JPH11184701A - 推論システムの知識調整装置、知識調整方法および記録媒体 - Google Patents

Abstract

(57)【要約】 【課題】 推論システムにおける知識を自動初期設定
し、ユーザの好みや感性に沿った調整目的に応じた知識
の設定および調整を容易に行い得る推論システムの知識
調整装置、知識調整方法および記憶媒体を提供する。 【解決手段】 知識ベース１１３の推論規則を初期設定
する際には、特徴量抽出手段１１１により、サンプルと
して入力される第１画像サンプルデータおよび生成され
るべき第２画像サンプルデータの組についてそれぞれ特
徴量を抽出し、初期設定手段１１２により、該特徴量の
組に基づいて知識ベース１１３内の推論規則を生成す
る。また推論規則を再設定または調整する際には、特徴
量抽出手段１１１により入力される第１画像データにつ
いて特徴量を抽出し、再設定調整手段１１５により、該
特徴量およびまたは推論結果となる第２画像データに基
づいて推論規則を再設定または調整する。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、推論システムの知
識調整装置、知識調整方法および該知識調整方法を実行
させるためのプログラムを記録した記録媒体に係り、特
に、推論システムにおける推論ルールおよびメンバシッ
プ関数等の知識を自動的に初期設定し、ユーザフレンド
リでインタラクティブなユーザインタフェースや目的別
の調整法等を備えることより、ユーザの好みや感性に沿
った調整目的に応じた知識の設定および調整を容易に行
い得る推論システムの知識調整装置、知識調整方法およ
び記録媒体に関する。

【０００２】

【従来の技術】従来より、ファジイ推論等の推論技法を
利用した推論システムが種々提案されている。この推論
システムにおいては、ファジイ推論は、専門家の持つ知
識を、例えば、「Ｉｆ…，Ｔｈｅｎ〜．」形式の推論ル
ールとして表現することができる。すなわち、専門家の
ノウハウを獲得して専門家と同等の予測を行わせようと
するものであるが、このような推論システムでは、推論
ルールやメンバシップ関数等の知識について専門家によ
る調整（チューニング）が不可欠である。

【０００３】例えば、特開平４−３７２０４５号公報で
は、このような「ファジイ推論による時系列データ予測
システムにおける自動チューニング方法」について提案
されている。これは、時系列データの予測を行う専門家
が、メンバシップ関数、推論ルールおよびその重み等の
知識ベースについて初期設定するだけで、後は実際の時
系列データを順次与えることにより実測値と予測値との
誤差が最小となるように知識ベースを自動修正すること
を可能としたものである。

【０００４】

【発明が解決しようとする課題】しかしながら、上記従
来の推論システムの知識調整方法にあっては、少なくと
も最初段階で専門家によるメンバシップ関数、推論ルー
ルおよびその重み等の知識ベースの初期設定が必要であ
り、また、その初期設定によっては所望の推論レベルに
至るまで知識ベースを修正するのに時間を要するおそれ
があるといった問題点がある。また特に、知識調整に人
間の感性といったより複雑な評価基準を持ち込む場合に
は、従来のように、単純に数値誤差を最小にするといっ
た手法では、人間の感性に沿った完全な自動チューニン
グを行うことは実質的に不可能である。

【０００５】本発明は、このような従来の事情に鑑みて
なされたもので、その目的とするところは、推論システ
ムにおける推論ルールおよびメンバシップ関数等の知識
を自動的に初期設定し、ユーザフレンドリでインタラク
ティブなユーザインタフェースや目的別の調整法等を備
えることより、ユーザの好みや感性に沿った調整目的に
応じた知識の設定および調整を容易に行い得る推論シス
テムの知識調整装置、知識調整方法および記録媒体を提
供することにある。

【０００６】

【課題を解決するための手段】上記課題を解決するため
に、本出願の請求項１に記載の発明は、入力される第１
データから第２データを生成するための推論規則を保持
する知識ベースと、前記推論規則に基づいて前記第１デ
ータから前記第２データを推論する推論実行手段とを備
えた推論システムの知識調整装置であって、サンプルと
して入力される第１サンプルデータおよび該第１サンプ
ルデータから生成されるべき第２サンプルデータの組に
ついてそれぞれ特徴量を抽出する特徴量抽出手段と、前
記特徴量抽出手段により抽出された前記第１サンプルデ
ータおよび前記第２サンプルデータについての特徴量の
組に基づいて前記推論規則を生成する初期設定手段とを
具備することを特徴とする推論システムの知識調整装置
にある。

【０００７】また、本出願の請求項２に記載の発明は、
入力される第１データから第２データを生成するための
推論規則を保持する知識ベースと、前記推論規則に基づ
いて前記第１データから前記第２データを推論する推論
実行手段とを備えた推論システムの知識調整装置であっ
て、入力される第１データについて特徴量を抽出する特
徴量抽出手段と、前記特徴量抽出手段により抽出された
前記第１データの特徴量およびまたは前記第１データに
対して前記推論実行手段による推論結果となる前記第２
データに基づいて前記推論規則を調整する再設定調整手
段とを具備することを特徴とする推論システムの知識調
整装置にある。

【０００８】また、本出願の請求項３に記載の発明は、
入力される第１データから第２データを生成するための
推論規則を保持する知識ベースと、前記推論規則に基づ
いて前記第１データから前記第２データを推論する推論
実行手段とを備えた推論システムの知識調整装置であっ
て、サンプルとして入力される第１サンプルデータおよ
び該第１サンプルデータから生成されるべき第２サンプ
ルデータの組についてそれぞれ特徴量を抽出し、入力さ
れる第１データについて特徴量を抽出する特徴量抽出手
段と、前記特徴量抽出手段により抽出された前記第１サ
ンプルデータおよび前記第２サンプルデータについての
特徴量の組に基づいて前記推論規則を生成する初期設定
手段と、前記特徴量抽出手段により抽出された前記第１
データの特徴量およびまたは前記第１データに対して前
記推論実行手段による推論結果となる前記第２データに
基づいて前記推論規則を調整する再設定調整手段とを具
備することを特徴とする推論システムの知識調整装置に
ある。

【０００９】また、本出願の請求項４に記載の発明は、
前記初期設定手段または前記再設定調整手段は、前記推
論規則におけるパラメータを、所定の評価に対して最適
となるように、最適化手法を用いて自動設定または自動
調整することを特徴とする請求項１、２または３に記載
の推論システムの知識調整装置にある。

【００１０】また、本出願の請求項５に記載の発明は、
前記前記特徴量抽出手段により抽出された前記第１サン
プルデータおよび前記第２サンプルデータについての特
徴量の組、前記第１データの特徴量、前記第１データに
対して前記推論実行手段による推論結果となる前記第２
データおよびまたは該第２データの特徴量を所定形式で
出力し、ユーザの操作指示をインタラクティブに取り込
むインタラクティブインタフェース手段を具備し、前記
初期設定手段または前記再設定調整手段は、前記インタ
ラクティブインタフェース手段によるユーザ操作指示に
基づいて前記推論規則におけるパラメータを設定または
調整することを特徴とする請求項１、２または３に記載
の推論システムの知識調整装置にある。

【００１１】また、本出願の請求項６に記載の発明は、
前記インタラクティブインタフェース手段によるユーザ
操作指示を保持するユーザ操作記憶手段を具備し、前記
再設定調整手段は、前記ユーザ操作記憶手段に保持され
たユーザ操作指示またはその履歴に基づいて前記推論規
則におけるパラメータを調整することを特徴とする請求
項２、３または５に記載の推論システムの知識調整装置
にある。

【００１２】また、本出願の請求項７に記載の発明は、
前記初期設定手段および前記再設定調整手段における所
定の評価は、ユーザの操作指示が反映されることを特徴
とする請求項４に記載の推論システムの知識調整装置に
ある。

【００１３】また、本出願の請求項８に記載の発明は、
前記推論規則におけるパラメータは、ユーザの主観や好
みに基づくクラス毎に設定または調整されることを特徴
とする請求項４、５、６または７に記載の推論システム
の知識調整装置にある。

【００１４】また、本出願の請求項９に記載の発明は、
入力される第１データから第２データを生成するための
推論規則を保持する知識ベースと、前記推論規則に基づ
いて前記第１データから前記第２データを推論する推論
実行手段とを備えた推論システムの知識調整方法であっ
て、サンプルとして入力される第１サンプルデータおよ
び該第１サンプルデータから生成されるべき第２サンプ
ルデータの組についてそれぞれ特徴量を抽出する特徴量
抽出ステップと、前記特徴量抽出ステップにより抽出さ
れた前記第１サンプルデータおよび前記第２サンプルデ
ータについての特徴量の組に基づいて前記推論規則を生
成する初期設定ステップとを具備することを特徴とする
推論システムの知識調整方法にある。

【００１５】また、本出願の請求項１０に記載の発明
は、入力される第１データから第２データを生成するた
めの推論規則を保持する知識ベースと、前記推論規則に
基づいて前記第１データから前記第２データを推論する
推論実行手段とを備えた推論システムの知識調整方法で
あって、入力される第１データについて特徴量を抽出す
る特徴量抽出ステップと、前記特徴量抽出ステップによ
り抽出された前記第１データの特徴量およびまたは前記
第１データに対して前記推論実行手段による推論結果と
なる前記第２データに基づいて前記推論規則を調整する
再設定調整ステップとを具備することを特徴とする推論
システムの知識調整方法にある。

【００１６】また、本出願の請求項１１に記載の発明
は、入力される第１データから第２データを生成するた
めの推論規則を保持する知識ベースと、前記推論規則に
基づいて前記第１データから前記第２データを推論する
推論実行手段とを備えた推論システムの知識調整方法で
あって、サンプルとして入力される第１サンプルデータ
および該第１サンプルデータから生成されるべき第２サ
ンプルデータの組についてそれぞれ特徴量を抽出し、入
力される第１データについて特徴量を抽出する特徴量抽
出ステップと、前記特徴量抽出ステップにより抽出され
た前記第１サンプルデータおよび前記第２サンプルデー
タについての特徴量の組に基づいて前記推論規則を生成
する初期設定ステップと、前記特徴量抽出ステップによ
り抽出された前記第１データの特徴量およびまたは前記
第１データに対して前記推論実行手段による推論結果と
なる前記第２データに基づいて前記推論規則を調整する
再設定調整ステップとを具備することを特徴とする推論
システムの知識調整方法にある。

【００１７】また、本出願の請求項１２に記載の発明
は、前記初期設定ステップまたは前記再設定調整ステッ
プは、前記推論規則におけるパラメータを、所定の評価
に対して最適となるように、最適化手法を用いて自動設
定または自動調整することを特徴とする請求項９、１０
または１１に記載の推論システムの知識調整方法にあ
る。

【００１８】また、本出願の請求項１３に記載の発明
は、前記特徴量抽出ステップにより抽出された前記第１
サンプルデータおよび前記第２サンプルデータについて
の特徴量の組、前記第１データの特徴量、前記第１デー
タに対して前記推論実行手段による推論結果となる前記
第２データおよびまたは該第２データの特徴量を所定形
式で出力し、ユーザの操作指示をインタラクティブに取
り込む会話型処理ステップを具備し、前記初期設定ステ
ップまたは前記再設定調整ステップは、前記会話型処理
ステップにおけるユーザ操作指示に基づいて前記推論規
則におけるパラメータを設定または調整することを特徴
とする請求項９、１０または１１に記載の推論システム
の知識調整方法にある。

【００１９】また、本出願の請求項１４に記載の発明
は、前記再設定調整ステップは、ユーザ操作記憶手段に
保持されている前記会話型処理ステップにおけるユーザ
操作指示またはその履歴に基づいて前記推論規則におけ
るパラメータを調整することを特徴とする請求項１０、
１１または１３に記載の推論システムの知識調整方法に
ある。

【００２０】また、本出願の請求項１５に記載の発明
は、前記初期設定ステップおよび前記再設定調整ステッ
プにおける所定の評価は、ユーザの操作指示が反映され
ることを特徴とする請求項１２に記載の推論システムの
知識調整方法にある。

【００２１】また、本出願の請求項１６に記載の発明
は、コンピュータに、入力される第１データから第２デ
ータを生成するための推論規則を保持する知識ベース
と、前記推論規則に基づいて前記第１データから前記第
２データを推論する推論実行手段とを備えた推論システ
ムの知識調整方法を実行させるためのプログラムを記録
した記録媒体であって、前記プログラムは、サンプルと
して入力される第１サンプルデータおよび該第１サンプ
ルデータから生成されるべき第２サンプルデータの組に
ついてそれぞれ特徴量を抽出する特徴量抽出ステップ
と、前記特徴量抽出ステップにより抽出された前記第１
サンプルデータおよび前記第２サンプルデータについて
の特徴量の組に基づいて前記推論規則を生成する初期設
定ステップとを具備することを特徴とする記録媒体にあ
る。

【００２２】また、本出願の請求項１７に記載の発明
は、コンピュータに、入力される第１データから第２デ
ータを生成するための推論規則を保持する知識ベース
と、前記推論規則に基づいて前記第１データから前記第
２データを推論する推論実行手段とを備えた推論システ
ムの知識調整方法を実行させるためのプログラムを記録
した記録媒体であって、前記プログラムは、入力される
第１データについて特徴量を抽出する特徴量抽出ステッ
プと、前記特徴量抽出ステップにより抽出された前記第
１データの特徴量およびまたは前記第１データに対して
前記推論実行手段による推論結果となる前記第２データ
に基づいて前記推論規則を調整する再設定調整ステップ
とを具備することを特徴とする記録媒体にある。

【００２３】また、本出願の請求項１８に記載の発明
は、コンピュータに、入力される第１データから第２デ
ータを生成するための推論規則を保持する知識ベース
と、前記推論規則に基づいて前記第１データから前記第
２データを推論する推論実行手段とを備えた推論システ
ムの知識調整方法を実行させるためのプログラムを記録
した記録媒体であって、前記プログラムは、サンプルと
して入力される第１サンプルデータおよび該第１サンプ
ルデータから生成されるべき第２サンプルデータの組に
ついてそれぞれ特徴量を抽出し、入力される第１データ
について特徴量を抽出する特徴量抽出ステップと、前記
特徴量抽出ステップにより抽出された前記第１サンプル
データおよび前記第２サンプルデータについての特徴量
の組に基づいて前記推論規則を生成する初期設定ステッ
プと、前記特徴量抽出ステップにより抽出された前記第
１データの特徴量およびまたは前記第１データに対して
前記推論実行手段による推論結果となる前記第２データ
に基づいて前記推論規則を調整する再設定調整ステップ
とを具備することを特徴とする記録媒体にある。

【００２４】また、本出願の請求項１９に記載の発明
は、前記初期設定ステップまたは前記再設定調整ステッ
プは、前記推論規則におけるパラメータを、所定の評価
に対して最適となるように、最適化手法を用いて自動設
定または自動調整することを特徴とする請求項１６、１
７または１８に記載の記録媒体にある。

【００２５】また、本出願の請求項２０に記載の発明
は、前記プログラムは、前記前記特徴量抽出ステップに
より抽出された前記第１サンプルデータおよび前記第２
サンプルデータについての特徴量の組、前記第１データ
の特徴量、前記第１データに対して前記推論実行手段に
よる推論結果となる前記第２データおよびまたは該第２
データの特徴量を所定形式で出力し、ユーザの操作指示
をインタラクティブに取り込む会話型処理ステップを具
備し、前記初期設定ステップまたは前記再設定調整ステ
ップは、前記会話型処理ステップにおけるユーザ操作指
示に基づいて前記推論規則におけるパラメータを設定ま
たは調整することを特徴とする請求項１６、１７または
１８に記載の記録媒体にある。

【００２６】また、本出願の請求項２１に記載の発明
は、前記再設定調整ステップは、ユーザ操作記憶手段に
保持されている前記会話型処理ステップにおけるユーザ
操作指示またはその履歴に基づいて前記推論規則におけ
るパラメータを調整することを特徴とする請求項１７、
１８または２０に記載の記録媒体にある。

【００２７】また、本出願の請求項２２に記載の発明
は、前記初期設定ステップおよび前記再設定調整ステッ
プにおける所定の評価は、ユーザの操作指示が反映され
ることを特徴とする請求項１９に記載の記録媒体にあ
る。

【００２８】そして、この請求項１、２、３、４、５、
６、７、８、９、１０、１１、１２、１３、１４、１
５、１６、１７、１８、１９、２０、２１、または２２
に記載の発明によれば、入力される第１データから第２
データを生成するための推論規則を保持する知識ベース
を備えて、推論実行手段によって、知識ベース内の推論
規則に基づき第１データから推論結果として第２データ
を生成する推論システムにおいて、まず、知識ベースの
推論規則を初期設定する際には、特徴量抽出手段（特徴
量抽出ステップ）により、サンプルとして入力される第
１サンプルデータおよび該第１画像サンプルデータから
生成されるべき第２サンプルデータの組についてそれぞ
れ特徴量を抽出し、初期設定手段（初期設定ステップ）
により、特徴量抽出手段によって抽出された第１サンプ
ルデータおよび第２サンプルデータについての特徴量の
組に基づいて知識ベース内の推論規則を生成する。ま
た、知識ベース内に設定されている推論規則を再設定ま
たは調整する際には、特徴量抽出手段（特徴量抽出ステ
ップ）により、入力される第１データについて特徴量を
抽出し、再設定調整手段（再設定調整ステップ）によ
り、特徴量抽出手段によって抽出された第１データの特
徴量およびまたは第１データに対して推論実行手段によ
る推論結果となる第２データに基づいて推論規則を再設
定または調整する。

【００２９】ここで、推論規則には、例えば、推論実行
手段においてファジイ推論を行う場合に、各種特徴量に
関するメンバシップ関数や「Ｉｆ…，Ｔｈｅｎ〜．」形
式のファジイ推論ルールが該当する。また、この場合、
推論規則を設定、再設定または調整するとは、ルールの
前件部のメンバシップ関数を特徴づけるパラメータや、
ルールの後件部のメンバシップ関数を特徴づけるパラメ
ータについて設定、再設定または調整することである。

【００３０】特に、請求項４、１２または１９に記載の
発明によれば、初期設定手段（初期設定ステップ）また
は再設定調整手段（再設定調整ステップ）は、推論規則
におけるパラメータを、所定評価値に対して最適となる
ように、最適化手法を用いて自動設定または自動調整す
る。

【００３１】すなわち、ここで扱われる最適化問題は、
推論結果である第２データについて所定評価法によって
評価した結果として得られる評価値が最適となる上記ル
ール前件部パラメータやルール後件部パラメータを求め
る問題であり、最適化手法には、一般に知られた手法、
例えば線形計画法や遺伝子アルゴリズム等の手法を用い
ることができる。

【００３２】これにより、推論システムにおける推論ル
ールおよびメンバシップ関数等の推論規則を、サンプル
となる第１データの画像、および、該第１データの画像
に対して、出力されるべき所望の第２データの画像の組
を幾つか与えるだけで、自動的に初期設定または調整す
ることができ、ユーザ（システム開発者）が専門家知識
を設定する必要がなくなる。また、ユーザ（システム開
発者）が作成した第１データの画像および第２データの
画像の組に基づいて推論規則が自動設定または自動調整
されるので、ユーザが持つ感性や好みを推論規則に反映
させることができる。

【００３３】また特に、請求項５、１３または２０に記
載の発明によれば、インタラクティブインタフェース手
段（会話型処理ステップ）により、特徴量抽出手段（特
徴量抽出ステップ）によって抽出された第１サンプルデ
ータおよび第２サンプルデータについての特徴量の組、
第１データの特徴量、第１データに対して前記推論実行
手段による推論結果となる第２データおよびまたは該第
２データの特徴量を所定形式で出力し、ユーザの操作指
示をインタラクティブに取り込み、初期設定手段（初期
設定ステップ）または再設定調整手段（再設定調整ステ
ップ）は、インタラクティブインタフェース手段（会話
型処理ステップ）におけるユーザ操作指示に基づいて推
論規則におけるパラメータを設定または調整する。

【００３４】ここで、インタラクティブインタフェース
手段（会話型処理ステップ）における各特徴量や第２デ
ータの出力形式には、例えば、第１データ、第２データ
を画像としたとき、第２サンプルデータの特徴量と第２
データの特徴量とを対比させてプロットしたグラフ表示
によってパラメータ調整による変化をユーザに示すも
の、また、パラメータ調整を行う度に第２データを表示
したり、順次縮小した第２データを表示列挙して、ユー
ザが好む第２データを選択させるもの等々、様々な出力
形式が考えられる。

【００３５】このように、インタラクティブなユーザイ
ンタフェースや目的別の調整法等を備えることより、推
論システムにおける推論ルールおよびメンバシップ関数
等の推論規則を、ユーザの好みや感性に沿って或いは調
整目的に応じて設定、再設定または調整でき、また、ユ
ーザインタフェースをユーザフレンドリに実現すること
で該設定、再設定または調整を容易に行うことができ
る。さらに、パラメータ調整を行う度に第２データの画
像を表示したり、順次縮小した第２データの画像を表示
列挙して、ユーザが好む第２データを選択させることと
すれば、ユーザがパラメータ調整しているという意識を
持つことなく推論規則を設定、再設定または調整するこ
とができる。推論規則の調整に人間の感性といったより
複雑な評価基準を持ち込む場合には、人間の感性に沿っ
た完全な自動調整を行うことは実質的に不可能であるこ
とからも、推論規則の設定、再設定または調整における
操作がユーザの負担にならないようにしたユーザインタ
フェースの実現は、より完全に近い調整を可能とし、推
論システムの知識調整装置、知識調整方法において重要
な要素である。

【００３６】また特に、請求項６、１４または２１に記
載の発明によれば、再設定調整手段（再設定調整ステッ
プ）は、ユーザ操作記憶手段に保持されているインタラ
クティブインタフェース手段（会話型処理ステップ）に
おけるユーザ操作指示またはその履歴に基づいて推論規
則におけるパラメータを調整する。

【００３７】ここで、ユーザ操作記憶手段に保持されて
いるユーザ操作指示またはその履歴には、例えば、第２
データが表示列挙されてユーザが好む第２データを選択
した場合の選択結果と該第２データの特徴量や、表示列
挙された第２データについてユーザが評価した評価値、
或いは、表示された第２データそのものについてユーザ
が修正変更させたデータおよびそのデータの特徴量等が
あり、これらを推論システムにおける推論規則の調整に
反映させることにより、ユーザの好みや感性に沿った調
整が可能となる。

【００３８】また特に、請求項７、１５または２２に記
載の発明によれば、初期設定手段（初期設定ステップ）
および再設定調整手段（再設定調整ステップ）における
所定の評価は、ユーザの操作指示が反映される。

【００３９】ここで、所定の評価は、上記最適化問題、
すなわち推論結果である第２データについて所定評価法
によって評価した結果として得られる評価値が最適とな
る上記ルール前件部パラメータやルール後件部パラメー
タを求める問題において、最適であるか否かを判断する
ために使用されるものであり、インタラクティブに入力
されたユーザ操作指示を反映して該所定の評価を設定す
ることにより、ユーザの好みや感性に沿った調整が可能
となる。

【００４０】さらに、請求項８に記載の発明によれば、
推論規則におけるパラメータは、ユーザの主観や好みに
基づくクラス毎に設定または調整される。

【００４１】ここで、ユーザの主観や好みに基づくクラ
スには、イメージ画像の種類、ユーザの主観的な分類等
が該当し、該クラス毎に設定または調整されたパラメー
タを、例えば上記ユーザ操作記憶手段に保持しておくこ
とで、推論システムにおける推論規則の調整に反映させ
ることにより、ユーザの好みや感性に沿った調整が可能
となる。

【００４２】

【発明の実施の形態】〔発明の原理的説明〕まず、本発
明の推論システムの知識調整装置、知識調整方法および
記憶媒体の実施の形態について説明する前に、図１に示
す本発明に係る推論システムの知識調整装置の原理説明
図を参照して、概要および原理的な説明を行う。

【００４３】図１において、推論システムの知識調整装
置は、ユーザ１００に対するユーザインタフェース１０
１として、画像入力手段１０２，インタラクティブイン
タフェース手段１０３および推論結果出力手段１０４を
備え、また、特徴量抽出手段１１１、初期設定手段１１
２、知識ベース１１３、推論実行手段１１４、再設定調
整手段１１５およびユーザ操作記憶手段１１６を備えて
構成されている。

【００４４】尚、この推論システムは、推論実行手段１
１４によりファジイ推論を実行するものであり、知識ベ
ース１１３内には、画像入力手段１０２を介して入力さ
れる第１画像データから推論結果出力手段１０４を介し
て出力すべき第２画像データを生成するための推論規則
が保持されており、より具体的には、推論規則として、
当該システムが取り扱う画像の各種特徴量に関するメン
バシップ関数や「Ｉｆ（前件部），Ｔｈｅｎ（後件
部）．」形式のファジイ推論ルールが保持されている。
また、この推論システムの特徴は推論規則を自動的にま
たは会話的に設定、再設定または調整可能な点にある
が、ここで、推論規則を設定、再設定または調整すると
は、ルールの前件部のメンバシップ関数を特徴づけるパ
ラメータや、ルールの後件部のメンバシップ関数を特徴
づけるパラメータについて設定、再設定または調整する
ことである。

【００４５】すなわち、知識ベース１１３の推論規則を
初期設定する際には、特徴量抽出手段１１１により、サ
ンプル（教師用の画像）として入力される第１画像サン
プルデータおよび該第１画像サンプルデータから生成さ
れるべき第２画像サンプルデータの組についてそれぞれ
特徴量を抽出し、初期設定手段１１２により、該抽出さ
れた第１画像サンプルデータおよび第２画像サンプルデ
ータについての特徴量の組に基づいて知識ベース内の推
論規則を生成する。

【００４６】初期設定手段１１２では、推論規則におけ
るパラメータを、所定評価値に対して最適となるよう
に、最適化手法（例えば線形計画法や遺伝子アルゴリズ
ム等の手法）を用いて自動設定するが、ここで扱われる
最適化問題は、推論結果である第２画像データについて
所定評価法によって評価した結果として得られる評価値
が最適となる上記ルール前件部パラメータやルール後件
部パラメータを求める問題である。

【００４７】図２には、遺伝子アルゴリズムにおける処
理手順を説明するフローチャートを示す。ここで、遺伝
子アルゴリズムで使用される語について説明をしてお
く。「遺伝子（gene）」は個体の性質を規定する基本的
構成要素であり、「染色体（chromosome）」は遺伝子の
集合体である。また「個体（individual）」は染色体に
よって特徴づけられた自律的な個であり、「集団（popu
lation）」は個体の集まりである。また「遺伝子型（ge
notype）」は特徴量と特徴量のマッピングの表現方法で
あり、一般的に、”０”と”１”のビット列を用いる方
法が良いとされている。また「遺伝子座（locus）」は
染色体上の遺伝子の位置を意味する。さらに「表現型
（phenotype）」は染色体によって規定される形質の外
部的表現であり、遺伝子型は形質の染色体による内部表
現である。表現型から遺伝子型への写像を「コード化
（coding）」と呼び、遺伝子型から表現型への写像を
「デコード化（decoding）」という。尚、多くの最適化
問題（探索問題）において、表現型＝遺伝子型とすれば
十分であることが経験的に知られている。

【００４８】ここでは、遺伝子にルール後件部パラメー
タ（重み）を割り当てることとして、まずステップ２０
１で、適当な初期集団を発生する。ステップ２０２で
は、各個体がどれだけ適合しているかを求めており、各
個体の適合度計算を行い、適合度が低い個体について淘
汰（間引き）操作を行う。次に、ステップ２０３では、
集団の評価を行うが、例えば、世代の交代数、最大適合
度、平均適合度または適合度増加率等による終了判定を
行って、これらの値が所定条件を満たした場合にアルゴ
リズムを終了させる。

【００４９】終了条件を満たしていない場合には、ステ
ップ２０４からステップ２０６の処理を行う。ステップ
２０４では遺伝子の交差を実行する。すなわち、２つの
個体について１点交差、２点交差または一様交差等を行
って遺伝子を変化させていく。また、ステップ２０５，
２０６では、突然変異により個体の一部の遺伝子につい
て変化をさせる。突然変異の実行の有無は突然変異率に
よって決定される。

【００５０】これにより、推論システムにおける推論ル
ールおよびメンバシップ関数等の推論規則を、サンプル
となる第１画像および該第１画像に対して出力されるべ
き所望の第２画像の組を幾つか与えるだけで、自動的に
初期設定することができ、ユーザ（システム開発者）が
専門家知識を設定する必要がなくなる。また、ユーザ
（システム開発者）が作成した第１画像および第２画像
の組に基づいて推論規則が自動設定されるので、ユーザ
が持つ感性や好みを推論規則に反映させることができ
る。尚、遺伝子アルゴリズムの評価における各種条件
を、インタラクティブインタフェース手段１０３を介し
てユーザ１００により設定されるようにすれば、自動初
期設定にユーザの好みや感性をより反映させることが可
能となる。

【００５１】次に、初期設定手段１１２によって知識ベ
ース１１３内に設定された推論規則を再設定または調整
する際には、特徴量抽出手段１１１において、画像入力
手段１０２を介して入力された第１画像データについて
特徴量を抽出し、次に、再設定調整手段１１５により、
該抽出された第１画像データの特徴量およびまたは第１
画像データに対して推論実行手段１１４による推論結果
となる第２画像データに基づいて推論規則を再設定また
は調整する。

【００５２】まず、再設定調整手段１１５により自動的
に再設定・調整する場合には、初期設定手段１１２と同
様に、推論規則におけるパラメータが、所定評価値に対
して最適となるように、最適化手法（例えば線形計画法
や遺伝子アルゴリズム等の手法）を用いる。尚、遺伝子
アルゴリズムを使用する場合、遺伝子にはルール前件部
パラメータおよびルール後件部パラメータのそれぞれに
ついての調整量（増減量）が割り当てられ、図２の手順
によって最適な推論規則のパラメータが自動調整される
こととなる。尚、遺伝子アルゴリズムの評価における各
種条件を、インタラクティブインタフェース手段１０３
を介してユーザ１００により設定されるようにすれば、
自動調整にユーザの好みや感性をより反映させることが
可能となる。

【００５３】また、知識ベース１１３の推論規則パラメ
ータは、再設定調整手段１１５により会話的に再設定・
調整することもできる。すなわち、インタラクティブイ
ンタフェース手段１０３を用いて、特徴量抽出手段１１
１によって抽出された第１画像サンプルデータおよび第
２画像サンプルデータについての特徴量の組、第１画像
データの特徴量、第１画像データに対して推論実行手段
１１４による推論結果となる第２画像データおよびまた
は該第２画像データの特徴量を所定形式で出力し、ユー
ザ１００の操作指示をインタラクティブに取り込んで、
再設定調整手段１１５により、インタラクティブインタ
フェース手段１０３を介して取り込まれたユーザ操作指
示に基づいて、推論規則パラメータを調整する。

【００５４】ここで、インタラクティブインタフェース
手段１０３を用いた各特徴量や第２画像データの出力形
式には、例えば、第２画像サンプルデータの特徴量と第
２画像データの特徴量とを対比させてプロットしたグラ
フ表示によってパラメータ調整による変化をユーザ１０
０に示すもの、また、パラメータ調整を行う度に第２画
像データを表示したり、順次縮小した第２画像データを
表示列挙して、ユーザ１００が好む第２画像データを選
択させるもの等々、様々な出力形式がある。ユーザ１０
０は、各特徴量がグラフ表示されている場合には、直接
パラメータそのものを調整し、該調整に伴う変化をグラ
フ表示で随時確認しながら会話的に調整を行う。或い
は、第２画像データが表示列挙されている場合には、ユ
ーザ１００が好む第２画像データを選択指示したり、表
示列挙された第２画像データについてユーザが評価した
評価値を入力する。これらのユーザ操作指示を推論シス
テムにおける推論規則の調整に反映させることにより、
ユーザの好みや感性に沿った調整が可能となる。

【００５５】また、表示された第２画像データそのもの
についてユーザ１００が修正変更し、該修正変更した画
像データをサンプル（教師用の）画像として再び画像入
力手段１０２を介して入力すれば、特徴量抽出手段１１
１によって特徴量を抽出して、これを再設定調整手段１
１５によって再び行われる自動的な再設定・調整に供す
ることも可能である。

【００５６】このように、インタラクティブなユーザイ
ンタフェース手段１０３を備えることより、推論システ
ムにおける推論ルールおよびメンバシップ関数等の推論
規則を、ユーザ１００の好みや感性に沿って或いは調整
目的に応じて設定、再設定または調整でき、また、ユー
ザインタフェース手段１０３をユーザフレンドリに実現
することで該設定、再設定または調整をより容易に行う
ことができる。

【００５７】また、インタラクティブインタフェース手
段１０３を介したユーザ操作指示をユーザ操作記憶手段
１１６に操作履歴情報として保持するようにすれば、再
設定調整手段１１５において、ユーザ操作記憶手段１１
６のユーザ操作指示またはその履歴に基づいて推論規則
におけるパラメータを調整することも可能となる。

【００５８】ここで、ユーザ操作記憶手段１１６に保持
されるユーザ操作指示またはその履歴は、具体的には、
第２画像データが表示列挙されてユーザが好む第２画像
データを選択した場合の選択結果と該第２画像データの
特徴量や、表示列挙された第２画像データについてユー
ザが評価した評価値、或いは、表示された第２画像デー
タそのものについてユーザが修正変更させた画像データ
およびその画像データの特徴量等である。すなわち、こ
れら操作履歴情報を推論システムにおける推論規則の調
整に反映させることにより、ユーザの好みや感性に沿っ
た調整が可能となる。

【００５９】さらに、知識ベース１１３において、推論
規則におけるパラメータを、ユーザ１００の主観や好み
に基づくクラス毎に保持するようにし、これを初期設定
手段１１２により初期設定し、再設定調整手段１１５に
より再設定・調整するようにすることも可能である。こ
こで、ユーザの主観や好みに基づくクラスには、イメー
ジ画像の種類、ユーザの主観的な分類等が該当する。

【００６０】次に、本発明をより具体的に説明するため
に、本発明の推論システムの知識調整装置、知識調整方
法および記憶媒体の実施の形態について、〔第１の実施
形態〕、〔第２の実施形態〕の順に図面を参照して詳細
に説明する。

【００６１】〔第１の実施形態〕まず、図３は本発明に
係る推論システムの知識調整装置、知識調整方法および
記憶媒体が適用される第１の実施形態の似顔絵作成装置
の構成図である。

【００６２】本実施形態の似顔絵作成装置（推論システ
ム）は、顔画像から似顔絵に利用する特徴量を計測し、
その計測値に基づいてファジイ推論を利用した似顔絵用
顔部品の選択・配置を行うものであり、従来の似顔絵作
成装置において、顔の似顔絵用顔部品の絵柄や対象とす
る年齢、性別、人種等が変わった場合に、ユーザ（シス
テム開発者）が部品の選択ルールや配置ルールを再度設
定して調整（チューニング）を行う必要があり、非常に
時間がかかるという問題点を解決するものである。

【００６３】図３において、本実施形態の似顔絵作成装
置は、ユーザ１００に対するユーザインタフェース３０
１として、画像入力部３０２，インタラクティブインタ
フェース手段としてのデータ入力部３０３ａおよび知識
調整表示出力部３０３ｂ並びに顔画像出力部３０４を備
え、また、サンプルとなる第１画像サンプルデータ（教
師用顔画像）を保持する教師用顔画像記憶部３２１と、
第２画像サンプルデータ（教師用似顔絵画像）を保持す
る教師用似顔絵画像記憶部３２０とを備え、さらに、特
徴量抽出部（特徴量抽出手段）３１１、特徴量記憶部３
１８、部品画像記憶部３１９、初期設定部（初期設定手
段）３１２、知識ベース３１３、部品選択配置部（推論
実行手段）３１４、再設定調整部（再設定調整手段）３
１５、ユーザ操作記憶部（ユーザ操作記憶手段）３１６
および輪郭画像抽出部３１７を備えて構成されている。

【００６４】本実施形態の似顔絵作成装置（推論システ
ム）は、部品選択配置部１１４によりファジイ推論を実
行するものであり、知識ベース３１３内には、画像入力
部３０２を介して入力される顔画像（第１画像データ）
から顔画像出力部３０４を介して出力すべき似顔絵画像
（第２画像データ）を生成するための推論規則が保持さ
れており、より具体的には、推論規則として、当該シス
テムが取り扱う顔画像の各種特徴量に関するメンバシッ
プ関数や「Ｉｆ（前件部），Ｔｈｅｎ（後件部）．」形
式のファジイ推論ルールが保持されている。また、この
似顔絵作成装置は、知識ベース３１３の推論規則を自動
的にまたは会話的に設定、再設定または調整可能な点に
特徴があるが、ここで、推論規則を設定、再設定または
調整するとは、推論ルールの前件部のメンバシップ関数
を特徴づけるパラメータや、推論ルールの後件部のメン
バシップ関数を特徴づけるパラメータについて設定、再
設定または調整することである。

【００６５】まず、知識ベース３１３内に所定の推論規
則が設定されているものとして、入力される顔画像から
出力すべき似顔絵画像（図４（ｃ）参照）を生成する動
作の中で、特徴量抽出部３１１、特徴量記憶部３１８、
部品画像記憶部３１９、知識ベース３１３、部品選択配
置部３１４および輪郭画像抽出部３１７についての機能
的な動作説明を行う。

【００６６】まず、顔画像が画像入力部３０２を介して
入力されると、該顔画像について、特徴量抽出部３１１
により各種特徴量の抽出が、また輪郭画像抽出部３１７
により輪郭画像（図４（ａ）参照）の抽出がそれぞれ行
われる。

【００６７】特徴量抽出部３１１において、似顔絵生成
に使用する特徴量には、似顔絵作成時に部品画像記憶部
３１９に記憶されている顔部品画像（図４（ｂ）参照）
を選択するために使用する選択用特徴量、顔部品画像を
輪郭画像上に合成するために使用する配置用特徴量、拡
大縮小率（Scale-ratio）等がある。より具体的には、
選択用特徴量として、目の大きさ（Eye-size）、目の形
（Eye-shape）、鼻の形（Nose-shape）、口の大きさ（M
outh-size）、口の形（Mouth-shape）、眉の厚さ（Brow
-thickness）等があり、配置用特徴量として、顔の高さ
（X1）、顔の幅（Y1）、目の高さ（Eye-hight）、目と
鼻の間隔（Eye-nose）、鼻と口の間隔（Nose-mouth）、
目の形（Eye-shape）、目と眉の間隔（Eye-brow）等が
ある。

【００６８】すなわち、選択用特徴量および配置用特徴
量は、入力される顔画像から図５に示すような各特徴点
を抽出・計測し、これら特徴点に基づいて算出される。
尚、図５において示されている特徴点は、頭の特徴点Ｐ
１、あごの下端点Ｐ２、顔輪郭の右端点Ｐ３、顔輪郭の
左端点Ｐ４、右目頭Ｐ５、右目尻Ｐ６、左目頭Ｐ７、左
目尻Ｐ８、鼻頭Ｐ９、鼻右端点Ｐ１０、鼻左端点Ｐ１
１、口右端点Ｐ１２、口左端点Ｐ１３である。

【００６９】特徴量抽出部３１１により抽出・算出され
た配置用特徴量は特徴量記憶部３１６に記憶される。ま
た選択用特徴量は部品画像記億部３１９に供給されて、
部品画像記憶部３１９では、該選択用特徴量の値を用い
て部品画像を選択して部品選択配置部３１４に出力す
る。さらに、配置用特徴量および拡大縮小率は部品選択
配置部３１４に供給されて、部品選択配置部３１４で
は、知識ベース３１３の推論規則に基づいて顔部品画像
の位置関係を決定して、輪郭画像抽出部３１７で抽出さ
れた輪郭画像（図４（ａ）参照）上に顔部品画像（図４
（ｂ）参照）を配置して似顔絵画像（図４（ｃ）参照）
を生成する。

【００７０】図６には、知識ベース３１３内に保持され
ているファジイ推論ルールの具体的内容を例示する。フ
ァジイ推論ルールは、上記のように「Ｉｆ（前件部），
Ｔｈｅｎ（後件部）．」形式であって、以下のように表
される。

【数１】 IF Feature-i = Small , THEN Fj = W1 IF Feature-i = Middle , THEN Fj = W2 IF Feature-i = Small , THEN Fj = W3 （数１） つまり、前件部では、各特徴量（Feature-i；ｉ＝１〜
ｎ）について最小値（Small）、平均値（Middle）、最
大値（Big）との一致が判断され、前件部一致の場合
に、後件部で、部品距離間パラメータ（Fj）を各重み
（W1，W2，W3）に設定する。

【００７１】すなわち、図６において、目の高さ（Eye-
hight）については、

【数２】 IF Eye-hight = Small , THEN FA = W1 IF Eye-hight = Middle , THEN FA = W2 IF Eye-hight = Small , THEN FA = W3 であり、各重み（W1，W2，W3）は、後件部シングルトン
の値として成人男性、成人女性、子供の３種類が用意さ
れている。図示される他の特徴量についても同様であ
る。尚、成人男性、成人女性、子供の種別は、データ入
力部３０３ａを介して入力される人物パラメータによっ
て使い分けられる。

【００７２】部品選択配置部３１４では、知識ベース３
１３からの部品距離間パラメータ（Fj）と特徴量抽出部
３１１からの配置用特徴量（顔の高さ（X1）、顔の幅
（Y1））を基に、部品配置用の実数値を求める。より具
体的に、図７に示される部品配置用の実数値（Ｙ2〜Ｙ5
およびＸ2）は、次式で求められる。

【数３】 目の高さ Ｙ2 ＝FA×Ｙ1 眉と目の間隔 Ｙ3 ＝FB×Ｙ2 目と鼻の間隔 Ｙ4 ＝FC×Ｙ2 鼻と口の間隔 Ｙ5 ＝FD×Ｙ2 左右の目の間隔 Ｘ2 ＝FE×Ｘ1 以上のようにして、画像入力部３０２を介して入力され
る顔画像から、特徴量抽出部３１１で特徴量が抽出さ
れ、輪郭画像抽出部３１７で輪郭画像が抽出され、部品
選択配置部３１４で輪郭画像上に選択された部品画像が
配置されて、生成された似顔絵画像が顔画像出力部３０
４を介して出力される。

【００７３】尚、生成された似顔絵画像は、表示出力の
ほか、顔画像出力部３０４を介してプリンタや外部記憶
装置等の各種デバイスに出力することも可能である。

【００７４】次に、初期設定部３１２を中心として行わ
れる知識ベース３１３内の推論規則の初期設定処理につ
いて、図８に示すフローチャートを参照して説明する。
ここで、予め、教師用顔画像記憶部３２１には、サンプ
ルとなる教師用顔画像（第１画像サンプルデータ）が例
えば写真画像として格納されており、また、教師用似顔
絵画像記憶部３２０には、教師用顔画像に対応してイラ
ストレータにより作成されたサンプルとなる教師用似顔
絵画像（第２画像サンプルデータ）が格納されているも
のとする。

【００７５】まず、ステップ８０１から８０３では、教
師用似顔絵画像記憶部３２０内の全ての教師用似顔絵画
像について、画像入力部３０２を介して教師用似顔絵画
像を入力し（ステップ８０２）、特徴量抽出部３１１に
よって特徴量を抽出・計測する（ステップ８０３）。

【００７６】次に、ステップ８０４から８０５では、教
師用顔画像記憶部３２１内の全ての教師用顔画像につい
て、画像入力部３０２を介して教師用顔画像を入力し
（ステップ８０５）、特徴量抽出部３１１によって特徴
量を抽出・計測する（ステップ８０６）。

【００７７】そしてステップ８０７では、ステップ８０
３および８０６で抽出・計測した個々の特徴量につい
て、最小値（Small）、平均値（Middle）、最大値（Bi
g）を求める。

【００７８】次に、ステップ８０８では、推論規則（メ
ンバシップ関数ＭＦおよび推論ルール）におけるパラメ
ータを初期設定する。まず、ルール前件部メンバシップ
関数については、教師用顔画像における各特徴量の集計
値に基づいて、図９に示すように、各特徴量の最小値
（Small）、平均値（Middle）、最大値（Big）を自動的
に設定する。次に、ルール後件部メンバシップ関数につ
いては、部品距離間パラメータ（Fj）の重みを、以下の
ような３種の何れかの設定方法を使用して設定する。
尚、基本的には、図１１に示すように、教師用顔画像に
ついての特徴量計測値と教師用似顔絵画像についての特
徴量計測値をプロット表示したとき、平均値で領域分割
した左右の領域を線形近似するように後件部を決定する
ものである。

【００７９】まず第１の設定方法では、各重みを次のよ
うに決定する。

【数４】 Ｗ1：教師用似顔絵画像の特徴量の最小値 Ｗ2：教師用似顔絵画像の特徴量の平均値 Ｗ3：教師用似顔絵画像の特徴量の最大値 また、第２の設定方法では、遺伝子アルゴリズム等の最
適化手法を用いて設定する。遺伝子アルゴリズムを使用
する場合には、図１０に示すように、遺伝子にルール後
件部パラメータの重み（Ｗ1，Ｗ2，Ｗ3）を割り当て、
図２に示した手順でアルゴリズムを実行する。尚、遺伝
子の評価関数としては、入力値に教師用顔画像の特徴量
の計測値を与えたときの上記推論ルールによる推論値
と、教師用似顔絵画像の特徴量の計測値との差を与える
関数を使用する。

【００８０】さらに、第３の設定方法では、ＧＵＩ（グ
ラフィックユーザインタフェース）を利用して設定を行
う。つまり、図１２に示すような知識調整用画面を知識
調整表示出力部３０３ｂに表示出力し、ユーザ１００と
の会話的（インタラクティブ）な処理により設定する。
図１２には、ルール前件部メンバシップ関数に関して、
各特徴量の最小値（Small）、平均値（Middle）、最大
値（Big）がグラフ表示され、また、ルール後件部メン
バシップ関数に関して、教師用顔画像についての特徴量
計測値と教師用似顔絵画像についての特徴量計測値、並
びに推論結果の似顔絵画像についての特徴量計測値につ
いてプロット表示した散布図（図１１と同様のもの）が
調整結果として表示されている。すなわち、「特徴量選
択」のプルダウンメニュから調整すべき特徴量を選択
し、「Small重み」，「Middle重み」，「Big重み」の各
スライダーによって各特徴量に対応した部品距離間パラ
メータ（Fj）の重みを調整し、該調整結果がプロット表
示の散布図上に反映され、ユーザ１００は該散布図を参
照しながら視覚的にスライダー調整を行うものである。

【００８１】尚、第３の設定方法は、調整の度に、推論
結果である似顔絵画像そのものを顔画像出力部３０４に
描画して、該似顔絵画像をユーザ１００が評価しなが
ら、例えば、調整を行う度に似顔絵画像を表示したり、
順次縮小した似顔絵画像を表示列挙してユーザ１００が
好む似顔絵画像を選択させたり、或いは、表示列挙され
た似顔絵画像についてユーザが評価した評価値を入力す
るなどして、該ユーザ１００の指示をもパラメータ調整
に反映することも可能である。また、第１または第２の
設定方法で設定した後のパラメータを、第３の設定方法
で調整していくことも可能である。

【００８２】以上のようにして初期設定されたパラメー
タは、ステップ８０９で、知識ベース３１３内の推論規
則であるファジイ推論ルールおよびメンバシップ関数に
反映されて記憶される。

【００８３】このように本実施形態の似顔絵作成装置で
は、知識ベース３１３における推論ルールおよびメンバ
シップ関数の推論規則を、教師用顔画像および教師用似
顔絵画像の組を幾つか与えるだけで、自動的に初期設定
することができ、ユーザ１００が専門家知識を設定する
必要がなくなる。また、ユーザ１００が作成した教師用
顔画像および教師用似顔絵画像の組に基づいて推論規則
が自動設定されるので、ユーザ１００が持つ感性や好み
を推論規則に反映させることができる。尚、遺伝子アル
ゴリズムの評価における各種条件（評価関数等）を、デ
ータ入力部３０３ａを介してユーザ１００設定すれば、
自動的な初期設定にユーザの好みや感性をより反映させ
ることが可能となる。

【００８４】次に、再設定調整部３１５を中心として行
われる知識ベース１１３内の推論規則の再設定・調整処
理について、図１３に示すフローチャートを参照して説
明する。初期設定部３１２によって知識ベース１１３内
に設定された推論規則を再設定または調整する際には、
まず、ステップ１３０１で、推論規則であるファジイ推
論ルールおよびメンバシップ関数が読み出される。

【００８５】次に、ステップ１３０２では、ユーザ１０
０の顔画像または似顔絵を作成したい顔画像を画像入力
部３０２を介して入力し、特徴量抽出部３１１によって
該顔画像の特徴量を抽出・計測する。

【００８６】次に、ステップ１３０３では、再設定調整
部３１５により、推論規則（メンバシップ関数ＭＦおよ
び推論ルール）におけるパラメータを再設定または調整
する。再設定・調整は、図１４に示すようなメンバシッ
プ関数（ＭＦ）の調整パラメータを生成する。この調整
パラメータは、各特徴量の前件部パラメータである最小
値（Small）、平均値（Middle）、最大値（Big）、並び
に、後件部パラメータの重み（Ｗ1，Ｗ2，Ｗ3）を増減
させる値を示すパラメータであり、以下の通り規定され
る。

【数５】 前件部ＭＦの最小値の増減分：DSmall 前件部ＭＦの平均値の増減分：Dmiddle 前件部ＭＦの最大値の増減分：DBig 後件部ＭＦの増減分：ＤＷ1，ＤＷ2，ＤＷ3 これら調整パラメータについて、再設定調整部３１５に
より自動的に調整する場合には、初期設定部３１２にお
ける第２の設定方法と同様に、最適化手法（遺伝子アル
ゴリズム等の手法）を用いる。

【００８７】遺伝子アルゴリズムを使用する場合、図１
５に示すように、遺伝子に各特徴量の調整パラメータ
（DSmall，Dmiddle，DBig，ＤＷ1，ＤＷ2，ＤＷ3）を割
り当て、これらの遺伝子を組み合わせることで新たな遺
伝子群を生成する。また遺伝子の組み合わせは、図２に
示した手順の遺伝子アルゴリズムにより、評価値の高い
遺伝子同士の交差および突然変異によって行われる。
尚、遺伝子アルゴリズムの評価における各種条件（評価
関数等）を、データ入力部３０３ａを介してユーザ１０
０により設定すれば、自動調整にユーザの好みや感性を
より反映させることが可能となる。

【００８８】また、知識ベース３１３の推論規則パラメ
ータは、再設定調整部３１５により会話的に再設定・調
整することもできる。すなわち、初期設定部３１２にお
ける第３の設定方法と同様に、ＧＵＩ（グラフィックユ
ーザインタフェース）を利用して、図１２に示すような
知識調整用画面を知識調整表示出力部３０３ｂに表示出
力して、ユーザ１００との会話的（インタラクティブ）
な処理により調整することが可能である。図１２には、
上述したように、「特徴量選択」のプルダウンメニュか
ら調整すべき特徴量を選択し、「Small重み」，「Middl
e重み」，「Big重み」の各スライダーによって各特徴量
に対応した部品距離間パラメータ（Fj）の重みを調整で
きるとともに、前件部メンバシップ関数に関する各特徴
量の最小値（Small）、平均値（Middle）、最大値（Bi
g）についても各スライダーによって調整可能である。
すなわち、各特徴量の調整パラメータ（DSmall，Dmiddl
e，DBig，ＤＷ1，ＤＷ2，ＤＷ3）の増減設定をスライダ
ーの調整によって行うものである。この場合でも、調整
結果は、前件部メンバシップ関数のグラフ表示と、プロ
ット表示した散布図とによって示され、ユーザ１００は
該グラフ表示および散布図を参照しながら視覚的にスラ
イダー調整を行うことができる。また、調整の度に、推
論結果である似顔絵画像そのものを顔画像出力部３０４
に描画して、該似顔絵画像をユーザ１００が評価しなが
ら、例えば、調整を行う度に似顔絵画像を表示したり、
順次縮小した似顔絵画像を表示列挙してユーザ１００が
好む似顔絵画像を選択させたり、或いは、表示列挙され
た似顔絵画像についてユーザが評価した評価値を入力す
るなどして、該ユーザ１００の指示をもパラメータ調整
に反映することも可能である。

【００８９】また、知識ベース３１３において、推論規
則におけるパラメータを、ユーザ１００の主観や好みに
基づくクラス毎に保持するようにし、これを初期設定部
３１２により初期設定し、再設定調整部３１５により再
設定・調整するようにすることも可能である。例えば、
遺伝子アルゴリズムを使用する場合には、遺伝子クラス
として各クラス毎の遺伝子が構成されることとなる。こ
こで、ユーザの主観や好みに基づくクラスには、イメー
ジ画像の種類（ポップ系、リアル系、アメコミ系等）
や、ユーザの主観的な分類（可愛らしさ重視、男らしさ
重視、女らしさ重視、子供らしさ重視、大人らしさ重
視、若者らしさ重視等）などが該当し、これにより、推
論目的（似顔絵生成目的）によってどのクラスを使用す
るかを切り替えて推論を実行することができる。

【００９０】また、推論結果として作成された似顔絵画
像そのものについてユーザ１００がインタラクティブに
修正変更し、該修正変更した似顔絵画像を教師用似顔絵
画像として再び画像入力部３０２を介して入力し、特徴
量抽出部３１１によって特徴量を抽出して、該特徴量を
再設定調整部３１５によって再び行われる自動的なまた
は会話的なパラメータ調整に供することも可能である。

【００９１】このように、本実施形態の似顔絵作成装置
では、インタラクティブなユーザインタフェース３０１
を備えることより、知識ベース３１３におけるファジイ
推論ルールおよびメンバシップ関数の推論規則を、ユー
ザ１００の好みや感性に沿って或いは調整目的に応じて
設定、再設定または調整でき、また、ユーザインタフェ
ース３０１をユーザフレンドリに実現することで該設
定、再設定または調整をより容易に行うことができる。

【００９２】また、本実施形態では、知識調整表示出力
部３０３ａおよびデータ入力部３０３ｂを介して行われ
たユーザ１００による操作指示を、ユーザ操作記憶部３
１６に操作履歴情報として保持することができる。この
ユーザ操作記憶部３１６に保持される操作履歴情報とし
ては、例えば、以下のものがある。

【００９３】１） 推論結果である似顔絵画像が知識調
整表示出力部３０３ｂ上に表示列挙された時に、ユーザ
１００が好みとする似顔絵画像を選択した場合には、該
ユーザ１００の選択結果と該似顔絵画像の特徴量が記憶
される。

【００９４】２） 知識調整表示出力部３０３ｂ上に表
示列挙された似顔絵画像のそれぞれについてユーザが評
価を与えた場合には、ユーザ１００の入力した評価値が
記憶される。

【００９５】３） ユーザ１００が設定する主観的分類
に基づくクラスが記憶される。すなわち、可愛らしさ重
視、男らしさ重視、女らしさ重視、子供らしさ重視、大
人らしさ重視、若者らしさ重視等のクラスである。この
場合、クラス毎に、調整パラメータとその似顔絵画像の
特徴量が記憶される。

【００９６】４） 推論結果として作成された似顔絵画
像そのものについてユーザ１００がインタラクティブに
修正変更した場合には、該修正変更した似顔絵画像の特
徴量が記憶される。 これらユーザ操作記憶部３１６に
記憶された操作履歴情報を、再設定調整部３１５におけ
るパラメータ調整に反映させれば、ユーザの好みや感性
に沿った調整が可能となる。

【００９７】〔第２の実施形態〕図１６は本発明に係る
推論システムの知識調整装置、知識調整方法および記憶
媒体が適用される第２の実施形態の文書作成装置の構成
図である。

【００９８】本実施形態の文書作成装置は、文書におけ
る文字と文字との間を見栄えが良くなるように詰める、
いわゆるカーニング（字詰め）処理に特徴があるもの
で、文字の特徴量を計測し、その計測値に基づいてファ
ジイ推論を利用したカーニング（字詰め）処理を行うも
のである。すなわち、従来の文書作成装置において、文
書の用途や文書に使用する文字フォント種等が変わった
場合に、ユーザ（システム開発者）が文字の配置ルール
を再度設定して調整（チューニング）を行う必要があ
り、非常に時間がかかるという問題点を解決するもので
ある。

【００９９】図１６において、本実施形態の文書作成装
置は、ユーザ１００に対するユーザインタフェース１６
０１として、画像入力部１６０２，インタラクティブイ
ンタフェース手段としてのデータ入力部１６０３ａおよ
び知識調整表示出力部１６０３ｂ並びにカーニング結果
出力部１６０４を備え、また、サンプルとなる第２画像
サンプルデータ（教師用カーニングデータ）を保持する
教師用カーニングデータ記憶部１６２１を備え、さら
に、特徴量抽出部（特徴量抽出手段）１６１１、特徴量
記憶部１６１８、文字フォント記憶部１６１９、初期設
定部（初期設定手段）１６１２、知識ベース１６１３、
カーニング処理部（推論実行手段）１６１４、再設定調
整部（再設定調整手段）１６１５およびユーザ操作記憶
部（ユーザ操作記憶手段）１６１６を備えて構成されて
いる。

【０１００】本実施形態の文書作成装置（推論システ
ム）は、カーニング処理部１６１４においてカーニング
処理にファジイ推論を適用するものであり、知識ベース
１６１３内には、画像入力部１６０２を介して入力され
る文書画像データ（第１画像データ）からカーニング結
果出力部１６０４を介して出力すべき文書画像データ
（第２画像データ）を生成するための推論規則が保持さ
れており、より具体的には、推論規則として、当該シス
テムが取り扱う文字フォントおよびカーニング処理に関
する各種特徴量のメンバシップ関数や「Ｉｆ（前件
部），Ｔｈｅｎ（後件部）．」形式のファジイ推論ルー
ルが保持されている。また、この文書作成装置は、知識
ベース１６１３の推論規則を自動的にまたは会話的に設
定、再設定または調整可能な点に特徴があるが、ここ
で、推論規則を設定、再設定または調整するとは、推論
ルールの前件部のメンバシップ関数を特徴づけるパラメ
ータや、推論ルールの後件部のメンバシップ関数を特徴
づけるパラメータについて設定、再設定または調整する
ことである。

【０１０１】まず、知識ベース１６１３内に所定の推論
規則が設定されているものとして、入力される顔画像か
ら出力すべき似顔絵画像（図４（ｃ）参照）を生成する
動作の中で、特徴量抽出部１６１１、特徴量記憶部１６
１８、文字フォント記憶部１６１９、知識ベース１６１
３およびカーニング処理部１６１７についての機能的な
動作説明を行う。尚、文字フォント記憶部１６１９内に
は、予め、文字フォントそのものと、文字を典型的な形
状に分類した文字形状パターンが記憶されているものと
する。ここで、文字形状パターンは、例えば、図１９に
示すようなパターン１，パターン２，パターン３，パタ
ーン４，…等である。

【０１０２】まず、文書画像データが画像入力部１６０
２を介して入力されると、該文書画像について、特徴量
抽出部１６１１により各種特徴量の抽出が行われる。特
徴量抽出部１６１１において、カーニング処理に使用す
る特徴量には、例えば図２０（ｂ）を参照するとき、前
後の文字形状の組み合わせ、近接距離（前後の文字間で
黒色部分の最も近い距離）、白と黒の部分の割合等があ
る。

【０１０３】特徴量抽出部１６１１により抽出された特
徴量は特徴量記憶部１６１６に記憶される。また特徴量
はカーニング処理部１６１４に供給されて、カーニング
処理部１６１４では、知識ベース１６１３の推論規則に
基づいて前後文字間の位置関係を決定・配置してカーニ
ング処理後の文書画像（図２０（ａ），（ｂ）参照）を
生成する。尚、図２０（ａ），（ｂ）では、図２０
（ａ）の文字パターン１同士の組み合わせ（公園）より
も、図２０（ｂ）に示す文字パターン２と文字パターン
３の組み合わせ（上下）の方が、文字の間隔が狭くなる
ことを示している。

【０１０４】次に、知識ベース１６１３内に保持されて
いるファジイ推論ルールは、上記のように「Ｉｆ（前件
部），Ｔｈｅｎ（後件部）．」形式であって、以下のよ
うに表される。

【数６】 IF Feature-i = Small , THEN Fj = W1 IF Feature-i = Middle , THEN Fj = W2 IF Feature-i = Small , THEN Fj = W3 つまり、前件部では、各特徴量（Feature-i；ｉ＝１〜
ｎ；ｎは文字形状の組み合わせ数）について最小値（Sm
all）、平均値（Middle）、最大値（Big）との一致が判
断され、前件部一致の場合に、後件部で、文字間距離パ
ラメータ（Fj）を各重み（W1，W2，W3）に設定する。

【０１０５】以上のようにして、画像入力部１６０２を
介して入力される文書画像から、特徴量抽出部１６１１
で特徴量が抽出され、カーニング処理部１６１４で文字
間の字詰め処理が行われて、生成された文書画像がカー
ニング結果出力部１６０４を介して出力される。尚、生
成された文書画像は、表示出力のほか、カーニング結果
出力部１６０４を介してプリンタや外部記憶装置等の各
種デバイスに出力することも可能である。

【０１０６】次に、初期設定部１６１２を中心として行
われる知識ベース１６１３内の推論規則の初期設定処理
について、図１７に示すフローチャートを参照して説明
する。ここで、予め、教師用カーニングデータ記憶部１
６２０には、サンプルとなるカーニング処理済みの教師
用カーニングデータ（第２画像サンプルデータ）が格納
されているものとする。

【０１０７】まず、ステップ１７０１から１７０３で
は、教師用カーニングデータ記憶部１６２０内の全ての
教師用カーニングデータについて、画像入力部１６０２
を介して入力し（ステップ１７０２）、特徴量抽出部１
６１１によって特徴量を抽出・計測する（ステップ１７
０３）。

【０１０８】次に、ステップ１７０４では、ステップ１
７０３で抽出・計測した個々の特徴量について、最小値
（Small）、平均値（Middle）、最大値（Big）を求め
る。

【０１０９】次に、ステップ１７０５では、推論規則
（メンバシップ関数ＭＦおよび推論ルール）におけるパ
ラメータを初期設定する。まず、ルール前件部メンバシ
ップ関数については、教師用顔画像における各特徴量の
集計値に基づいて、図９に示すように、各特徴量の最小
値（Small）、平均値（Middle）、最大値（Big）を自動
的に設定する。次に、ルール後件部メンバシップ関数に
ついては、文字間距離パラメータ（Fj）の重みを、第１
の実施形態と同様に（図１１に示すように）、教師用カ
ーニングデータについての特徴量計測値をプロット表示
したとき、平均値で領域分割した左右の領域を線形近似
するように後件部を決定する。すなわち、各重みを次の
ように決定する。

【数７】 Ｗ1：同じ文字形状の組み合わせでの文字詰めの最小値 Ｗ2：同じ文字形状の組み合わせでの文字詰めの平均値 Ｗ3：同じ文字形状の組み合わせでの文字詰めの最大値 以上のようにして初期設定されたパラメータは、ステッ
プ１７０６で、知識ベース１６１３内の推論規則である
ファジイ推論ルールおよびメンバシップ関数に反映され
て記憶される。 このように本実施形態の似顔絵作成装
置では、知識ベース１６１３における推論ルールおよび
メンバシップ関数の推論規則を、教師用カーニングデー
タを幾つか与えるだけで、自動的に初期設定することが
でき、ユーザ１００が専門家知識を設定する必要がなく
なる。また、ユーザ１００が作成した教師用カーニング
データに基づいて推論規則が自動設定されるので、ユー
ザ１００が持つ感性や好みを推論規則に反映させること
ができる。

【０１１０】次に、再設定調整部１６１５を中心として
行われる知識ベース１６１３内の推論規則の再設定・調
整処理について、図１８に示すフローチャートを参照し
て説明する。初期設定部１６１２によって知識ベース１
６１３内に設定された推論規則を再設定または調整する
際には、まず、ステップ１８０１で、推論規則であるフ
ァジイ推論ルールおよびメンバシップ関数が読み出され
る。

【０１１１】次に、ステップ１８０２では、ユーザ１０
０が作成した文字列を画像入力部１６０２を介して入力
し、特徴量抽出部１６１１によって該文字列の特徴量を
抽出・計測する。

【０１１２】次に、ステップ１８０３では、再設定調整
部１６１５により、推論規則（メンバシップ関数ＭＦお
よび推論ルール）におけるパラメータを再設定または調
整する。再設定・調整は、図１４に示すようなメンバシ
ップ関数（ＭＦ）の調整パラメータを生成する。この調
整パラメータは、各特徴量の前件部パラメータである最
小値（Small）、平均値（Middle）、最大値（Big）、並
びに、後件部パラメータの重み（Ｗ1，Ｗ2，Ｗ3）を増
減させる値を示すパラメータであり、以下の通り規定さ
れる。

【数８】 前件部ＭＦの最小値の増減分：DSmall 前件部ＭＦの平均値の増減分：Dmiddle 前件部ＭＦの最大値の増減分：DBig 後件部ＭＦの増減分：ＤＷ1，ＤＷ2，ＤＷ3 これら調整パラメータについて、再設定調整部１６１５
により自動的に調整する場合には、第１の実施形態の初
期設定部３１２における第２の設定方法と同様に、最適
化手法（遺伝子アルゴリズム等の手法）を用いる。

【０１１３】遺伝子アルゴリズムを使用する場合、図１
５に示すように、遺伝子に各特徴量の調整パラメータ
（DSmall，Dmiddle，DBig，ＤＷ1，ＤＷ2，ＤＷ3）を割
り当て、これらの遺伝子を組み合わせることで新たな遺
伝子群を生成する。また遺伝子の組み合わせは、図２に
示した手順の遺伝子アルゴリズムにより、評価値の高い
遺伝子同士の交差および突然変異によって行われる。
尚、遺伝子アルゴリズムの評価における各種条件（評価
関数等）を、データ入力部１６０３ａを介してユーザ１
００により設定すれば、自動調整にユーザの好みや感性
をより反映させることが可能となる。

【０１１４】また、知識ベース１６１３の推論規則パラ
メータは、再設定調整部１６１５により会話的に再設定
・調整することもできる。すなわち、第１の実施形態の
初期設定部３１２における第３の設定方法と同様に、Ｇ
ＵＩ（グラフィックユーザインタフェース）を利用し
て、図１２に示すような知識調整用画面を知識調整表示
出力部３０３ｂに表示出力して、ユーザ１００との会話
的（インタラクティブ）な処理により調整することが可
能である。図１２には、上述したように、「特徴量選
択」のプルダウンメニュから調整すべき特徴量を選択
し、「Small重み」，「Middle重み」，「Big重み」の各
スライダーによって各特徴量に対応した文字間距離パラ
メータ（Fj）の重みを調整でき、また、前件部メンバシ
ップ関数に関する各特徴量の最小値（Small）、平均値
（Middle）、最大値（Big）についても各スライダーに
よって調整可能である。すなわち、各特徴量の調整パラ
メータ（DSmall，Dmiddle，DBig，ＤＷ1，ＤＷ2，ＤＷ
3）の増減設定をスライダーの調整によって行うもので
ある。調整結果は、前件部メンバシップ関数のグラフ表
示と、プロット表示した散布図とによって示され、ユー
ザ１００は該グラフ表示および散布図を参照しながら視
覚的にスライダー調整を行うことができる。また、調整
の度に、カーニング処理結果の文書画像をカーニング結
果出力部１６０４に出力して、該結果をユーザ１００が
評価しながら、例えば、調整を行う度に結果の文書画像
を表示したり、順次表示列挙してユーザ１００が好む似
顔絵画像を選択させたり、或いは、表示列挙された文書
画像についてユーザが評価した評価値を入力するなどし
て、該ユーザ１００の指示をパラメータ調整に反映する
ことも可能である。

【０１１５】また、知識ベース１６１３において、推論
規則におけるパラメータを、ユーザ１００の主観や好み
に基づくクラス毎に保持するようにし、これを初期設定
部１６１２により初期設定し、再設定調整部１６１５に
より再設定・調整するようにすることも可能である。例
えば、遺伝子アルゴリズムを使用する場合には、遺伝子
クラスとして各クラス毎の遺伝子が構成されることとな
る。ここで、ユーザの主観や好みに基づくクラスには、
イメージ画像の種類である文字フォント種（明朝体、ゴ
シック体等）や、ユーザの主観的な分類（格調高さ等）
などが該当し、これにより、推論目的によってどのクラ
スを使用するかを切り替えて推論を実行することができ
る。

【０１１６】また、推論結果として作成された文書画像
そのものについてユーザ１００がインタラクティブに修
正変更し、該修正変更した文書画像を教師用カーニング
データとして再び画像入力部１６０２を介して入力し、
特徴量抽出部１６１１によって特徴量を抽出して、該特
徴量を再設定調整部１６１５によって再び行われる自動
的なまたは会話的なパラメータ調整に供することも可能
である。

【０１１７】このように、本実施形態の文書作成装置で
は、インタラクティブなユーザインタフェース１６０１
を備えることより、知識ベース１６１３におけるファジ
イ推論ルールおよびメンバシップ関数の推論規則を、ユ
ーザ１００の好みや感性に沿って或いは調整目的に応じ
て設定、再設定または調整でき、また、ユーザインタフ
ェース１６０１をユーザフレンドリに実現することで該
設定、再設定または調整をより容易に行うことができ
る。

【０１１８】また、本実施形態では、知識調整表示出力
部１６０３ａおよびデータ入力部１６０３ｂを介して行
われたユーザ１００による操作指示を、ユーザ操作記憶
部１６１６に操作履歴情報として保持することができ
る。このユーザ操作記憶部１６１６に保持される操作履
歴情報としては、例えば、以下のものがある。

【０１１９】１） カーニング処理結果である文書画像
が知識調整表示出力部１６０３ｂ上に表示列挙された時
に、ユーザ１００が好みとする文書画像を選択した場合
には、該ユーザ１００の選択結果と該文書画像の特徴量
が記憶される。

【０１２０】２） 知識調整表示出力部１６０３ｂ上に
表示列挙された文書画像のそれぞれについてユーザが評
価を与えた場合には、ユーザ１００の入力した評価値が
記憶される。

【０１２１】３） カーニング結果として作成された文
書画像そのものについてユーザ１００がインタラクティ
ブに修正変更した場合には、該修正変更した文書画像の
特徴量が記憶される。

【０１２２】これらユーザ操作記憶部１６１６に記憶さ
れた操作履歴情報を、再設定調整部１６１５におけるパ
ラメータ調整に反映させれば、ユーザの好みや感性に沿
った調整が可能となる。

【０１２３】

【発明の効果】以上の説明から明らかなように、本発明
によれば、知識ベースの推論規則を初期設定する際に
は、特徴量抽出手段（特徴量抽出ステップ）により、サ
ンプルとして入力される第１画像サンプルデータおよび
該第１画像サンプルデータから生成されるべき第２画像
サンプルデータの組についてそれぞれ特徴量を抽出し、
初期設定手段（初期設定ステップ）により、特徴量抽出
手段によって抽出された第１画像サンプルデータおよび
第２画像サンプルデータについての特徴量の組に基づい
て知識ベース内の推論規則を生成することとし、また、
知識ベース内に設定されている推論規則を再設定または
調整する際には、特徴量抽出手段（特徴量抽出ステッ
プ）により、入力される第１画像データについて特徴量
を抽出し、再設定調整手段（再設定調整ステップ）によ
り、特徴量抽出手段によって抽出された第１画像データ
の特徴量およびまたは第１画像データに対して推論実行
手段による推論結果となる第２画像データに基づいて推
論規則を再設定または調整することとし、初期設定手段
（初期設定ステップ）または再設定調整手段（再設定調
整ステップ）において、例えば最適化手法を用いて自動
設定または自動調整することとしたので、推論システム
における推論ルールおよびメンバシップ関数等の推論規
則を、サンプルとなる第１画像および該第１画像に対し
て出力されるべき所望の第２画像の組を幾つか与えるだ
けで、自動的に初期設定または調整することができ、ユ
ーザ（システム開発者）が専門家知識を設定する必要が
なく、また、ユーザ（システム開発者）が作成した第１
画像および第２画像の組に基づいて推論規則が自動設定
または自動調整されるので、ユーザが持つ感性や好みを
推論規則に反映させることができる。

【０１２４】また特に、本発明によれば、インタラクテ
ィブインタフェース手段（会話型処理ステップ）によ
り、特徴量抽出手段（特徴量抽出ステップ）によって抽
出された第１画像サンプルデータおよび第２画像サンプ
ルデータについての特徴量の組、第１画像データの特徴
量、第１画像データに対して前記推論実行手段による推
論結果となる第２画像データおよびまたは該第２画像デ
ータの特徴量を所定形式で出力し、ユーザの操作指示を
インタラクティブに取り込み、初期設定手段（初期設定
ステップ）または再設定調整手段（再設定調整ステッ
プ）は、インタラクティブインタフェース手段（会話型
処理ステップ）におけるユーザ操作指示に基づいて推論
規則におけるパラメータを設定または調整することとし
たので、推論システムにおける推論ルールおよびメンバ
シップ関数等の推論規則を、ユーザの好みや感性に沿っ
て或いは調整目的に応じて設定、再設定または調整で
き、また、ユーザインタフェースをユーザフレンドリに
実現することで該設定、再設定または調整を容易に行う
ことができ、さらに、パラメータ調整を行う度に第２画
像データを表示したり、順次縮小した第２画像データを
表示列挙して、ユーザが好む第２画像データを選択させ
ることとすれば、ユーザがパラメータ調整しているとい
う意識を持つことなく推論規則を設定、再設定または調
整することができる。

【０１２５】また特に、本発明によれば、再設定調整手
段（再設定調整ステップ）は、ユーザ操作記憶手段に保
持されているインタラクティブインタフェース手段（会
話型処理ステップ）におけるユーザ操作指示またはその
履歴に基づいて推論規則におけるパラメータを調整する
こととしたので、ユーザの好みや感性に沿った調整が可
能となる。

【０１２６】また特に、本発明によれば、初期設定手段
（初期設定ステップ）および再設定調整手段（再設定調
整ステップ）における所定の評価を、インタラクティブ
に入力されたユーザ操作指示を反映して設定することと
したので、ユーザの好みや感性に沿った調整が可能とな
る。

【０１２７】さらに、本発明によれば、推論規則におけ
るパラメータは、ユーザの主観や好みに基づくクラス毎
に設定または調整され、例えばユーザ操作記憶手段に保
持して推論システムにおける推論規則の調整に反映させ
ることとしたので、ユーザの好みや感性に沿った調整が
可能となる。

【図面の簡単な説明】

【図１】本発明に係る推論システムの知識調整装置の原
理説明図である。

【図２】遺伝子アルゴリズムにおける処理手順を説明す
るフローチャートである。

【図３】本発明に係る推論システムの知識調整装置、知
識調整方法および記憶媒体が適用される第１の実施形態
の似顔絵作成装置の構成図である。

【図４】図４（ａ）は輪郭画像抽出部で抽出された輪郭
画像を、図４（ｂ）は部品画像記憶部内の顔部品画像
を、図４（ｃ）出力される似顔絵画像を、それぞれ例示
する説明図である。

【図５】顔の特徴点を例示する説明図である。

【図６】知識ベース内に保持されているファジイ推論ル
ールの具体的内容を例示する説明図である。

【図７】部品画像の配置を説明する説明図である。

【図８】第１の実施形態において初期設定部を中心とし
て行われる知識ベース内の推論規則の初期設定処理を説
明するフローチャートである。

【図９】ルール前件部メンバシップ関数の設定を説明す
る説明図である。

【図１０】初期設定部において遺伝子アルゴリズムを使
用する場合の遺伝子への割り当てを説明する説明図であ
る。

【図１１】ルール後件部メンバシップ関数の設定を説明
する説明図である。

【図１２】会話的設定・調整で知識調整表示出力部に表
示出力される知識調整用画面を例示する説明図である。

【図１３】第１の実施形態において再設定調整部を中心
として行われる知識ベース内の推論規則の再設定・調整
処理を説明するフローチャートである。

【図１４】メンバシップ関数（ＭＦ）の調整パラメータ
を説明する説明図である。

【図１５】再設定調整部において遺伝子アルゴリズムを
使用する場合の遺伝子への割り当てを説明する説明図で
ある。

【図１６】本発明に係る推論システムの知識調整装置、
知識調整方法および記憶媒体が適用される第２の実施形
態の文書作成装置の構成図である。

【図１７】第２の実施形態において初期設定部を中心と
して行われる知識ベース内の推論規則の初期設定処理を
説明するフローチャートである。

【図１８】第２の実施形態において再設定調整部を中心
として行われる知識ベース内の推論規則の再設定・調整
処理を説明するフローチャートである。

【図１９】文字フォント記憶部１６１９内の文字形状パ
ターンを例示する説明図である。

【図２０】カーニング処理後の文書画像を文字形状パタ
ーンとともに例示する説明図である。

【符号の説明】

１００ ユーザ １０１，３０１，１６０１ ユーザインタフェース １０２ 画像入力手段 １０３ インタラクティブインタフェース手段 １０４ 推論結果出力手段 １１１ 特徴量抽出手段 １１２ 初期設定手段 １１３ 知識ベース １１４ 推論実行手段 １１５ 再設定調整手段 １１６ ユーザ操作記憶手段 ３０２，１６０２ 画像入力部 ３０３ａ，１６０３ａ データ入力部（インタラクテ
ィブインタフェース手段） ３０３ｂ，１６０３ｂ 知識調整表示出力部（インタ
ラクティブインタフェース手段） ３０４ 顔画像出力部 ３１１，１６１１ 特徴量抽出部（特徴量抽出手段） ３１２，１６１２ 初期設定部（初期設定手段） ３１３，１６１３ 知識ベース ３１４ 部品選択配置部（推論実行手段） ３１５，１６１５ 再設定調整部（再設定調整手段） ３１６，１６１６ ユーザ操作記憶部（ユーザ操作記
憶手段） ３１７ 輪郭画像抽出部 ３１８，１６１８ 特徴量記憶部 ３１９ 部品画像記憶部 ３２０ 教師用似顔絵画像記憶部 ３２１ 教師用顔画像記憶部 １６０４ カーニング結果出力部 １６１４ カーニング処理部（推論実行手段） １６１９ 文字フォント記憶部 １６２１ 教師用カーニングデータ記憶部

Claims (22)

【特許請求の範囲】
1. 【請求項１】 入力される第１データから第２データを
   生成するための推論規則を保持する知識ベースと、前記
   推論規則に基づいて前記第１データから前記第２データ
   を推論する推論実行手段と、を備えた推論システムの知
   識調整装置であって、 サンプルとして入力される第１サンプルデータおよび該
   第１サンプルデータから生成されるべき第２サンプルデ
   ータの組についてそれぞれ特徴量を抽出する特徴量抽出
   手段と、 前記特徴量抽出手段により抽出された前記第１サンプル
   データおよび前記第２サンプルデータについての特徴量
   の組に基づいて前記推論規則を生成する初期設定手段
   と、 を具備することを特徴とする推論システムの知識調整装
   置。
2. 【請求項２】 入力される第１データから第２データを
   生成するための推論規則を保持する知識ベースと、前記
   推論規則に基づいて前記第１データから前記第２データ
   を推論する推論実行手段と、を備えた推論システムの知
   識調整装置であって、 入力される第１データについて特徴量を抽出する特徴量
   抽出手段と、 前記特徴量抽出手段により抽出された前記第１データの
   特徴量およびまたは前記第１データに対して前記推論実
   行手段による推論結果となる前記第２データに基づいて
   前記推論規則を調整する再設定調整手段と、 を具備することを特徴とする推論システムの知識調整装
   置。
3. 【請求項３】 入力される第１データから第２データを
   生成するための推論規則を保持する知識ベースと、前記
   推論規則に基づいて前記第１データから前記第２データ
   を推論する推論実行手段と、を備えた推論システムの知
   識調整装置であって、 サンプルとして入力される第１サンプルデータおよび該
   第１サンプルデータから生成されるべき第２サンプルデ
   ータの組についてそれぞれ特徴量を抽出し、入力される
   第１データについて特徴量を抽出する特徴量抽出手段
   と、 前記特徴量抽出手段により抽出された前記第１サンプル
   データおよび前記第２サンプルデータについての特徴量
   の組に基づいて前記推論規則を生成する初期設定手段
   と、 前記特徴量抽出手段により抽出された前記第１データの
   特徴量およびまたは前記第１データに対して前記推論実
   行手段による推論結果となる前記第２データに基づいて
   前記推論規則を調整する再設定調整手段と、 を具備することを特徴とする推論システムの知識調整装
   置。
4. 【請求項４】 前記初期設定手段または前記再設定調整
   手段は、前記推論規則におけるパラメータを、所定の評
   価に対して最適となるように、最適化手法を用いて自動
   設定または自動調整することを特徴とする請求項１、２
   または３に記載の推論システムの知識調整装置。
5. 【請求項５】 前記前記特徴量抽出手段により抽出され
   た前記第１サンプルデータおよび前記第２サンプルデー
   タについての特徴量の組、前記第１データの特徴量、前
   記第１データに対して前記推論実行手段による推論結果
   となる前記第２データおよびまたは該第２データの特徴
   量を所定形式で出力し、ユーザの操作指示をインタラク
   ティブに取り込むインタラクティブインタフェース手段
   を具備し、 前記初期設定手段または前記再設定調整手段は、前記イ
   ンタラクティブインタフェース手段によるユーザ操作指
   示に基づいて前記推論規則におけるパラメータを設定ま
   たは調整することを特徴とする請求項１、２または３に
   記載の推論システムの知識調整装置。
6. 【請求項６】 前記インタラクティブインタフェース手
   段によるユーザ操作指示を保持するユーザ操作記憶手段
   を具備し、 前記再設定調整手段は、前記ユーザ操作記憶手段に保持
   されたユーザ操作指示またはその履歴に基づいて前記推
   論規則におけるパラメータを調整することを特徴とする
   請求項２、３または５に記載の推論システムの知識調整
   装置。
7. 【請求項７】 前記初期設定手段および前記再設定調整
   手段における所定の評価は、ユーザの操作指示が反映さ
   れることを特徴とする請求項４に記載の推論システムの
   知識調整装置。
8. 【請求項８】 前記推論規則におけるパラメータは、ユ
   ーザの主観や好みに基づくクラス毎に設定または調整さ
   れることを特徴とする請求項４、５、６または７に記載
   の推論システムの知識調整装置。
9. 【請求項９】 入力される第１データから第２データを
   生成するための推論規則を保持する知識ベースと、前記
   推論規則に基づいて前記第１データから前記第２データ
   を推論する推論実行手段と、を備えた推論システムの知
   識調整方法であって、 サンプルとして入力される第１サンプルデータおよび該
   第１サンプルデータから生成されるべき第２サンプルデ
   ータの組についてそれぞれ特徴量を抽出する特徴量抽出
   ステップと、 前記特徴量抽出ステップにより抽出された前記第１サン
   プルデータおよび前記第２サンプルデータについての特
   徴量の組に基づいて前記推論規則を生成する初期設定ス
   テップと、 を具備することを特徴とする推論システムの知識調整方
   法。
10. 【請求項１０】 入力される第１データから第２データ
    を生成するための推論規則を保持する知識ベースと、前
    記推論規則に基づいて前記第１データから前記第２デー
    タを推論する推論実行手段と、を備えた推論システムの
    知識調整方法であって、 入力される第１データについて特徴量を抽出する特徴量
    抽出ステップと、 前記特徴量抽出ステップにより抽出された前記第１デー
    タの特徴量およびまたは前記第１データに対して前記推
    論実行手段による推論結果となる前記第２データに基づ
    いて前記推論規則を調整する再設定調整ステップと、 を具備することを特徴とする推論システムの知識調整方
    法。
11. 【請求項１１】 入力される第１データから第２データ
    を生成するための推論規則を保持する知識ベースと、前
    記推論規則に基づいて前記第１データから前記第２デー
    タを推論する推論実行手段と、を備えた推論システムの
    知識調整方法であって、 サンプルとして入力される第１サンプルデータおよび該
    第１サンプルデータから生成されるべき第２サンプルデ
    ータの組についてそれぞれ特徴量を抽出し、入力される
    第１データについて特徴量を抽出する特徴量抽出ステッ
    プと、 前記特徴量抽出ステップにより抽出された前記第１サン
    プルデータおよび前記第２サンプルデータについての特
    徴量の組に基づいて前記推論規則を生成する初期設定ス
    テップと、 前記特徴量抽出ステップにより抽出された前記第１デー
    タの特徴量およびまたは前記第１データに対して前記推
    論実行手段による推論結果となる前記第２データに基づ
    いて前記推論規則を調整する再設定調整ステップと、 を具備することを特徴とする推論システムの知識調整方
    法。
12. 【請求項１２】 前記初期設定ステップまたは前記再設
    定調整ステップは、前記推論規則におけるパラメータ
    を、所定の評価に対して最適となるように、最適化手法
    を用いて自動設定または自動調整することを特徴とする
    請求項９、１０または１１に記載の推論システムの知識
    調整方法。
13. 【請求項１３】 前記特徴量抽出ステップにより抽出さ
    れた前記第１サンプルデータおよび前記第２サンプルデ
    ータについての特徴量の組、前記第１データの特徴量、
    前記第１データに対して前記推論実行手段による推論結
    果となる前記第２データおよびまたは該第２データの特
    徴量を所定形式で出力し、ユーザの操作指示をインタラ
    クティブに取り込む会話型処理ステップを具備し、 前記初期設定ステップまたは前記再設定調整ステップ
    は、前記会話型処理ステップにおけるユーザ操作指示に
    基づいて前記推論規則におけるパラメータを設定または
    調整することを特徴とする請求項９、１０または１１に
    記載の推論システムの知識調整方法。
14. 【請求項１４】 前記再設定調整ステップは、ユーザ操
    作記憶手段に保持されている前記会話型処理ステップに
    おけるユーザ操作指示またはその履歴に基づいて前記推
    論規則におけるパラメータを調整することを特徴とする
    請求項１０、１１または１３に記載の推論システムの知
    識調整方法。
15. 【請求項１５】 前記初期設定ステップおよび前記再設
    定調整ステップにおける所定の評価は、ユーザの操作指
    示が反映されることを特徴とする請求項１２に記載の推
    論システムの知識調整方法。
16. 【請求項１６】 コンピュータに、入力される第１デー
    タから第２データを生成するための推論規則を保持する
    知識ベースと、前記推論規則に基づいて前記第１データ
    から前記第２データを推論する推論実行手段と、を備え
    た推論システムの知識調整方法を実行させるためのプロ
    グラムを記録した記録媒体であって、 前記プログラムは、 サンプルとして入力される第１サンプルデータおよび該
    第１サンプルデータから生成されるべき第２サンプルデ
    ータの組についてそれぞれ特徴量を抽出する特徴量抽出
    ステップと、 前記特徴量抽出ステップにより抽出された前記第１サン
    プルデータおよび前記第２サンプルデータについての特
    徴量の組に基づいて前記推論規則を生成する初期設定ス
    テップと、を具備することを特徴とする記録媒体。
17. 【請求項１７】 コンピュータに、入力される第１デー
    タから第２データを生成するための推論規則を保持する
    知識ベースと、前記推論規則に基づいて前記第１データ
    から前記第２データを推論する推論実行手段と、を備え
    た推論システムの知識調整方法を実行させるためのプロ
    グラムを記録した記録媒体であって、 前記プログラムは、 入力される第１データについて特徴量を抽出する特徴量
    抽出ステップと、 前記特徴量抽出ステップにより抽出された前記第１デー
    タの特徴量およびまたは前記第１データに対して前記推
    論実行手段による推論結果となる前記第２データに基づ
    いて前記推論規則を調整する再設定調整ステップと、を
    具備することを特徴とする記録媒体。
18. 【請求項１８】 コンピュータに、入力される第１デー
    タから第２データを生成するための推論規則を保持する
    知識ベースと、前記推論規則に基づいて前記第１データ
    から前記第２データを推論する推論実行手段と、を備え
    た推論システムの知識調整方法を実行させるためのプロ
    グラムを記録した記録媒体であって、 前記プログラムは、 サンプルとして入力される第１サンプルデータおよび該
    第１サンプルデータから生成されるべき第２サンプルデ
    ータの組についてそれぞれ特徴量を抽出し、入力される
    第１データについて特徴量を抽出する特徴量抽出ステッ
    プと、 前記特徴量抽出ステップにより抽出された前記第１サン
    プルデータおよび前記第２サンプルデータについての特
    徴量の組に基づいて前記推論規則を生成する初期設定ス
    テップと、 前記特徴量抽出ステップにより抽出された前記第１デー
    タの特徴量およびまたは前記第１データに対して前記推
    論実行手段による推論結果となる前記第２データに基づ
    いて前記推論規則を調整する再設定調整ステップと、を
    具備することを特徴とする記録媒体。
19. 【請求項１９】 前記初期設定ステップまたは前記再設
    定調整ステップは、前記推論規則におけるパラメータ
    を、所定の評価に対して最適となるように、最適化手法
    を用いて自動設定または自動調整することを特徴とする
    請求項１６、１７または１８に記載の記録媒体。
20. 【請求項２０】 前記プログラムは、前記前記特徴量抽
    出ステップにより抽出された前記第１サンプルデータお
    よび前記第２サンプルデータについての特徴量の組、前
    記第１データの特徴量、前記第１データに対して前記推
    論実行手段による推論結果となる前記第２データおよび
    または該第２データの特徴量を所定形式で出力し、ユー
    ザの操作指示をインタラクティブに取り込む会話型処理
    ステップを具備し、 前記初期設定ステップまたは前記再設定調整ステップ
    は、前記会話型処理ステップにおけるユーザ操作指示に
    基づいて前記推論規則におけるパラメータを設定または
    調整することを特徴とする請求項１６、１７または１８
    に記載の記録媒体。
21. 【請求項２１】 前記再設定調整ステップは、ユーザ操
    作記憶手段に保持されている前記会話型処理ステップに
    おけるユーザ操作指示またはその履歴に基づいて前記推
    論規則におけるパラメータを調整することを特徴とする
    請求項１７、１８または２０に記載の記録媒体。
22. 【請求項２２】 前記初期設定ステップおよび前記再設
    定調整ステップにおける所定の評価は、ユーザの操作指
    示が反映されることを特徴とする請求項１９に記載の記
    録媒体。