した判別式の判別精度が高いことを示しているので、強影響因子選択部１３５は、特徴度算出部１３４が算出した判別度が最も大きい場合に、判別式算出部１３７が算出した判別式の判別精度が最も高いと判断する。
強影響因子選択部１３５は、ＣＰＵ９１１などの処理装置を用いて、判別式算出部１３７が算出した判別式の判別精度が高いと判断した場合に、影響因子選択部１３２が選択した選択因子Ｆ’を示す選択因子情報Ｓを、磁気ディスク装置９２０などの記憶装置から取得する。
強影響因子選択部１３５は、ＣＰＵ９１１などの処理装置を用いて、取得した選択因子情報Ｓを、強影響因子情報として、磁気ディスク装置９２０などの記憶装置に記憶する。
例えば、強影響因子選択部１３５は、判別度算出部１３８が算出した判別度のうち、最も値が大きいものを最善判別度として、磁気ディスク装置９２０などの記憶装置に記憶しておく。また、最善判別度に対応する選択因子情報Ｓを最善選択因子情報Ｓｂｅｓｔとして、磁気ディスク装置９２０などの記憶装置に記憶しておく。
影響因子選択部１３２が新たな選択因子Ｆ’を選択し、判別度算出部１３８が新たな判別度を算出すると、強影響因子選択部１３５は、ＣＰＵ９１１などの処理装置を用いて、判別度算出部１３８が新たに算出した判別度と、記憶している最善判別度とを比較して、どちらが大きいかを判断する。
最善判別度のほうが大きい場合には、強影響因子選択部１３５は、何もしない。
新たな判別度のほうが大きい場合には、強影響因子選択部１３５は、ＣＰＵ９１１などの処理装置を用いて、新しい判別度を、最善判別度として、磁気ディスク装置９２０などの記憶装置に記憶する。また、それに対応する選択因子情報Ｓを、強影響因子情報Ｓｂｅｓｔとして、磁気ディスク装置９２０などの記憶装置に記憶する。
これにより、強影響因子選択部１３５は、常に、それまでに計算したなかで最大の判別度に対応する選択因子Ｆ’を示す選択因子情報Ｓを記憶する。
強影響因子出力部１４５は、強影響因子選択部１３５が選択した強影響因子情報によって示される影響因子についての情報を出力する。
強影響因子出力部１４５は、ＣＰＵ９１１などの処理装置を用いて、強影響因子選択部１３５が選択した強影響因子情報Ｓｂｅｓｔを、磁気ディスク装置９２０などの記憶装置から取得する。
強影響因子出力部１４５は、ＣＰＵ９１１などの処理装置を用いて、取得した強影響因子情報Ｓｂｅｓｔから、選択された影響因子がどれかを判別する。
強影響因子出力部１４５は、ＣＰＵ９１１などの処理装置を用いて、影響因子情報記憶部１２１が記憶した影響因子情報のうち、選択されたと判別した影響因子についての情報（例えば、影響因子の名前）を、磁気ディスク装置９２０などの記憶装置から取得する。
強影響因子出力部１４５は、ＣＰＵ９１１などの処理装置を用いて、取得した影響因子についての情報を、ＣＲＴなどの表示装置９０１やその他の出力装置に出力する。
これにより、測定対象の状態（測定値ｙ）に強い影響を与えると、影響因子推定装置１００が推定した影響因子についての情報が、ＣＲＴなどの表示装置９０１やその他の出力装置に出力される。
図１４は、この実施の形態における影響因子推定装置１００が、測定対象の状態（測定値ｙ）に強い影響を与える影響因子を推定する影響因子推定処理の流れの一例を示すフローチャート図である。
Ｓ１１において、重み付け算出部１３１は、ＣＰＵ９１１などの処理装置を用いて、ｍ個の影響因子Ｆそれぞれについて、影響因子重み付けＷを算出する。
重み付け算出部１３１は、算出したｍ個の影響因子重み付けＷを、磁気ディスク装置９２０などの記憶装置を用いて、記憶する。
Ｓ１２において、影響因子選択部１３２は、ＣＰＵ９１１などの処理装置を用いて、ｍ個の影響因子Ｆのなかから、ｍ’個の影響因子（１≦ｍ’≦ｍ）を選択し、選択した影響因子（選択因子Ｆ’）を示す選択因子情報Ｓを生成する。
なお、影響因子選択部１３２は、ＣＰＵ９１１などの処理装置を用いて、Ｓ１１で重み付け算出部１３１が算出したｍ個の影響因子重み付けＷを、磁気ディスク装置９２０などの記憶装置から取得し、取得した影響因子重み付けＷに基づいて、選択因子Ｆ’を選択する。
影響因子選択部１３２は、ＣＰＵ９１１などの処理装置を用いて、生成した選択因子情報Ｓを、磁気ディスク装置９２０などの記憶装置に記憶する。
Ｓ１３において、特異値分解部１３３は、ＣＰＵ９１１などの処理装置を用いて、影響因子測定値記憶部１２２が記憶した影響因子測定値ｘを、磁気ディスク装置９２０などの記憶装置から取得する。
なお、特異値分解部１３３は、ＣＰＵ９１１などの処理装置を用いて、Ｓ１２で影響因子選択部１３２が生成した選択因子情報Ｓを、磁気ディスク装置９２０などの記憶装置から取得し、所得した選択因子情報Ｓによって示される選択因子Ｆ’についての選択因子測定値ｘ（ｍ’×ｎ個）だけを取得する。
特異値分解部１３３は、ＣＰＵ９１１などの処理装置を用いて、パターン行列Ｐを特異値分解する。ここで、パターン行列Ｐは、取得した影響因子測定値ｘを成分とするｍ’次元の選択因子測定値ベクトルＸ’を行ベクトルとするｍ’列ｎ行の行列である。
特異値分解部１３３は、ＣＰＵ９１１などの処理装置を用いて、パターン行列Ｐの特異値σ（ｋ個）を算出する。
特異値分解部１３３は、ＣＰＵ９１１などの処理装置を用いて、パターン行列Ｐを特異値分解して得られるｋ列ｎ行のスコア値行列Ｕ（の成分ｕ）を算出する。
特異値分解部１３３は、ＣＰＵ９１１などの処理装置を用いて、ｋ個の特異値σと、スコア値行列Ｕ（の成分であるｋ×ｎ個のスコア値ｕ）を、磁気ディスク装置９２０などの記憶装置に記憶する。
Ｓ１４において、スコア値圧縮部１３６は、ＣＰＵ９１１などの処理装置を用いて、特異値分解部１３３が算出したｋ個の特異値σを、磁気ディスク装置９２０などの記憶装置から取得する。
スコア値圧縮部１３６は、ＣＰＵ９１１などの処理装置を用いて、取得した特異値σに基づいて、圧縮次元ｋ’を算出する。
スコア値圧縮部１３６は、ＣＰＵ９１１などの処理装置を用いて、特異値分解部１３３が算出したスコア値ｕを、磁気ディスク装置９２０などの記憶装置から取得する。
このとき、スコア値圧縮部１３６は、スコア値行列Ｕの行ベクトルであるスコア値ベクトルＱの１番目〜ｋ’番目の成分であるスコア値ｕ（ｋ’×ｎ個）だけを取得する。
スコア値圧縮部１３６は、ＣＰＵ９１１などの処理装置を用いて、取得したスコア値ｕを成分とする圧縮スコア値ベクトルＱ’を生成し、ｎ個の圧縮スコア値ベクトルＱ’（の成分であるｋ’×ｎ個のスコア値ｕ）を、磁気ディスク装置９２０などの記憶装置に記憶する。
Ｓ１５において、特徴度算出部１３４は、ＣＰＵ９１１などの処理装置を用いて、測定値記憶部１２３が記憶したｎ個の測定値ｙを、磁気ディスク装置９２０などの記憶装置から取得する。
特徴度算出部１３４は、ＣＰＵ９１１などの処理装置を用いて、ｎ個の測定値ｙそれぞれについて、測定値ｙが所定の条件を満たすか否かを判断する。
特徴度算出部１３４は、ＣＰＵ９１１などの処理装置を用いて、Ｓ１４でスコア値圧縮部１３６が算出したｎ個の圧縮スコア値ベクトルＱ’のうち、対応する測定値ｙが所定の条件を満たす圧縮スコア値ベクトルＱ’の成分であるスコア値ｕを、磁気ディスク装置９２０などの記憶装置から取得する。
特徴度算出部１３４は、ＣＰＵ９１１などの処理装置を用いて、対応する測定値ｙが所定の条件を満たす圧縮スコア値ベクトルＱ’のバラツキの度合いを示す値を算出し、特徴度Ｃとして、磁気ディスク装置９２０などの記憶装置に記憶する。
Ｓ１６において、判別式算出部１３７は、ＣＰＵ９１１などの処理装置を用いて、Ｓ１５で特徴度算出部１３４が算出した特徴度Ｃに基づいて、対応する測定値ｙが所定の条件を満たす圧縮スコア値ベクトルＱ’のバラツキが小さいか否かを判断する。
バラツキが小さい場合には、Ｓ１７へ進む。
バラツキが大きい場合には、Ｓ２２へ進む。
Ｓ１７において、判別式算出部１３７は、ＣＰＵ９１１などの処理装置を用いて、測定値ｙが所定の条件を満たすか否かを、対応する圧縮スコア値ベクトルＱ’の成分であるスコア値ｕから判別する判別式を算出し、算出した判別式のパラメータを、磁気ディスク装置９２０などの記憶装置に記憶する。
Ｓ１８において、判別度算出部１３８は、ＣＰＵ９１１などの処理装置を用いて、Ｓ１７で判別式算出部１３７が算出した判別式のパラメータを、磁気ディスク装置９２０などの記憶装置から取得する。
判別度算出部１３８は、ＣＰＵ９１１などの処理装置を用いて、Ｓ１４でスコア値圧縮部１３６が算出した圧縮スコア値ベクトルＱ’の成分であるスコア値ｕを、磁気ディスク装置９２０などの記憶装置から取得する。
判別度算出部１３８は、ＣＰＵ９１１などの処理装置を用いて、取得したスコア値ｕを、取得したパラメータによって示される判別式に代入し、判別式の値を計算する。
判別度算出部１３８は、ＣＰＵ９１１などの処理装置を用いて、計算した判別式の値から、対応する測定値ｙが所定の条件を満たすか否かを判別する。
判別度算出部１３８は、ＣＰＵ９１１などの処理装置を用いて、測定値記憶部１２３が記憶した測定値ｙを、磁気ディスク装置９２０などの記憶装置から取得する。
判別度算出部１３８は、ＣＰＵ９１１などの処理装置を用いて、取得した測定値ｙが所定の条件を満たすか否かを判断する。
判別度算出部１３８は、ＣＰＵ９１１などの処理装置を用いて、判別した判別結果が正しいか否かを判断する。
判別度算出部１３８は、ＣＰＵ９１１などの処理装置を用いて、判別した判別結果のうち、正しい判別結果を得た数の割合（正解率）を計算し、判別度として、磁気ディスク装置９２０などの記憶装置に記憶する。
Ｓ１９において、強影響因子選択部１３５は、ＣＰＵ９１１などの処理装置を用いて、Ｓ１８で判別度算出部１３８が算出した判別度を、磁気ディスク装置９２０などの記憶装置から取得する。
強影響因子選択部１３５は、ＣＰＵ９１１などの処理装置を用いて、あらかじめ記憶した最善判別度を、磁気ディスク装置９２０などの記憶装置から取得する。
なお、最善判別度には、初期値として「０」を記憶しておくこととする。
強影響因子選択部１３５は、ＣＰＵ９１１などの処理装置を用いて、取得した判別度と、最善判別度とを比較し、どちらが大きいか判断する。
判別度のほうが最善判別度よりも大きいと判断した場合には、Ｓ２０へ進む。
判別度が最善判別度以下であると判断した場合には、Ｓ２１へ進む。
Ｓ２０において、強影響因子選択部１３５は、ＣＰＵ９１１などの処理装置を用いて、Ｓ１９で取得した判別度を、最善判別度として、磁気ディスク装置９２０などの記憶装置に記憶する。
強影響因子選択部１３５は、ＣＰＵ９１１などの処理装置を用いて、Ｓ１２（またはＳ２２）で影響因子選択部１３２が生成した選択因子情報Ｓを、磁気ディスク装置９２０などの記憶装置から取得する。
強影響因子選択部１３５は、ＣＰＵ９１１などの処理装置を用いて、取得した選択因子情報Ｓを、強影響因子情報Ｓｂｅｓｔとして、磁気ディスク装置９２０などの記憶装置に記憶する。
Ｓ２１において、影響因子選択部１３２は、ＣＰＵ９１１などの処理装置を用いて、選択終了条件を満たしたか否かを判断する。
例えば、あらかじめキーボード９０２などの入力装置から入力した計算時間が経過した場合に、選択終了条件を満たしたと判断する。
あるいは、キーボード９０２などの入力装置から計算を終了せよという指令を入力した場合に、選択終了条件を満たしたと判断する。
あるいは、これ以上計算を続けても、最善判別度が改善する見込みがないと判断した場合に、選択終了条件を満たしたと判断する。例えば、最善判別度が、判別度の理論上の最大値（正解率なら、１）とほぼ等しい場合や、所定の回数以上選択を繰り返して、最善判別度が改善しなかった場合などがある。
選択終了条件を満たしていないと判断した場合、Ｓ２２へ進む。
選択終了条件を満たしていると判断した場合、Ｓ２３へ進む。
Ｓ２２において、影響因子選択部１３２は、ＣＰＵ９１１などの処理装置を用いて、選択因子情報Ｓを修正する。
なお、影響因子選択部１３２は、ＣＰＵ９１１などの処理装置を用いて、Ｓ１１で重み付け算出部１３１が算出したｍ個の影響因子重み付けＷを、磁気ディスク装置９２０などの記憶装置から取得する。また、影響因子選択部１３２は、ＣＰＵ９１１などの処理装置を用いて、Ｓ１５で特徴度算出部１３４が算出した特徴度Ｃを、磁気ディスク装置９２０などの記憶装置から取得する。
影響因子選択部１３２は、取得したｍ個の影響因子重み付けＷと、特徴度Ｃとに基づいて、選択因子情報Ｓを修正する。
例えば、判別度が前々回と比較して改善した場合には、前回の修正と同じ方向性の修正を、選択因子情報Ｓに加える。逆に、判別度が前々回と比較して悪くなった場合には、前回の修正と逆の方向の修正を、選択因子情報Ｓに加える。あるいは、何回か修正して、判別度があまり改善しない場合には、まったく新しい選択因子情報Ｓを生成する。
影響因子選択部１３２は、ＣＰＵ９１１などの処理装置を用いて、修正した選択因子情報Ｓを、磁気ディスク装置９２０などの記憶装置に記憶する。
その後、Ｓ１３に戻り、新たに選択した選択因子Ｆ’に基づいて、特異値分解、特徴度算出などの処理を繰り返す。
Ｓ２３において、強影響因子出力部１４５は、ＣＰＵ９１１などの処理装置を用いて、Ｓ２０で強影響因子選択部１３５が記憶した強影響因子情報Ｓｂｅｓｔを、磁気ディスク装置９２０などの記憶装置から取得する。
強影響因子出力部１４５は、ＣＰＵ９１１などの処理装置を用いて、影響因子情報記憶部１２１が記憶した影響因子情報のうち、取得した強影響因子情報Ｓｂｅｓｔによって示される影響因子についての情報を、磁気ディスク装置９２０などの記憶装置から取得する。
強影響因子出力部１４５は、ＣＰＵ９１１などの処理装置を用いて、取得した影響因子についての情報（例えば、影響因子の名前）を、ＣＲＴなどの表示装置９０１やその他の出力装置に出力する。
なお、強影響因子出力部１４５は、選択終了条件を満たしていると判断する前に、強影響因子についての情報を、ＣＲＴなどの表示装置９０１やその他の出力装置に出力してもよい。これにより、例えば、出力された情報を見た利用者が、処理を続行するか中断するかを判断できる。
また、この例では、判別度が最もよい影響因子の組み合わせを求めることとしているが、判別度がよいいくつかの影響因子の組み合わせを求める構成としてもよい。例えば、判別度がよいものから順に、影響因子の組み合わせを所定の数求めてもよいし、数を制限せずに、最もよい判別度と比較して判別度が所定の範囲内である影響因子の組み合わせを求めてもよい。
この実施の形態における影響因子推定装置１００によれば、特異値分解部１３３が特異値分解して得た圧縮スコア値ベクトルＱ’に基づいて、測定値ｙが所定の条件を満たすか否かを判別する判別式を算出し、判別式の判別精度を示す判別値に基づいて、測定対象の状態に強い影響を与える影響因子を推定するので、影響因子測定値を特異値分解したスコア値に基づいて測定対象の状態を予測する際に、測定対象の状態に強い影響を与える影響因子を推定することができるという効果を奏する。
この実施の形態における影響因子推定装置１００によれば、特徴度算出部１３４が、所定の条件を満たす測定値ｙに対応する圧縮スコア値ベクトルＱ’のバラツキの度合いを示す特徴度Ｃを算出し、所定の条件を満たす測定値ｙに対応する圧縮スコア値ベクトルＱ’のバラツキが小さい場合に、判別式算出部１３７が判別式を算出し、所定の条件を満たす測定値ｙに対応する圧縮スコア値ベクトルＱ’のバラツキが大きく、判別式の判別精度が悪いと予測できる場合には、判別式・判別度の算出をしないので、計算時間を短縮することができるという効果を奏する。
この実施の形態における影響因子推定装置１００によれば、特徴度算出部１３４が、対応する測定値ｙが所定の条件を満たす圧縮スコア値ベクトルＱ’の近似式を算出し、算出した近似式の近似誤差の合計を計算して特徴度Ｃとするので、特徴度Ｃが圧縮スコア値ベクトルＱ’のバラツキの度合いを示すという効果を奏する。
この実施の形態における影響因子推定装置１００によれば、特徴度算出部１３４が、対応する測定値ｙが所定の条件を満たす圧縮スコア値ベクトルＱ’の回帰式を近似式として算出し、算出した回帰式の回帰誤差の二乗の合計を計算して特徴度Ｃとするので、対応する測定値ｙが所定の条件を満たす圧縮スコア値ベクトルＱ’が超平面（または超曲面）上に分布している場合に、バラツキが小さいと判断できるという効果を奏する。
この実施の形態における影響因子推定装置１００によれば、判別式算出部１３７が、特徴度Ｃを所定の値と比較し、所定の値より特徴度Ｃが小さい場合に、対応する測定値ｙが所定の条件を満たす圧縮スコア値ベクトルＱ’のバラツキが小さいと判断するので、判断が容易であり、計算速度を高速化できるという効果を奏する。
この実施の形態における影響因子推定装置１００によれば、判別式算出部１３７が、対応する測定値ｙが所定の条件を満たす圧縮スコア値ベクトルＱ’を基準ベクトル群Ｇとし、基準ベクトル群Ｇに対する圧縮スコア値ベクトルＱ’のマハラノビス距離を計算する計算式を、判別式として用いるので、圧縮スコア値ベクトルＱ’の各成分の間に相関がある場合であっても、各成分間の相関に影響されずに判別ができるという効果を奏する。
この実施の形態における影響因子推定装置１００によれば、判別度算出部１３８が、判別式算出部１３７が算出した判別式に、スコア値圧縮部１３６が算出したスコア値ｕを代入して、判別式の値を計算し、計算した判別式の値を所定の値と比較して、対応する測定値ｙが所定の条件を満たすか否かを判断するので、判別式が正しく判別できるか否かを判断することができるという効果を奏する。
この実施の形態における影響因子推定装置１００によれば、判別度算出部１３８が、判別式の判別結果の正解率を計算して、判別度とするので、判別式の判別精度が高いほど判別度が高くなるという効果を奏する。
この実施の形態における影響因子推定装置１００によれば、重み付け算出部１３１が、測定値ｙと、測定値ｙに対応する影響因子測定値ｘとの間の相関の強さを示す値を算出して、影響因子重み付けＷとし、影響因子選択部１３２が、影響因子重み付けＷが大きい影響因子ほど、選択する確率が高くなるようにして、影響因子Ｆのなかから選択因子Ｆ’を選択するので、最適な選択因子Ｆ’を速く見つけることができるという効果を奏する。
この実施の形態における影響因子推定装置１００によれば、影響因子選択部１３２が、大規模組み合わせ計算法により、影響因子Ｆのなかから選択因子Ｆ’を選択するので、影響因子Ｆの数ｍが多い場合であっても、判別度が大きくなる選択因子Ｆ’の組み合わせを速く見つけることができるという効果を奏する。
この実施の形態における影響因子推定装置１００によれば、影響因子選択部１３２が、大規模組み合わせ計算法として、焼きなまし法及び遺伝的アルゴリズム法及びタブーサーチ法を用いるので、影響因子Ｆの数ｍが大きい場合であっても、判別度が大きくなる選択因子Ｆ’の組み合わせを速く見つけることができるという効果を奏する。
この実施の形態における影響因子推定装置１００によれば、重み付け算出部１３１が、測定値ｙと、測定値ｙに対応する影響因子測定値ｘとの間のピアソンの積率相関係数の二乗を計算し、影響因子重み付けＷとするので、測定値ｙと影響因子測定値ｘとの間に直線相関がある場合に、影響因子Ｆを選択する確率を高くすることができ、最適な選択因子Ｆ’を速く見つけることができるという効果を奏する。
この実施の形態における影響因子推定装置１００は、コンピュータを上記説明した影響因子推定装置１００として機能させる影響因子推定プログラムを、コンピュータに実行させることにより実現することができる。
この実施の形態における影響因子推定プログラムによれば、特異値分解部１３３が特異値分解して得た圧縮スコア値ベクトルＱ’に基づいて、測定値ｙとの相関が強いか否かを判断し、測定対象の状態に強い影響を与える影響因子を推定するので、影響因子測定値を特異値分解したスコア値に基づいて測定対象の状態を予測する際に、測定対象の状態に強い影響を与える影響因子を推定することができるという効果を奏する。
ここで説明した影響因子推定装置１００（相関要因導出装置ともいう）は、データの集合体が特徴をもったものかどうかを判断するものである。
ここで説明した影響因子推定装置１００は、例えば、劣化要因分析、つまり劣化寿命に影響を及ぼす外的要因を見つけることができる。
従来、この手の問題は、一般に重回帰分析で仮説検定を行いその仮説を採用するか、棄却するかを決めていたが、ここで説明した影響因子推定装置１００によれば、仮説を設定する必要がなく、仮説を自動的に導出することができる。
また、ここで説明した影響因子推定装置１００は、特徴空間の広がりを特定するものである。
すなわち、影響因子推定装置１００は、主成分分析における寄与率から主成分次元を導出し、導出した主成分次元におけるデータのバラツキから、その相関度合いを特定する。
また、影響因子推定装置１００は、マハラノビス距離を求め、求めたマハラノビス距離におけるデータのバラツキから、その相関度合いを特定する。
また、ここで説明した影響因子推定装置１００は、要因パラメータの組合せを自動的に算出し、その組み合わせにおける相関度合いを自動的に導出して、要因の相関度合いが高いものを順序付けて出力することができる。
実施の形態２．
実施の形態２を、図１５〜図１８を用いて説明する。
この実施の形態における影響因子推定装置１００の外観・ハードウェア構成・ブロック構成は、実施の形態１において図１〜図３を用いて説明したものと同様なので、ここでは説明を省略する。
この実施の形態では、影響因子選択部１３２が影響因子Ｆのなかから選択因子Ｆ’を選択する別の方式について説明する。
図１５は、この実施の形態における影響因子選択部１３２の内部ブロック構成の一例を示すブロック構成図である。
影響因子選択部１３２は、影響因子分類部３２１、選択因子数生成部３２２、強相関因子選択部３２３、弱相関因子選択部３２４、選択因子情報生成部３２５、局所解判断部３２６を有する。
影響因子分類部３２１は、ＣＰＵ９１１などの処理装置を用いて、重み付け算出部１３１が算出した影響因子重み付けＷに基づいて、影響因子Ｆを、強相関因子群と弱相関因子群との２つのグループに分類する。
強相関因子群及び弱相関因子群は、影響因子グループの一例である。
なお、この例では２つのグループに分類するが、３つ以上のグループに分類してもよい。
例えば、影響因子分類部３２１は、ＣＰＵ９１１などの処理装置を用いて、影響因子重み付けＷを所定の値と比較し、影響因子重み付けＷが所定の値以上であれば、対応する影響因子Ｆを強相関因子群に分類し、影響因子重み付けＷが所定の値未満であれば、対応する影響因子Ｆを弱相関因子群に分類する。
影響因子分類部３２１は、ＣＰＵ９１１などの処理装置を用いて、影響因子Ｆの分類についての情報を、磁気ディスク装置９２０などの記憶装置に記憶する。
選択因子数生成部３２２は、ＣＰＵ９１１などの処理装置を用いて、影響因子選択部１３２が選択する選択因子Ｆ’の数を生成し、選択因子数とする。
選択因子数生成部３２２が生成する選択因子数には、影響因子選択部１３２が選択する選択因子Ｆ’のうち、強相関因子群から選択する選択因子Ｆ’の数である強相関選択因子数と、弱相関因子群から選択する選択因子Ｆ’の数である弱相関選択因子数とがある。
強創刊選択因子数及び弱相関選択因子数は、グループ選択因子数の一例である。
選択因子数生成部３２２は、ＣＰＵ９１１などの処理装置を用いて、１以上、影響因子分類部３２１が強相関因子群に分類した影響因子Ｆの数以下の整数を、ランダムに生成し、強相関選択因子数とする。
同様に、選択因子数生成部３２２は、ＣＰＵ９１１などの処理装置を用いて、０以上、影響因子分類部３２１が弱相関因子群に分類した影響因子Ｆの数以下の整数を、ランダムに生成し、弱相関選択因子数とする。
選択因子数生成部３２２は、ＣＰＵ９１１などの処理装置を用いて、生成した選択因子数を、磁気ディスク装置９２０などの記憶装置に記憶する。
強相関因子選択部３２３は、ＣＰＵ９１１などの処理装置を用いて、影響因子分類部３２１が強相関因子群に分類した影響因子Ｆのなかから、選択因子数生成部３２２が生成した強相関選択因子数の影響因子Ｆを選択して、選択因子Ｆ’とする。
まず、強相関因子選択部３２３は、ＣＰＵ９１１などの処理装置を用いて、影響因子分類部３２１が分類した影響因子Ｆの分類についての情報を、磁気ディスク装置９２０などの記憶装置から取得する。
次に、強相関因子選択部３２３は、ＣＰＵ９１１などの処理装置を用いて、選択因子数生成部３２２が生成した強相関選択因子数を、磁気ディスク装置９２０などの記憶装置から取得する。
次に、強相関因子選択部３２３は、ＣＰＵ９１１などの処理装置を用いて、取得した影響因子Ｆの分類についての情報を分析し、どの影響因子Ｆが強相関影響因子群に分類されたかを取得する。
次に、強相関因子選択部３２３は、ＣＰＵ９１１などの処理装置を用いて、強相関影響因子群に分類された影響因子Ｆのなかから、影響因子を１つ選択し、選択因子Ｆ’とする。強相関因子選択部３２３は、ＣＰＵ９１１などの処理装置を用いて、これを取得した強相関選択因子数の回数繰り返す。
強相関因子選択部３２３は、ＣＰＵ９１１などの処理装置を用いて、選択した選択因子Ｆ’についての情報を、磁気ディスク装置９２０などの記憶装置に記憶する。
弱相関因子選択部３２４は、ＣＰＵ９１１などの処理装置を用いて、影響因子分類部３２１が弱相関因子群に分類した影響因子Ｆのなかから、選択因子数生成部３２２が生成した弱相関選択因子数の影響因子Ｆを選択して、選択因子Ｆ’とする。
まず、弱相関因子選択部３２４は、ＣＰＵ９１１などの処理装置を用いて、影響因子分類部３２１が分類した影響因子Ｆの分類についての情報を、磁気ディスク装置９２０などの記憶装置から取得する。
次に、弱相関因子選択部３２４は、ＣＰＵ９１１などの処理装置を用いて、選択因子数生成部３２２が生成した弱相関選択因子数を、磁気ディスク装置９２０などの記憶装置から取得する。
次に、弱相関因子選択部３２４は、ＣＰＵ９１１などの処理装置を用いて、取得した影響因子Ｆの分類についての情報を分析し、どの影響因子Ｆが弱相関影響因子群に分類されたかを取得する。
次に、弱相関因子選択部３２４は、ＣＰＵ９１１などの処理装置を用いて、弱相関影響因子群に分類された影響因子Ｆのなかから、影響因子を１つ選択し、選択因子Ｆ’とする。弱相関因子選択部３２４は、ＣＰＵ９１１などの処理装置を用いて、これを取得した弱相関選択因子数の回数繰り返す。
弱相関因子選択部３２４は、ＣＰＵ９１１などの処理装置を用いて、選択した選択因子Ｆ’についての情報を、磁気ディスク装置９２０などの記憶装置に記憶する。
選択因子情報生成部３２５は、ＣＰＵ９１１などの処理装置を用いて、強相関因子選択部３２３が選択した選択因子Ｆ’と、弱相関因子選択部３２４が選択した選択因子Ｆ’とを示す選択因子情報Ｓを生成する。
まず、選択因子情報生成部３２５は、ＣＰＵ９１１などの処理装置を用いて、強相関因子選択部３２３が選択した選択因子Ｆ’についての情報を、磁気ディスク装置９２０などの記憶装置から取得する。
次に、選択因子情報生成部３２５は、ＣＰＵ９１１などの処理装置を用いて、弱相関因子選択部３２４が選択した選択因子Ｆ’についての情報を、磁気ディスク装置９２０などの記憶装置から取得する。
選択因子情報生成部３２５は、ＣＰＵ９１１などの処理装置を用いて、取得した情報から、強相関因子選択部３２３が選択した選択因子Ｆ’及び弱相関因子選択部３２４が選択ｋした選択因子Ｆ’を示す選択因子情報Ｓを生成する。
選択因子情報生成部３２５は、ＣＰＵ９１１などの処理装置を用いて、生成した選択因子情報Ｓを、磁気ディスク装置９２０などの記憶装置に記憶する。
局所解判断部３２６は、ＣＰＵ９１１などの処理装置を用いて、判別度算出部１３８が算出した判別度から、局所解に到達したか否かを判断する。
ここで、局所解とは、選択因子Ｆ’を少しずつ変化させて判別度を求め、近傍において判別度が最大になる場合をいう。
影響因子推定装置１００は、判別度が最大になる選択因子Ｆ’を探索しようとしているが、すべての場合について判別度を求めようとすると、計算時間がかかりすぎて答えを得ることができない。
そこで、いろいろな場合を試しながら、近傍において判別度が最大となる場合を、暫定的な答え（局所解）とする。
まず、局所解判断部３２６は、ＣＰＵ９１１などの処理装置を用いて、判別度算出部１３８が算出した判別度を、磁気ディスク装置９２０などの記憶装置から取得する。
次に、局所解判断部３２６は、ＣＰＵ９１１などの処理装置を用いて、取得した判別度が局所解に到達したか否かを判断する。例えば、局所解判断部３２６は、ＣＰＵ９１１などの処理装置を用いて、取得した判別度を、判別度算出部１３８がそれまでに算出した判別度と比較し、判別度が改善したか否かを判断する。判別度が改善していないと判断した場合、局所解判断部３２６は、判別度が改善しなかった回数を数え、所定の回数以上判別度が改善しなかった場合に、局所解に到達したと判断する。あるいは、近傍の探索がすべて終了した場合に、局所解に到達したと判断する。
局所解判断部３２６は、ＣＰＵ９１１などの処理装置を用いて、判断結果を、磁気ディスク装置９２０などの記憶装置に記憶する。
次に、影響因子選択部１３２の動作について説明する。
図１６は、この実施の形態における影響因子選択部１３２による影響因子選択処理の流れの一例を示すフローチャート図である。
Ｓ３１において、影響因子分類部３２１は、ＣＰＵ９１１などの処理装置を用いて、重み付け算出部１３１が算出した影響因子重み付けＷを、磁気ディスク装置９２０などの記憶装置から取得する。
影響因子分類部３２１は、ＣＰＵ９１１などの処理装置を用いて、取得した影響因子重み付けＷに基づいて、影響因子Ｆを、強相関因子群と弱相関因子群とに分類する。
影響因子分類部３２１は、ＣＰＵ９１１などの処理装置を用いて、分類した分類結果を示す情報を、磁気ディスク装置９２０などの記憶装置に記憶する。
Ｓ３２において、選択因子数生成部３２２は、ＣＰＵ９１１などの処理装置を用いて、強相関因子数及び弱相関因子数をランダムに生成する。
選択因子数生成部３２２は、ＣＰＵ９１１などの処理装置を用いて、生成した強相関因子数及び弱相関因子数を、磁気ディスク装置９２０などの記憶装置に記憶する。
Ｓ３３において、強相関因子選択部３２３は、ＣＰＵ９１１などの処理装置を用いて、Ｓ３１で影響因子分類部３２１が分類した分類結果についての情報を、磁気ディスク装置９２０などの記憶装置から取得する。
強相関因子選択部３２３は、ＣＰＵ９１１などの処理装置を用いて、取得した情報を分析し、どの影響因子Ｆが強相関因子群に分類されたかを取得する。
強相関因子選択部３２３は、ＣＰＵ９１１などの処理装置を用いて、Ｓ３２で選択因子数生成部３２２が生成した強相関因子数を、磁気ディスク装置９２０などの記憶装置から取得する。
強相関因子選択部３２３は、ＣＰＵ９１１などの処理装置を用いて、強相関因子群に分類された影響因子Ｆのなかから、取得した強相関因子数の影響因子をランダムに選択する。
強相関因子選択部３２３は、ＣＰＵ９１１などの処理装置を用いて、選択した影響因子を示す情報を、磁気ディスク装置９２０などの記憶装置に記憶する。
Ｓ３４において、弱相関因子選択部３２４は、ＣＰＵ９１１などの処理装置を用いて、Ｓ３１で影響因子分類部３２１が分類した分類結果についての情報を、磁気ディスク装置９２０などの記憶装置から取得する。
弱相関因子選択部３２４は、ＣＰＵ９１１などの処理装置を用いて、取得した情報を分析し、どの影響因子Ｆが弱相関因子群に分類されたかを取得する。
弱相関因子選択部３２４は、ＣＰＵ９１１などの処理装置を用いて、Ｓ３２で選択因子数生成部３２２が生成した弱相関因子数を、磁気ディスク装置９２０などの記憶装置から取得する。
弱相関因子選択部３２４は、ＣＰＵ９１１などの処理装置を用いて、弱相関因子群に分類された影響因子Ｆのなかから、取得した弱相関因子数の影響因子をランダムに選択する。
弱相関因子選択部３２４は、ＣＰＵ９１１などの処理装置を用いて、選択した影響因子を示す情報を、磁気ディスク装置９２０などの記憶装置に記憶する。
Ｓ３５において、選択因子情報生成部３２５は、ＣＰＵ９１１などの処理装置を用いて、Ｓ３３で強相関因子選択部３２３が選択した影響因子を示す情報を、磁気ディスク装置９２０などの記憶装置から取得する。
選択因子情報生成部３２５は、ＣＰＵ９１１などの処理装置を用いて、Ｓ３４で弱相関因子選択部３２４が選択した影響因子を示す情報を、磁気ディスク装置９２０などの記憶装置から取得する。
選択因子情報生成部３２５は、ＣＰＵ９１１などの処理装置を用いて、取得した情報から、強相関因子選択部３２３または弱相関因子選択部３２４が選択した選択因子Ｆ’を示す選択因子情報Ｓを生成する。
選択因子情報生成部３２５は、ＣＰＵ９１１などの処理装置を用いて、生成した選択因子情報Ｓを、磁気ディスク装置９２０などの記憶装置に記憶する。
Ｓ３６において、影響因子選択部１３２が選択した選択因子Ｆ’に基づいて、特異値分解部１３３による特異値分解処理、スコア値圧縮部１３６によるスコア値圧縮処理、特徴度算出部１３４による特徴度算出処理、判別式算出部１３７による判別式算出処理、判別度算出部１３８による判別度算出処理などを行う。
Ｓ３７において、局所解判断部３２６が、ＣＰＵ９１１などの処理装置を用いて、Ｓ３６で判別度算出部１３８が算出した判別度を、磁気ディスク装置９２０などの記憶装置から取得する。
なお、特徴度算出部１３４が算出した特徴度Ｃが大きいため判別度算出部１３８が判別度を算出しなかった場合は、局所解判断部３２６は、最も判別精度が悪いことを示す判別度を取得したものとして、以下の処理を行う。
局所解判断部３２６は、ＣＰＵ９１１などの処理装置を用いて、取得した判別度に基づいて、局所解に到達したか否かを判断する。
局所解に到達したと判断した場合には、Ｓ３２に戻る。
局所解に到達していないと判断した場合には、Ｓ３８へ進む。
Ｓ３８において、弱相関因子選択部３２４が、ＣＰＵ９１１などの処理装置を用いて、Ｓ３４（またはＳ３８）で前回選択した影響因子を示す情報を、磁気ディスク装置９２０などの記憶装置から取得する。
弱相関因子選択部３２４は、ＣＰＵ９１１などの処理装置を用いて、取得した情報によって示される前回選択した影響因子のなかから、今回は選択しない影響因子を１つランダムに選び、今回選択する影響因子から除く。
弱相関因子選択部３２４は、ＣＰＵ９１１などの処理装置を用いて、取得した情報によって示される前回選択した影響因子以外の影響因子であって、Ｓ３１で弱相関因子群に分類された影響因子のなかから、今回選択する影響因子を１つランダムに選択し、今回選択する影響因子に加える。
他の影響因子の選択状況は変えず、弱相関因子選択部３２４は、ＣＰＵ９１１などの処理装置を用いて、選択した影響因子を示す情報を、磁気ディスク装置９２０などの記憶装置に記憶する。
その後、Ｓ３５に戻る。
この実施の形態における影響因子選択部１３２は、局所解に達していない場合、選択因子Ｆ’のうち、測定値ｙとの相関が弱い影響因子を１つ入れ替えることにより、近傍の探索を行う。また、局所解に達した場合は、選択因子の総数を変化させて、すべての影響因子のなかから、新しく選択因子Ｆ’を選択する。
次に、この実施の形態における特異値分解部１３３について説明する。
図１７は、この実施の形態における特異値分解部１３３の内部ブロックの構成の一例を示す詳細ブロック構成図である。
特異値分解部１３３は、選択因子情報記憶部３６２、選択因子情報比較部３６３、変更影響因子測定値取得部３６４、特異値行列記憶部３６５、列変更特異値行列算出部３６６を有する。
選択因子情報記憶部３６２は、ＣＰＵ９１１などの処理装置を用いて、影響因子選択部１３２が選択した選択因子Ｆ’を示す選択因子情報Ｓの履歴を、磁気ディスク装置９２０などの記憶装置に記憶する。
まず、選択因子情報記憶部３６２は、ＣＰＵ９１１などの処理装置を用いて、影響因子選択部１３２が選択した選択因子Ｆ’を示す選択因子情報Ｓを、磁気ディスク装置９２０などの記憶装置から取得する。
次に、選択因子情報記憶部３６２は、ＣＰＵ９１１などの処理装置を用いて、取得した選択因子情報Ｓを、磁気ディスク装置９２０などの記憶装置に記憶する。
選択因子情報比較部３６３は、ＣＰＵ９１１などの処理装置を用いて、選択因子情報取得部３６１が取得した選択因子情報Ｓと、選択因子情報記憶部３６２が記憶した過去の選択因子情報Ｓとを比較して、どこが異なるかを検出する。例えば、選択されていた影響因子が選択されなくなったり、逆に、選択されていなかった影響因子が選択されたりした場合に、どこが変わったかを検出する。
まず、選択因子情報比較部３６３は、ＣＰＵ９１１などの処理装置を用いて、影響因子選択部１３２が選択した選択因子Ｆ’を示す情報を、磁気ディスク装置９２０などの記憶装置から取得する。
次に、選択因子情報比較部３６３は、ＣＰＵ９１１などの処理装置を用いて、選択因子情報記憶部３６２が記憶した過去の選択因子情報を、磁気ディスク装置９２０などの記憶装置から取得する。
選択因子情報比較部３６３は、ＣＰＵ９１１などの処理装置を用いて、取得した選択因子情報Ｓと、取得した過去の選択因子情報とを比較して、異なる選択因子を検出する。
選択因子情報比較部３６３は、ＣＰＵ９１１などの処理装置を用いて、検出した異なる選択因子についての情報を、磁気ディスク装置９２０などの記憶装置に記憶する。
なお、選択因子情報記憶部３６２が過去の選択因子情報を複数記憶している場合には、今回の選択因子情報Ｓとの差が最も小さいものを選んで、それとの差異を検出してもよい。
例えば、選択因子情報Ｓがｍビッド（ｍは、影響因子Ｆの数）のデータであり、ｊ番目（ｊは、１〜ｍの整数）が、影響因子Ｆｊの選択状態を示すものであれば、選択因子情報比較部３６３は、ＣＰＵ９１１などの処理装置を用いて、２つの選択因子情報の排他的論理和をとることにより、選択状態が変更になった影響因子を求めることができる。あるいは、選択因子情報比較部３６３は、ＣＰＵ９１１などの処理装置を用いて、一方の選択因子情報の１の補数と、他方の選択因子情報との論理積をとることにより、追加選択された影響因子あるいは選択が解除された影響因子を求めることができる。
変更影響因子測定値取得部３６４は、ＣＰＵ９１１などの処理装置を用いて、選択因子情報比較部３６３が検出した異なる選択因子について、影響因子測定値記憶部１２２が記憶した影響因子測定値ｘを、磁気ディスク装置９２０などの記憶装置から取得する。
まず、変更影響因子測定値取得部３６４は、ＣＰＵ９１１などの処理装置を用いて、選択因子情報比較部３６３が検出した異なる選択因子についての情報を、磁気ディスク装置９２０などの記憶装置から取得する。
次に、変更影響因子測定値取得部３６４は、ＣＰＵ９１１などの処理装置を用いて、取得した情報から、異なる選択因子を取得する。
変更影響因子測定値取得部３６４は、ＣＰＵ９１１などの処理装置を用いて、取得した異なる選択因子について、影響因子測定値記憶部１２２が記憶した影響因子測定値ｘを、磁気ディスク装置９２０などの記憶装置から取得する。
変更影響因子測定値取得部３６４は、ＣＰＵ９１１などの処理装置を用いて、取得した影響因子測定値ｘを、磁気ディスク装置９２０などの記憶装置に記憶する。
特異値行列記憶部３６５は、ＣＰＵ９１１などの処理装置を用いて、列変更特異値行列算出部３６６が算出した特異値行列を、磁気ディスク装置９２０などの記憶装置に記憶する。
なお、ここでいう特異値行列には、パターン行列Ｐを特異値分解して得た特異値σを対角成分とする特異値行列のみならず、スコア値行列Ｕ（左特異値行列）及び行列Ｖ（右特異値行列）の３つの行列すべてを含むものとする。
特異値行列記憶部３６５は、ＣＰＵ９１１などの処理装置を用いて、列変更特異値行列算出部３６６が算出した特異値行列の成分（特異値σ、スコア値ｕなど）を、磁気ディスク装置９２０などの記憶装置に記憶する。
列変更特異値行列算出部３６６は、ＣＰＵ９１１などの処理装置を用いて、パターン行列Ｐを特異値分解して、Ｐ＝Ｕ・Ｓ・ＶＴを満たす特異値行列（Ｕ、Ｓ、Ｖ）を算出する。
この実施の形態では、影響因子選択部１３２が、以前の選択因子と比較して、影響因子を１つだけ入れ替えた選択因子を選択する。したがって、列変更特異値行列算出部３６６が特異値分解するパターン行列Ｐは、以前に特異値分解したパターン行列と比較して、１列だけ異なり、他の列は等しいパターン行列である。
このように、一列だけ異なるパターン行列を特異値分解する場合、以前に特異値分解して得た特異値行列を用いることにより、非常に高速に特異値分解できることが知られている（例えば、非特許文献１）。
そこで、列変更特異値行列算出部３６６は、ＣＰＵ９１１などの処理装置を用いて、以前に特異値分解して得た特異値行列と、パターン行列Ｐの成分が異なる列の成分である影響因子測定値ｘとに基づいて、パターン行列Ｐを高速に特異値分解する。
まず、列変更特異値行列算出部３６６は、ＣＰＵ９１１などの処理装置を用いて、特異値行列記憶部３６５が記憶した特異値行列の成分を、磁気ディスク装置９２０などの記憶装置から取得する。
次に、列変更特異値行列算出部３６６は、ＣＰＵ９１１などの処理装置を用いて、変更影響因子測定値取得部３６４が取得した影響因子測定値ｘを、磁気ディスク装置９２０などの記憶装置から取得する。
列変更特異値行列算出部３６６は、ＣＰＵ９１１などの処理装置を用いて、取得したと特異値行列と、取得した影響因子測定値ｘとに基づいて、高速に特異値分解を行い、特異値行列を算出する。
列変更特異値行列算出部３６６は、ＣＰＵ９１１などの処理装置を用いて、算出した特異値行列の成分（特異値σ、スコア値ｕなど）を、磁気ディスク装置９２０などの記憶装置を用いて記憶する。
なお、列変更特異値行列算出部３６６は、以前に近いパターン行列を特異値分解したことがない場合（例えば、一番最初に特異値分解をする場合や、局所解に達したため、選択因子を選びなおした場合など）には、通常の方式で特異値分解することとしてもよい。
このように、影響因子選択部１３２が以前に選択した選択因子と比較して、影響因子を１つ入れ替えた選択因子を選択するので、特異値分解部１３３は、以前に特異値分解したパターン行列と比較して、１列だけ異なるパターン行列を特異値分解すればよく、特異値行列を、高速に算出することができる。
なお、以前に特異値分解したパターン行列と比較して、１列だけ増えたパターン行列、１列だけ減ったパターン行列、１行だけ増えたパターン行列、１行だけ減ったパターン行列などであっても、同様に高速に特異値分解することができる。また、増減する行または列は、１行・１列に限らず、複数行・複数列であってもよい。
したがって、影響因子選択部１３２は、以前に選択した選択因子と比較して、１つだけ影響因子を追加した選択因子を選択してもよいし、１つだけ影響因子を減らした選択因子を選択してもよい。また、１つだけ増減させるのではなく、複数の影響因子を増減させてもよい。その場合であっても、列変更特異値行列算出部３６６は、高速に特異値分解することができる。
次に、特異値分解部１３３の動作について説明する。
図１８は、この実施の形態における特異値分解部１３３による特異値分解処理の流れの一例を示すフローチャート図である。
Ｓ４１において、選択因子情報比較部３６３は、ＣＰＵ９１１などの処理装置を用いて、影響因子選択部１３２が選択した選択因子を示す選択因子情報を、磁気ディスク装置９２０などの記憶装置から取得する。
選択因子情報比較部３６３は、ＣＰＵ９１１などの処理装置を用いて、選択因子情報記憶部３６２が記憶した過去の選択因子情報を、磁気ディスク装置９２０などの記憶装置から取得する。
選択因子情報比較部３６３は、ＣＰＵ９１１などの処理装置を用いて、取得した選択因子情報を比較し、選択変更（追加選択または選択解除）された影響因子を求める。
選択因子情報比較部３６３は、ＣＰＵ９１１などの処理装置を用いて、求めた影響因子を示す情報を、磁気ディスク装置９２０などの記憶装置に記憶する。
Ｓ４２において、選択因子情報記憶部３６２は、ＣＰＵ９１１などの処理装置を用いて、影響因子選択部１３２が選択した選択因子を示す選択因子情報を、磁気ディスク装置９２０などの記憶装置から取得する。
選択因子情報記憶部３６２は、ＣＰＵ９１１などの処理装置を用いて、取得した選択因子情報を、磁気ディスク装置９２０などの記憶装置に記憶する。
Ｓ４３において、変更影響因子測定値取得部３６４は、ＣＰＵ９１１などの処理装置を用いて、Ｓ４１で選択因子情報比較部３６３が求めた選択変更された影響因子を示す情報を取得する。
変更影響因子測定値取得部３６４は、ＣＰＵ９１１などの処理装置を用いて、取得した情報に基づいて、選択変更された影響因子の数を算出する。
変更影響因子測定値取得部３６４は、ＣＰＵ９１１などの処理装置を用いて、算出した選択変更された影響因子の数を、所定の数と比較して、選択変更された影響因子の数が多いか少ないかを判断する。
選択変更された影響因子の数が多い場合、新たに特異値分解したほうが速いので、Ｓ４６へ進む。
選択変更された影響因子の数が少ない場合、過去の特異値分解結果を使って特異値分解したほうが速いので、Ｓ４４へ進む。
Ｓ４４において、変更影響因子測定値取得部３６４は、ＣＰＵ９１１などの処理装置を用いて、Ｓ４３で取得した情報に基づいて、選択変更された選択因子を求める。
変更影響因子測定値取得部３６４は、ＣＰＵ９１１などの処理装置を用いて、求めた選択因子について、影響因子測定値記憶部１２２が記憶した影響因子測定値ｘを、磁気ディスク装置９２０などの記憶装置から取得する。
変更影響因子測定値取得部３６４は、ＣＰＵ９１１などの処理装置を用いて、取得した影響因子測定値ｘを、磁気ディスク装置９２０などの記憶装置に記憶する。
Ｓ４５において、列変更特異値行列算出部３６６は、ＣＰＵ９１１などの処理装置を用いて、特異値行列記憶部３６５が記憶した過去の特異値分解の結果である特異値行列の成分を、磁気ディスク装置９２０などの記憶装置から取得する。
列変更特異値行列算出部３６６は、ＣＰＵ９１１などの処理装置を用いて、Ｓ４４で変更影響因子測定値取得部３６４が取得した影響因子測定値ｘを、磁気ディスク装置９２０などの記憶装置から取得する。
列変更特異値行列算出部３６６は、ＣＰＵ９１１などの処理装置を用いて、取得した特異値行列の成分と影響因子測定値ｘとに基づいて、パターン行列Ｐを特異値分解する。
列変更特異値行列算出部３６６は、ＣＰＵ９１１などの処理装置を用いて、特異値分解して得た特異値行列の成分を、磁気ディスク装置９２０などの記憶装置に記憶する。
その後、Ｓ４８へ進む。
Ｓ４６において、変更影響因子測定値取得部３６４は、ＣＰＵ９１１などの処理装置を用いて、影響因子選択部１３２が選択した選択因子を示す選択因子情報を、磁気ディスク装置９２０などの記憶装置から取得する。
変更影響因子測定値取得部３６４は、ＣＰＵ９１１などの処理装置を用いて、取得した選択因子情報によって示される選択因子を求める。
変更影響因子測定値取得部３６４は、ＣＰＵ９１１などの処理装置を用いて、求めた選択因子について、影響因子測定値記憶部１２２が記憶した影響因子測定値ｘを、磁気ディスク装置９２０などの記憶装置から取得する。
変更影響因子測定値取得部３６４は、ＣＰＵ９１１などの処理装置を用いて、取得した影響因子測定値ｘを、磁気ディスク装置９２０などの記憶装置に記憶する。
Ｓ４７において、列変更特異値行列算出部３６６は、ＣＰＵ９１１などの処理装置を用いて、Ｓ４６で変更影響因子測定値取得部３６４が取得した影響因子測定値ｘを、磁気ディスク装置９２０などの記憶装置から取得する。
列変更特異値行列算出部３６６は、ＣＰＵ９１１などの処理装置を用いて、取得した影響因子測定値ｘを成分とするパターン行列Ｐを、通常の方式で特異値分解する。
列変更特異値行列算出部３６６は、ＣＰＵ９１１などの処理装置を用いて、特異値分解して得た特異値行列の成分を、磁気ディスク装置９２０などの記憶装置に記憶する。
Ｓ４８において、特異値行列記憶部３６５は、ＣＰＵ９１１などの処理装置を用いて、Ｓ４５またはＳ４７で列変更特異値行列算出部３６６が求めた特異値行列の成分を、磁気ディスク装置９２０などの記憶装置から取得する。
特異値行列記憶部３６５は、ＣＰＵ９１１などの処理装置を用いて、取得した特異値行列の成分を、磁気ディスク装置９２０などの記憶装置に記憶する。
このように、特異値分解部１３３は、過去の特異値分解の結果を利用することにより、高速に特異値分解をする。
この実施の形態における影響因子推定装置１００によれば、影響因子選択部１３２が生成した選択因子数の影響因子を、選択因子として選択するので、複数回の選択において選択因子の数が変化せず、そのため、特異値分解部１３３における特異値分解処理を高速に行うことができるという効果を奏する。
この実施の形態における影響因子推定装置１００によれば、重み付け算出部１３１が算出した影響因子重み付けＷに基づいて、影響因子選択部１３２が影響因子を強相関因子群と弱相関因子群とに分け、それぞれのグループのなかから選択する影響因子の数を生成し、生成した数の影響因子を、それぞれのグループのなかから選択するので、複数回の選択において、各グループ内での選択因子の数が変化せず、そのため、効率よく近傍の探索ができるという効果を奏する。
この実施の形態における影響因子推定装置１００によれば、影響因子選択部１３２が、過去に判別度を算出した際に用いた選択因子と比較して、選択する選択因子の数が等しく、一部の選択因子が共通する選択因子を選択するので、特異値分解部１３３における特異値分解処理を高速に行うことができるという効果を奏する。
この実施の形態における影響因子推定装置１００によれば、特異値分解部１３３が、過去に特異値分解したパターン行列と比較して、列の数が等しく、一部の列が共通するパターン行列を特異値分解する場合に、過去に特異値分解した結果である特異値行列を利用するので、特異値分解処理を高速に行うことができるという効果を奏する。
実施の形態１における影響因子推定装置１００の外観の一例を示す図。 実施の形態１における影響因子推定装置１００のハードウェア資源の一例を示す図。 実施の形態１における影響因子推定装置１００の機能ブロックの構成の一例を示すブロック構成図。 実施の形態１における影響因子情報入力部１１１、影響因子測定値入力部１１２、測定値入力部１１３が入力し、影響因子情報記憶部１２１、影響因子測定値記憶部１２２、測定値記憶部１２３が記憶する影響因子情報、影響因子測定値、測定値を模式的に表わした図。 実施の形態１における重み付け算出部１３１の内部ブロックの構成の一例を示す詳細ブロック構成図。 実施の形態１における特異値分解部１３３及びスコア値圧縮部１３６の内部ブロックの構成の一例を示す詳細ブロック構成図。 実施の形態１における選択因子測定値取得部３３１の動作を模式的に表わした図。 実施の形態１における特異値算出部３３２及びスコア値算出部３３３の動作を模式的に表わした図。 実施の形態１における圧縮次元算出部３３４及び圧縮スコア値算出部３３５の動作を模式的に表わした図。 実施の形態１における特徴度算出部１３４の内部ブロックの構成の一例を示す詳細ブロック構成図。 実施の形態１における判別式算出部１３７及び判別度算出部１３８の内部ブロックの構成の一例を示す詳細ブロック図。 実施の形態１における判別式算出部１３７及び判別度算出部１３８の動作を模式的に表わした図。 実施の形態１における圧縮スコア値ベクトルＱ’と測定値ｙの分布と、判別度算出部１３８が算出する判別度との関係を模式的に表わした図。 実施の形態１における影響因子推定装置１００が、測定対象の状態（測定値ｙ）に強い影響を与える影響因子を推定する影響因子推定処理の流れの一例を示すフローチャート図。 実施の形態２における影響因子選択部１３２の内部ブロック構成の一例を示すブロック構成図。 実施の形態２における影響因子選択部１３２による影響因子選択処理の流れの一例を示すフローチャート図。 実施の形態２における特異値分解部１３３の内部ブロックの構成の一例を示す詳細ブロック構成図。 実施の形態２における特異値分解部１３３による特異値分解処理の流れの一例を示すフローチャート図。
符号の説明
１００ 影響因子推定装置、１１１ 影響因子情報入力部、１１２ 影響因子測定値入力部、１１３ 測定値入力部、１２１ 影響因子情報記憶部、１２２ 影響因子測定値記憶部、１２３ 測定値記憶部、１３１ 重み付け算出部、１３２ 影響因子選択部、１３３ 特異値分解部、１３４ 特徴度算出部、１３５ 強影響因子選択部、１３６ スコア値圧縮部、１３７ 判別式算出部、１３８ 判別度算出部、１４５ 強影響因子出力部、３１１ 測定値平均値算出部、３１２ 測定値二乗平均値算出部、３１３ 影響因子測定値平均値算出部、３１４ 影響因子測定値二乗平均値算出部、３１５ 測定値分散算出部、３１６ 影響因子測定値分散算出部、３１７ 測定値共分散算出部、３１８ 測定値相関係数算出部、３２１ 影響因子分類部、３２２ 選択因子数生成部、３２３ 強相関因子選択部、３２４ 弱相関因子選択部、３２５ 選択因子情報生成部、３２６ 局所解判断部、３３１ 選択因子測定値取得部、３３２ 特異値算出部、３３３ スコア値算出部、３３４ 圧縮次元算出部、３３５ 圧縮スコア値算出部、３４０ 基準ベクトル群選択部、３４１ 基準スコア値平均値算出部、３４２ 基準スコア値分散算出部、３４３ 基準スコア値共分散算出部、３４４ 分散共分散行列逆行列算出部、３４５ マハラノビス距離算出部、３４６ 類似度平均値算出部、３４７ 類似度分散算出部、３４８ 類似度共分散算出部、３４９ 類似度相関係数算出部、３６２ 選択因子情報記憶部、３６３ 選択因子情報比較部、３６４ 変更影響因子測定値取得部、３６５ 特異値行列記憶部、３６６ 列変更特異値行列算出部、３７１ バラツキ判定部、３７２ 判別式パラメータ算出部、３８１ 条件判断部、３８２ 判別結果判断部、３８３ 判別結果比較部、３８４ 正解率算出部、３９１ 圧縮スコア値ベクトル取得部、３９２ 回帰式算出部、３９３ 回帰誤差算出部、３９４ 回帰誤差合計算出部、９０１ 表示装置、９０２ キーボード、９０３ マウス、９０４ ＦＤＤ、９０５ ＣＤＤ、９０６ プリンタ装置、９０７ スキャナ装置、９１０ システムユニット、９１１ ＣＰＵ、９１２ バス、９１３ ＲＯＭ、９１４ ＲＡＭ、９１５ 通信ボード、９２０ 磁気ディスク装置、９２１ ＯＳ、９２２ ウィンドウシステム、９２３ プログラム群、９２４ ファイル群、９３１ 電話器、９３２ ファクシミリ機、９４０ インターネット、９４１ ゲートウェイ、９４２ ＬＡＮ。

Claims (15)

  1. 情報を記憶する記憶装置と、
    情報を処理する処理装置と、
    情報を出力する出力装置と、
    上記処理装置を用いて、測定対象の状態を測定した値を測定値ｙとし、複数の測定値ｙを上記記憶装置に記憶する測定値記憶部と、
    上記処理装置を用いて、上記測定対象の状態に影響を与える可能性のある複数の影響因子Ｆを示す情報を、影響因子情報として、上記記憶装置に記憶する影響因子情報記憶部と、
    上記処理装置を用いて、上記影響因子情報記憶部が記憶した影響因子情報によって示される上記複数の影響因子Ｆを測定した値を、複数の影響因子測定値ｘとし、上記測定値記憶部が記憶した複数の測定値ｙそれぞれに対応する上記複数の影響因子測定値ｘを、上記複数の測定値ｙそれぞれに対応する複数の影響因子測定値ベクトルＸの成分として、上記記憶装置に記憶する影響因子測定値記憶部と、
    上記処理装置を用いて、上記影響因子情報記憶部が記憶した影響因子情報によって示される上記複数の影響因子Ｆのなかから、複数の影響因子を選択して、複数の選択因子Ｆ’とし、上記処理装置を用いて、選択した上記複数の選択因子Ｆ’を示す情報を、選択因子情報Ｓとして、上記記憶装置に記憶する影響因子選択部と、
    上記処理装置を用いて、上記影響因子選択部が選択した複数の選択因子Ｆ’を示す選択因子情報Ｓを上記記憶装置から取得し、上記処理装置を用いて、上記影響因子測定値記憶部が記憶した複数の影響因子測定値ｘのうち、取得した上記選択因子情報Ｓによって示される複数の選択因子Ｆ’についての複数の影響因子測定値ｘを上記記憶装置から取得し、上記処理装置を用いて、上記複数の測定値ｙに対応する複数の影響因子測定値ｘのうち、取得した複数の影響因子測定値ｘを成分とする複数のベクトルを、上記複数の測定値ｙに対応する複数の選択因子測定値ベクトルＸ’とし、上記複数の選択因子測定値ベクトルＸ’を行ベクトルとする行列を、パターン行列Ｐとし、上記パターン行列Ｐを特異値分解して、複数の特異値σと、Ｐ＝Ｕ・Ｓ・Ｖ Ｔ （ただし、Ｓはσを対角成分とする対角行列。）を満たすスコア値行列Ｕとを算出し、上記処理装置を用いて、算出した上記複数の特異値σを上記記憶装置に記憶し、上記処理装置を用いて、算出した上記スコア値行列Ｕの複数の行ベクトルを、上記複数の行ベクトルに対応する上記パターン行列Ｐの行ベクトルである上記複数の選択因子測定値ベクトルＸ’が対応する上記複数の測定値に対応する複数のスコア値ベクトルＱとし、上記複数のスコア値ベクトルＱの複数の成分を、上記複数の測定値ｙに対応する複数のスコア値ｕとして、上記記憶装置に記憶する特異値分解部と、
    上記処理装置を用いて、上記特異値分解部が算出した複数の特異値σを、上記記憶装置から取得し、上記処理装置を用いて、取得した上記複数の特異値σに基づいて、上記特異値分解部が算出した複数のスコア値ｕのうちから、複数のスコア値ｕを選択し、選択した上記複数のスコア値ｕを上記記憶装置から取得し、上記処理装置を用いて、上記複数の測定値ｙに対応する複数のスコア値ｕのうち、取得した上記複数のスコア値ｕを、上記複数の測定値ｙに対応する複数の圧縮スコア値ベクトルＱ’の成分として、上記記憶装置に記憶するスコア値圧縮部と、
    上記処理装置を用いて、上記測定値記憶部が記憶した複数の測定値ｙを上記記憶装置から取得し、上記処理装置を用いて、取得した上記複数の測定値ｙが所定の条件を満たすか否かを判断し、上記処理装置を用いて、取得した上記複数の測定値ｙのうち、上記所定の条件を満たすと判断した測定値ｙに対応する上記複数の圧縮スコア値ベクトルＱ’の成分として上記スコア値圧縮部が記憶した複数のスコア値ｕを上記記憶装置から取得し、上記処理装置を用いて、取得した上記複数のスコア値ｕを成分とする上記複数の圧縮スコア値ベクトルＱ’のバラツキの度合いを示す値を算出して、特徴度Ｃとし、上記処理装置を用いて、算出した特徴度Ｃを、上記記憶装置に記憶する特徴度算出部と、
    上記処理装置を用いて、上記特徴度算出部が算出した特徴度Ｃを上記記憶装置から取得し、上記処理装置を用いて、取得した上記特徴度Ｃに基づいて、上記特徴度算出部が取得した複数のスコア値ｕを成分とする複数の圧縮スコア値ベクトルＱ’のバラツキが小さいか否かを判断し、上記特徴度算出部が取得した複数のスコア値ｕを成分とする複数の圧縮スコア値ベクトルＱ’のバラツキが小さいと判断した場合に、上記処理装置を用いて、上記測定値記憶部が記憶した複数の測定値ｙが所定の条件を満たすか否かを、上記複数の測定値ｙに対応する複数の圧縮スコア値ベクトルＱ’の成分として上記スコア値圧縮部が記憶した複数のスコア値ｕに基づいて判別する判別式を算出し、算出した上記判別式のパラメータを、上記記憶装置に記憶する判別式算出部と、
    上記処理装置を用いて、上記測定値記憶部が記憶した複数の測定値ｙを上記記憶装置から取得し、上記処理装置を用いて、取得した上記複数の測定値ｙが上記所定の条件を満たすか否かを判断し、上記処理装置を用いて、上記判別式算出部が記憶したパラメータを上記記憶装置から取得し、上記処理装置を用いて、上記複数の測定値ｙに対応して、上記スコア値圧縮部が記憶した複数のスコア値ｕを上記記憶装置から取得し、上記処理装置を用いて、取得した上記パラメータによって示される判別式に取得した上記複数のスコア値ｕを代入して、上記複数のスコア値ｕに対応する複数の測定値ｙが所定の条件を満たすか否かを判別し、上記処理装置を用いて、上記複数の測定値ｙに基づく判断結果と、上記判別式に基づく判別結果とを比較して、上記判別式に基づく判別結果が正しいか否かを判断し、上記処理装置を用いて、上記判別式に基づく判別結果が正しいか否かの判断結果に基づいて、上記判別式の判別精度を示す値を算出して、判別度とし、上記処理装置を用いて、算出した上記判別度を上記記憶装置に記憶する判別度算出部と、
    上記処理装置を用いて、上記判別度算出部が算出した判別度を上記記憶装置から取得し、上記処理装置を用いて、取得した上記判別度に基づいて上記判別式の判別精度が高いか否かを判断し、上記判別式の判別精度が高いと判断した場合に、上記処理装置を用いて、上記影響因子選択部が選択した複数の選択因子Ｆ’を示す選択因子情報Ｓを上記記憶装置から取得し、上記処理装置を用いて、取得した上記選択因子情報Ｓを、強影響因子情報として、上記記憶装置に記憶する強影響因子選択部と、
    上記処理装置を用いて、上記強影響因子選択部が記憶した強影響因子情報を上記記憶装置から取得し、上記処理装置を用いて、上記影響因子情報記憶部が記憶した影響因子情報のうち、取得した上記強影響因子情報によって示される影響因子についての影響因子情報を、上記記憶装置から取得し、上記処理装置を用いて、取得した上記影響因子情報に基づいて、上記強影響因子情報によって示される影響因子についての情報を上記出力装置に出力する強影響因子出力部と、
    を有し、
    上記測定対象の状態に強い影響を与える影響因子を推定することを特徴とする影響因子推定装置。
  2. 上記特徴度算出部は、
    上記処理装置を用いて、取得した上記複数のスコア値ｕを成分とする複数の圧縮スコア値ベクトルＱ’を近似する近似式を算出し、
    上記処理装置を用いて、算出した上記近似式と、上記複数の圧縮スコア値ベクトルＱ’との間の近似誤差を算出し、
    上記処理装置を用いて、算出した上記近似誤差を合計して、特徴度Ｃとする
    ことを特徴とする請求項１に記載の影響因子推定装置。
  3. 上記特徴度算出部は、
    上記処理装置を用いて、上記近似式として、取得した上記複数のスコア値ｕを成分とする複数の圧縮スコア値ベクトルＱ’の回帰式を算出し、
    上記処理装置を用いて、上記近似誤差として、算出した上記回帰式と、上記複数の圧縮スコア値ベクトルＱ’との間の回帰誤差の二乗を算出する
    ことを特徴とする請求項２に記載の影響因子推定装置。
  4. 上記判別式算出部は、
    上記処理装置を用いて、取得した上記特徴度Ｃを所定の値と比較し、上記特徴度Ｃが所定の値より小さい場合に、上記処理装置を用いて、上記特徴度算出部が取得した複数のスコア値ｕを成分とする複数の圧縮スコア値ベクトルＱ’のバラツキが小さいと判断する
    ことを特徴とする請求項１に記載の影響因子推定装置。
  5. 上記判別式算出部は、
    上記処理装置を用いて、上記測定値記憶部が記憶した複数の測定値ｙを上記記憶装置から取得し、上記処理装置を用いて、取得した上記複数の測定値ｙが所定の条件を満たすか否かを判断し、上記処理装置を用いて、取得した上記複数の測定値ｙのうち、上記所定の条件を満たすと判断した測定値ｙに対応する上記複数の圧縮スコア値ベクトルＱ’の成分として上記スコア値圧縮部が記憶した複数のスコア値ｕを上記記憶装置から取得し、取得した上記複数のスコア値ｕを成分とする複数の圧縮スコア値ベクトルＱ’を、基準ベクトル群Ｇとし、上記処理装置を用いて、上記判別式として、上記基準ベクトル群Ｇに対するマハラノビス距離を計算する計算式を算出する
    ことを特徴とする請求項１に記載の影響因子推定装置。
  6. 上記判別度算出部は、
    上記処理装置を用いて、取得した上記パラメータによって示される判別式に、取得した上記複数のスコア値ｕを代入して、上記判別式の値を算出し、上記処理装置を用いて、算出した上記判別式の値を所定の値と比較して、上記複数のスコア値ｕを成分とする複数の圧縮スコア値ベクトルＱ’に対応する複数の測定値ｙが所定の条件を満たすか否かを判別する
    ことを特徴とする請求項１に記載の影響因子推定装置。
  7. 上記判別度算出部は、
    上記処理装置を用いて、上記判別度として、上記判別式に基づく判別結果が正しいか否かの判断結果のうち、上記判別式に基づく判別結果が正しいと判断した割合を計算する
    ことを特徴とする請求項１に記載の影響因子推定装置。
  8. 上記影響因子選択部は、
    上記処理装置を用いて、上記複数の影響因子Ｆのなかから選択する複数の選択因子Ｆ’の数を生成して、選択因子数とし、上記処理装置を用いて、上記複数の影響因子Ｆのなかから、生成した上記選択因子数の選択因子Ｆ’を選択する
    ことを特徴とする請求項１に記載の影響因子推定装置。
  9. 上記影響因子推定装置は、更に、
    上記処理装置を用いて、上記測定値記憶部が記憶した複数の測定値ｙを上記記憶装置から取得し、上記処理装置を用いて、取得した上記複数の測定値ｙに対応する複数の影響因子測定値ベクトルＸの成分として上記影響因子測定値記憶部が記憶した複数の影響因子測定値ｘを上記記憶装置から取得し、上記処理装置を用いて、上記複数の影響因子Ｆそれぞれについて、取得した上記複数の測定値ｙと、上記複数の測定値ｙに対応する上記複数の影響因子測定値ｘとの間の相関の強さを示す値を算出して、上記複数の影響因子Ｆに対応する複数の影響因子重み付けＷとし、上記処理装置を用いて、算出した上記複数の影響因子重み付けＷを記憶装置に記憶する重み付け算出部
    を有し、
    上記影響因子選択部は、
    上記処理装置を用いて、上記重み付け算出部が算出した複数の影響因子重み付けＷを上記記憶装置から取得し、上記処理装置を用いて、取得した上記影響因子重み付けＷに基づいて、上記複数の影響因子Ｆを複数の影響因子グループに分類し、上記処理装置を用いて、分類した上記複数の影響因子グループそれぞれのなかから選択する選択因子Ｆ’の数をそれぞれ生成して、グループ選択因子数とし、上記処理装置を用いて、上記複数の影響因子グループそれぞれのなかから、生成した上記グループ選択因子数の選択因子Ｆ’を選択する
    ことを特徴とする請求項１に記載の影響因子推定装置。
  10. 上記影響因子選択部は、更に、
    上記処理装置を用いて、上記判別度算出部が算出した判別度を上記記憶装置から取得し、上記処理装置を用いて、取得した上記判別度に基づいて、大規模組み合わせ計算法により、上記判別度が大きくなるよう、上記複数の影響因子Ｆのなかから複数の選択因子Ｆ’を選択する
    ことを特徴とする請求項１に記載の影響因子推定装置。
  11. 上記影響因子選択部は、
    上記大規模組み合わせ計算法として、焼きなまし法及び遺伝的アルゴリズム法及びタブーサーチ法の少なくともいずれかを用いる
    ことを特徴とする請求項１０に記載の影響因子推定装置。
  12. 上記影響因子選択部は、
    上記処理装置を用いて、取得した上記判別度を算出する際に用いた複数の選択因子Ｆ‘を示す選択因子情報Ｓを上記記憶装置から取得し、上記処理装置を用いて、取得した上記選択因子情報Ｓによって示される複数の選択因子Ｆ’と比較して、選択する選択因子Ｆ‘の数が等しく、一部の選択因子Ｆ’が共通する複数の選択因子Ｆ’を選択する
    ことを特徴とする請求項１０に記載の影響因子推定装置。
  13. 上記重み付け算出部は、
    上記複数の影響因子Ｆそれぞれについて、上記複数の測定値ｙと、上記複数の測定値ｙに対応する上記複数の影響因子測定値ｘとの間のピアソンの積率相関係数の二乗を算出し、上記複数の影響因子Ｆに対応する複数の影響因子重み付けＷとする
    ことを特徴とする請求項９に記載の影響因子推定装置。
  14. 上記特異値分解部は、
    上記処理装置を用いて、取得した上記選択因子情報Ｓを上記記憶装置に記憶し、上記処理装置を用いて、取得した上記選択因子情報Ｓによって示される複数の選択因子Ｆ’と、以前に記憶した選択因子情報Ｓによって示される複数の選択因子Ｆ’とを比較して、選択した選択因子Ｆ’の数が等しく、一部の選択因子Ｆ’が共通している場合に、上記処理装置を用いて、以前に記憶した上記選択因子情報Ｓによって示される複数の選択因子Ｆ’についてのパターン行列Ｐを特異値分解して算出した複数の特異値σと複数のスコア値ｕとを上記記憶装置から取得し、上記処理装置を用いて、取得した上記複数の特異値σと上記複数のスコア値ｕとに基づいて、取得した上記選択因子情報Ｓによって示される複数の選択因子Ｆ’についてのパターン行列Ｐを特異値分解する
    ことを特徴とする請求項１に記載の影響因子推定装置。
  15. 情報を記憶する記憶装置と、情報を処理する処理装置と、情報を出力する出力装置とを有するコンピュータを、
    上記処理装置を用いて、測定対象の状態を測定した値を測定値ｙとし、複数の測定値ｙを上記記憶装置に記憶する測定値記憶部と、
    上記処理装置を用いて、上記測定対象の状態に影響を与える可能性のある複数の影響因子Ｆを示す情報を、影響因子情報として、上記記憶装置に記憶する影響因子情報記憶部と、
    上記処理装置を用いて、上記影響因子情報記憶部が記憶した影響因子情報によって示される上記複数の影響因子Ｆを測定した値を、複数の影響因子測定値ｘとし、上記測定値記憶部が記憶した複数の測定値ｙそれぞれに対応する上記複数の影響因子測定値ｘを、上記複数の測定値ｙそれぞれに対応する複数の影響因子測定値ベクトルＸの成分として、上記記憶装置に記憶する影響因子測定値記憶部と、
    上記処理装置を用いて、上記影響因子情報記憶部が記憶した影響因子情報によって示される上記複数の影響因子Ｆのなかから、複数の影響因子を選択して、複数の選択因子Ｆ’とし、上記処理装置を用いて、選択した上記複数の選択因子Ｆ’を示す情報を、選択因子情報Ｓとして、上記記憶装置に記憶する影響因子選択部と、
    上記処理装置を用いて、上記影響因子選択部が選択した複数の選択因子Ｆ’を示す選択因子情報Ｓを上記記憶装置から取得し、上記処理装置を用いて、上記影響因子測定値記憶部が記憶した複数の影響因子測定値ｘのうち、取得した上記選択因子情報Ｓによって示される複数の選択因子Ｆ’についての複数の影響因子測定値ｘを上記記憶装置から取得し、上記処理装置を用いて、上記複数の測定値ｙに対応する複数の影響因子測定値ｘのうち、取得した複数の影響因子測定値ｘを成分とする複数のベクトルを、上記複数の測定値ｙに対応する複数の選択因子測定値ベクトルＸ’とし、上記複数の選択因子測定値ベクトルＸ’を行ベクトルとする行列を、パターン行列Ｐとし、上記パターン行列Ｐを特異値分解して、複数の特異値σと、Ｐ＝Ｕ・Ｓ・Ｖ Ｔ （ただし、Ｓはσを対角成分とする対角行列。）を満たすスコア値行列Ｕとを算出し、上記処理装置を用いて、算出した上記複数の特異値σを上記記憶装置に記憶し、上記処理装置を用いて、算出した上記スコア値行列Ｕの複数の行ベクトルを、上記複数の行ベクトルに対応する上記パターン行列Ｐの行ベクトルである上記複数の選択因子測定値ベクトルＸ’が対応する上記複数の測定値に対応する複数のスコア値ベクトルＱとし、上記複数のスコア値ベクトルＱの複数の成分を、上記複数の測定値ｙに対応する複数のスコア値ｕとして、上記記憶装置に記憶する特異値分解部と、
    上記処理装置を用いて、上記特異値分解部が算出した複数の特異値σを、上記記憶装置から取得し、上記処理装置を用いて、取得した上記複数の特異値σに基づいて、上記特異値分解部が算出した複数のスコア値ｕのうちから、複数のスコア値ｕを選択し、選択した上記複数のスコア値ｕを上記記憶装置から取得し、上記処理装置を用いて、上記複数の測定値ｙに対応する複数のスコア値ｕのうち、取得した上記複数のスコア値ｕを、上記複数の測定値ｙに対応する複数の圧縮スコア値ベクトルＱ’の成分として、上記記憶装置に記憶するスコア値圧縮部と、
    上記処理装置を用いて、上記測定値記憶部が記憶した複数の測定値ｙを上記記憶装置から取得し、上記処理装置を用いて、取得した上記複数の測定値ｙが所定の条件を満たすか否かを判断し、上記処理装置を用いて、取得した上記複数の測定値ｙのうち、上記所定の条件を満たすと判断した測定値ｙに対応する上記複数の圧縮スコア値ベクトルＱ’の成分として上記スコア値圧縮部が記憶した複数のスコア値ｕを上記記憶装置から取得し、上記処理装置を用いて、取得した上記複数のスコア値ｕを成分とする上記複数の圧縮スコア値ベクトルＱ’のバラツキの度合いを示す値を算出して、特徴度Ｃとし、上記処理装置を用いて、算出した特徴度Ｃを、上記記憶装置に記憶する特徴度算出部と、
    上記処理装置を用いて、上記特徴度算出部が算出した特徴度Ｃを上記記憶装置から取得し、上記処理装置を用いて、取得した上記特徴度Ｃに基づいて、上記特徴度算出部が取得した複数のスコア値ｕを成分とする複数の圧縮スコア値ベクトルＱ’のバラツキが小さいか否かを判断し、上記特徴度算出部が取得した複数のスコア値ｕを成分とする複数の圧縮スコア値ベクトルＱ’のバラツキが小さいと判断した場合に、上記処理装置を用いて、上記測定値記憶部が記憶した複数の測定値ｙが所定の条件を満たすか否かを、上記複数の測定値ｙに対応して上記スコア値圧縮部が記憶した複数のスコア値ｕに基づいて判別する判別式を算出し、算出した上記判別式のパラメータを、上記記憶装置に記憶する判別式算出部と、
    上記処理装置を用いて、上記測定値記憶部が記憶した複数の測定値ｙを上記記憶装置から取得し、上記処理装置を用いて、取得した上記複数の測定値ｙが上記所定の条件を満たすか否かを判断し、上記処理装置を用いて、上記判別式算出部が記憶したパラメータを上記記憶装置から取得し、上記処理装置を用いて、上記複数の測定値ｙに対応して、上記スコア値圧縮部が記憶した複数のスコア値ｕを上記記憶装置から取得し、上記処理装置を用いて、取得した上記パラメータによって示される判別式に取得した上記複数のスコア値ｕを代入して、上記複数のスコア値ｕに対応する複数の測定値ｙが所定の条件を満たすか否かを判別し、上記処理装置を用いて、上記複数の測定値ｙに基づく判断結果と、上記判別式に基づく判別結果とを比較して、上記判別式に基づく判別結果が正しいか否かを判断し、上記処理装置を用いて、上記判別式に基づく判別結果が正しいか否かの判断結果に基づいて、上記判別式の判別精度を示す値を算出して、判別度とし、上記処理装置を用いて、算出した上記判別度を上記記憶装置に記憶する判別度算出部と、
    上記処理装置を用いて、上記判別度算出部が算出した判別度を上記記憶装置から取得し、上記処理装置を用いて、取得した上記判別度に基づいて上記判別式の判別精度が高いか否かを判断し、上記判別式の判別精度が高いと判断した場合に、上記処理装置を用いて、上記影響因子選択部が選択した複数の選択因子Ｆ’を示す選択因子情報Ｓを上記記憶装置から取得し、上記処理装置を用いて、取得した上記選択因子情報Ｓを、強影響因子情報として、上記記憶装置に記憶する強影響因子選択部と、
    上記処理装置を用いて、上記強影響因子選択部が記憶した強影響因子情報を上記記憶装置から取得し、上記処理装置を用いて、上記影響因子情報記憶部が記憶した影響因子情報のうち、取得した上記強影響因子情報によって示される影響因子についての影響因子情報を、上記記憶装置から取得し、上記処理装置を用いて、取得した上記影響因子情報に基づいて、上記強影響因子情報によって示される影響因子についての情報を上記出力装置に出力する強影響因子出力部と、
    を有し、
    上記測定対象の状態に強い影響を与える影響因子を推定する影響因子推定装置として機能させることを特徴とする影響因子推定プログラム。
JP2006135297A 2006-05-15 2006-05-15 影響因子推定装置及び影響因子推定プログラム Expired - Fee Related JP4495691B2 (ja)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP2006135297A JP4495691B2 (ja) 2006-05-15 2006-05-15 影響因子推定装置及び影響因子推定プログラム

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2006135297A JP4495691B2 (ja) 2006-05-15 2006-05-15 影響因子推定装置及び影響因子推定プログラム

Publications (2)

Publication Number Publication Date
JP2007305048A JP2007305048A (ja) 2007-11-22
JP4495691B2 true JP4495691B2 (ja) 2010-07-07

Family

ID=38838896

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2006135297A Expired - Fee Related JP4495691B2 (ja) 2006-05-15 2006-05-15 影響因子推定装置及び影響因子推定プログラム

Country Status (1)

Country Link
JP (1) JP4495691B2 (ja)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20220390263A1 (en) * 2021-05-31 2022-12-08 Mitsubishi Heavy Industries, Ltd. Disturbance estimation device, disturbance estimation method, and program

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5967017B2 (ja) * 2013-05-31 2016-08-10 Ｊｆｅスチール株式会社 影響因子抽出方法およびプログラム
JP7384081B2 (ja) * 2020-03-18 2023-11-21 株式会社デンソー 情報処理装置、データ分解方法、及びデータ分解プログラム
JP7567055B2 (ja) 2021-06-16 2024-10-15 日立Astemo株式会社 設計支援方法、設計支援システム
CN118094357B (zh) * 2024-04-22 2024-07-12 武汉泰沃滋信息技术有限公司 基于属性解耦和因子分析的车辆动态称重方法及系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002202983A (ja) * 2000-12-28 2002-07-19 Matsushita Electric Ind Co Ltd 分類への帰属度計算基準作成方法及び装置
JP2003030222A (ja) * 2001-07-05 2003-01-31 Internatl Business Mach Corp <Ibm> 大規模データベースにおける主要クラスタおよびアウトライア・クラスタの検索、検出および同定のための方法、システム、記録媒体、およびサーバ
JP2003316764A (ja) * 2002-04-18 2003-11-07 Mitsubishi Electric Research Laboratories Inc 加算的特異値分解方法
JP2005294782A (ja) * 2004-03-31 2005-10-20 Takeshi Awaji 半導体超伝導素子
JP2006011724A (ja) * 2004-06-24 2006-01-12 Ishihara Sangyo Kaisha Ltd データ解析方法及びそのシステム

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002202983A (ja) * 2000-12-28 2002-07-19 Matsushita Electric Ind Co Ltd 分類への帰属度計算基準作成方法及び装置
JP2003030222A (ja) * 2001-07-05 2003-01-31 Internatl Business Mach Corp <Ibm> 大規模データベースにおける主要クラスタおよびアウトライア・クラスタの検索、検出および同定のための方法、システム、記録媒体、およびサーバ
JP2003316764A (ja) * 2002-04-18 2003-11-07 Mitsubishi Electric Research Laboratories Inc 加算的特異値分解方法
JP2005294782A (ja) * 2004-03-31 2005-10-20 Takeshi Awaji 半導体超伝導素子
JP2006011724A (ja) * 2004-06-24 2006-01-12 Ishihara Sangyo Kaisha Ltd データ解析方法及びそのシステム

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20220390263A1 (en) * 2021-05-31 2022-12-08 Mitsubishi Heavy Industries, Ltd. Disturbance estimation device, disturbance estimation method, and program
JP7565869B2 (ja) 2021-05-31 2024-10-11 三菱重工業株式会社 外乱推定装置、外乱推定方法およびプログラム

Also Published As

Publication number Publication date
JP2007305048A (ja) 2007-11-22

Similar Documents

Publication Publication Date Title
CN113222700B (zh) 基于会话的推荐方法及装置
US20180082215A1 (en) Information processing apparatus and information processing method
Sun et al. Quantifying variable interactions in continuous optimization problems
JP2015082259A (ja) 時系列データ予測装置、時系列データ予測方法、及びプログラム
CN111639798A (zh) 智能的预测模型选择方法及装置
JP4495691B2 (ja) 影響因子推定装置及び影響因子推定プログラム
CN115412301B (zh) 一种网络安全的预测分析方法及系统
CN112382354B (zh) 一种Cr12MoV材料硬度预测方法及装置
Deutsch et al. Ties matter: Meta-evaluating modern metrics with pairwise accuracy and tie calibration
CN116185817A (zh) 一种软件缺陷预测规则的筛选方法及系统
CN116186603A (zh) 异常用户的识别方法及装置、计算机存储介质、电子设备
CN111898637A (zh) 一种基于ReliefF-DDC特征选择算法
Widyawati et al. Comparison Analysis of Classification Model Performance in Lung Cancer Prediction Using Decision Tree, Naive Bayes, and Support Vector Machine
US20220327394A1 (en) Learning support apparatus, learning support methods, and computer-readable recording medium
JP5684084B2 (ja) 誤分類検出装置、方法、及びプログラム
CN117763316A (zh) 一种基于机器学习的高维数据降维方法及降维系统
CN112634268A (zh) 一种视频质量评价方法、装置及电子设备
JP7231829B2 (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
CN111782805A (zh) 一种文本标签分类方法及系统
US20090099821A1 (en) Model-diversity technique for improved proactive fault monitoring
Nikolikj et al. Sensitivity Analysis of RF+ clust for Leave-one-problem-out Performance Prediction
CN116612814A (zh) 基于回归模型的基因样本污染批量检测方法、装置、设备及介质
Kohns et al. Decoupling shrinkage and selection for the Bayesian quantile regression
CN115730152A (zh) 基于用户画像分析的大数据处理方法及大数据处理系统
CN114912341A (zh) 一种通信设备修理备件消耗量的组合预测方法

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20081226

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20100209

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20100223

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20100318

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: 20100406

A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20100409

R150 Certificate of patent or registration of utility model

Free format text: JAPANESE INTERMEDIATE CODE: R150

FPAY Renewal fee payment (event date is renewal date of database)

Free format text: PAYMENT UNTIL: 20130416

Year of fee payment: 3

LAPS Cancellation because of no payment of annual fees