JP2000155680A

JP2000155680A - 判断規則修正装置及び判断規則修正方法

Info

Publication number: JP2000155680A
Application number: JP10328625A
Authority: JP
Inventors: Shigeaki Sakurai; 茂明櫻井
Original assignee: Toshiba Corp
Current assignee: Toshiba Corp
Priority date: 1998-11-18
Filing date: 1998-11-18
Publication date: 2000-06-06
Anticipated expiration: 2018-11-18
Also published as: JP3670500B2

Abstract

(57)【要約】（修正有）【課題】与えられたデータが、正しい推論結果に導か
れるよう判断規則を部分的かつ高速に修正する判断規則
修正装置と判断規則修正方法を提供すること。【解決手段】誤った推論を行う判断規則を修正する場
合、これまで全てのパラメータを修正の対象としていた
が、誤った判断を行うパラメータとその周りのパラメー
タだけを修正範囲として限定し、抽出する。その抽出さ
れた修正対象パラメータに対し、最適解を求めるアルゴ
リズムや探索手法を用いる。これによって、膨大なデー
タを対象としていたため負荷の掛かっていたパラメータ
修正処理を、高速かつ効率的に修正可能にした。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、例えば画像または
音声データを入力することにより、予め不良品として記
憶された製品とのマッチングを使い製品に発生する不良
を識別するシステムや制御対象の現在の状況を示す状態
量を入力することにより、制御対象を制御するシステム
において、専門家が下した診断結果に適合するようにシ
ステム内の判断規則を自動的に修正する装置及び判断規
則を自動的に修正する方法に関する。

【０００２】

【従来の技術】従来、機械知能による最適化あるいは探
索として、予め決められた関数にパラメータを代入して
得られる特徴量から判断規則を決定し、その判断規則を
修正する場合には、パラメータを調節する方法が採られ
ている。その１つの手法がジェネティックアルゴリズム
( 以下「ＧＡ」と言う。) ；参考文献「ジェネティック
アルゴリズム／安居院猛、長尾智晴著／昭晃堂／１９
９３年」がある。ＧＡとは生物の進化の過程を基本原理
とした最適化・探索アルゴリズムの一種である。ＧＡで
は、染色体同士の一部を入れ換える操作（交差）、染色
体を構成する一部の文字列の値を反転させる操作（突然
変異）、染色体ごとの評価値（適合度）を利用して、染
色体集団の中から染色体を選ぶ操作（選択）、といった
操作を行ない新たな染色体集団を生成する。ＧＡはこの
ような染色体集団の生成を何世代かに渡って繰り返して
いくことにより、適合度の高い染色体を探索するアルゴ
リズムである。

【０００３】例えばこのＧＡを利用して判断規則に含ま
れるパラメータを調整する手法として、参考文献「ファ
ジールールの獲得とその表現に対する一手法／前橋覚、
鬼沢武久著／日本ファジー学会関東支部・東北支部
第９回ワークショップ／１９９７年」が挙げられる。こ
の手法では、判断規則に含まれるパラメータを０あるい
は１を連結した文字列で表すこと（２進数表現）によ
り、判断規則と染色体の対応付けを行っている。また染
色体に対応する判断規則を用いて、制御対象をどの程度
上手く制御できたかどうかを評価することにより、染色
体の適合度を求めている。そうして染色体が世代交代を
繰り返す中で、適合度の高い染色体が淘汰されるよう判
断規則を調整するものである。

【０００４】しかしながら、最適な解を探索するＧＡを
用いたとしても、通常考えられている探索空間では全て
を探索するのに膨大な時間を必要とする。さらに、この
手法では、限りある時間の中で実用上解けない問題も発
生する。また、探索空間中の真の最大値あるいは最小値
を与える点を探索する必要がある場合には、膨大な時間
を必要とするとしても、全探索を実行する以外に術はな
いのが実情であった。

【０００５】

【発明が解決しようとする課題】上述したように従来の
技術においては、判断規則の修正は最初から全て生成し
直すことを前提としており、たとえ判断規則の修正箇所
は部分的であっても規則全体を修正対象とみなしている
ために、この規則修正の際に多くの時間を要し、効率が
悪いという問題があった。

【０００６】本発明は、上述した問題を解決するために
なされたものであって、与えられたデータの推論を行っ
た場合、データに対して正しい推論結果が得られなかっ
た時、そのデータが正しい推論結果に導かれるよう判断
規則を部分的かつ高速に修正する方法と装置を提供する
ことを目的としている。

【０００７】本発明の別の目的は、これまでＧＡを利用
する上で懸念されていた探索空間の大きさ、つまり探索
範囲が広すぎて処理に膨大な時間が掛かっていたことを
改善することによって、ＧＡをより使いやすい探索手法
とすることにある。

【０００８】

【課題を解決するための手段】かかる課題を解決するた
め、請求項１記載の本発明に係る判断規則修正装置は、
データと該データを識別する分類クラスを併せ持つデー
タ集合に対し、システム内に記述された判断規則の推論
が誤っている部分を抽出する手段と、前記抽出した判断
規則をパラメータ調整が可能なアルゴリズムを用いて修
正する手段とを具備する。

【０００９】請求項２記載の本発明に係る判断規則修正
装置は、データと該データを識別する分類クラスを併せ
持つデータ集合に対し、システム内に記述された判断規
則の推論が誤っている部分を抽出する手段と、前記抽出
した判断規則をパラメータ調整が可能なアルゴリズムを
用いて修正する手段と、誤った推論結果に導かれるデー
タ集合を対象として、該データ集合に対応する判断規則
上のパラメータを抽出する手段と、誤った推論結果に導
かれるデータ集合が属する分類クラスを対象として、該
分類クラスに対応する判断規則上のパラメータを抽出す
る手段とを具備する。

【００１０】請求項３記載の本発明に係る判断規則修正
装置は、データと該データを識別する分類クラスを併せ
持つデータ集合に対し、システム内に記述された判断規
則の推論が誤っている部分を抽出する手段と、前記抽出
した判断規則をパラメータ調整が可能なアルゴリズムを
用いて修正する手段と、誤った推論結果に導かれるデー
タ集合を対象として、該データ集合に対応する判断規則
上のパラメータを抽出する手段と、誤った推論結果に導
かれるデータ集合が属する分類クラスを対象として、該
分類クラスに対応する判断規則上のパラメータを抽出す
る手段と、請求項２で抽出したパラメータを対象とし
て、誤った推論結果に導かれるデータ集合が正しい推論
結果が得られる推論経路上で、修正を要するパラメータ
のみを抽出する手段を具備する。

【００１１】請求項４記載の本発明に係る判断規則修正
方法は、データと該データを識別する分類クラスを併せ
持つデータ集合に対し、システム内に記述された判断規
則の推論が誤っている部分を抽出するステップと、前記
抽出した判断規則をパラメータ調整が可能なアルゴリズ
ムを用いて修正するステップとを具備する。

【００１２】請求項５記載の本発明に係る判断規則修正
方法は、データと該データを識別する分類クラスを併せ
持つデータ集合に対し、システム内に記述された判断規
則の推論が誤っている部分を抽出するステップと、前記
抽出した判断規則をパラメータ調整が可能なアルゴリズ
ムを用いて修正するステップと、誤った推論結果に導か
れるデータ集合を対象として、該データ集合に対応する
判断規則上のパラメータを抽出するステップと、誤った
推論結果に導かれるデータ集合が属する分類クラスを対
象として、該分類クラスに対応する判断規則上のパラメ
ータを抽出するステップとを具備する。

【００１３】請求項６記載の本発明に係る判断規則修正
方法は、データと該データを識別する分類クラスを併せ
持つデータ集合に対し、システム内に記述された判断規
則の推論が誤っている部分を抽出するステップと、前記
抽出した判断規則をパラメータ調整が可能なアルゴリズ
ムを用いて修正するステップと、誤った推論結果に導か
れるデータ集合を対象として、該データ集合に対応する
判断規則上のパラメータを抽出するステップと、誤った
推論結果に導かれるデータ集合が属する分類クラスを対
象として、該分類クラスに対応する判断規則上のパラメ
ータを抽出するステップと、請求項５で抽出したパラメ
ータを対象として、誤った推論結果に導かれるデータ集
合が正しい推論結果が選られる推論経路上で修正を要す
るパラメータのみを抽出するステップを具備する。

【００１４】請求項１及び請求項４記載の本発明の修正
規則判断装置及び修正規則判断方法では、これまで全て
のパラメータを探索範囲としていたが、修正の必要のあ
るパラメータとその周りのパラメータだけに修正範囲を
限定することによって、最適解が求まるまでの探索時間
の短縮が可能になった。これは、使用者にとって探索パ
ラメータの設定が簡単になるだけでなく、ＧＡが現実の
システムに耐えうる条件を満たすことにもなる。

【００１５】請求項２及び請求項５記載の本発明の修正
規則判断装置及び修正規則判断方法では、修正の必要の
あるパラメータとその周りのパラメータを抽出する方法
として、１つは誤った分類クラスに導かれたデータが本
来属する分類クラスに対して、もう１つは誤った分類ク
ラスに導かれたデータのみに対してパラメータを抽出す
る。そして、これらの抽出で得られたパラメータの和集
合を修正対象範囲とする。請求項３及び請求項６記載
の本発明の修正規則判断装置及び修正規則判断方法で
は、上記で抽出したパラメータをさらに特徴量との関係
から修正の可能性の高い部分だけを抽出する。これによ
って、探索範囲はさらに吟味され、探索時間の減少につ
ながる。

【００１６】

【発明の実施の形態】以下、本発明の実施の形態につい
て図面を参照にして詳細に説明する。

【００１７】図１（ａ）は本発明の一実施形態に係る装
置の構成を示すブロック図である。同図に示すように、
事例格納部１１には図２に示す画像ファイル名と対応す
る分類クラスからなる事例が格納されている。判断規則
格納部１２には現在使用するシステム内に記述された判
断規則が格納されている。そして事例格納部１１に格納
された事例は、判断規則格納部１２に格納された判断規
則によって推論部１３で推論される。修正対象抽出部１
４は、推論部１３が推論したクラスと事例格納部１１に
格納されている事例に対応する分類クラスが異なる場
合、その事例に係る経路上に表れるパラメータを判断規
則の修正対象として抽出する。探索範囲格納部１５には
修正対象抽出部１４で抽出された修正対象の探索範囲が
格納される。ただし探索範囲格納部１５は、ここでＧＡ
手法によって判断規則修正（生成）するために用いられ
るのであって、他の手法を用いる場合は使用しないこと
もある（図１（ｂ）参照）。最後に、修正対象探索部１
６によって修正対象範囲内で探索が行われ、パラメータ
の変更すなわち判断規則が修正される。

【００１８】次に、以上のような構成を持つ判断規則修
正装置の動作をフローチャートに沿って説明する。図３
は判断規則修正装置の一実施形態に係る修正の流れを示
すフローチャートである。

【００１９】同図に示すように、まず入力されたデータ
とそのデータを識別する分類クラスを併せ持つデータ集
合を読み込む（ステップ３１）。これは図１（ａ）の事
例格納部１１に格納された事例に対し、判断規則格納部
１２に格納されている判断規則が正しい推論を行うかど
うかを評価するための準備を行なう。ここでは図４の事
例Ｓ１を読み込む。

【００２０】次に、読み込まれた事例Ｓ１を判断規則格
納部１２に格納されている判断規則によって評価し、読
み込んだ事例に対応する分類クラスを推論する（ステッ
プ３２）。例えば図５で示す判断規則を用いて評価し、
図４の事例Ｓ１に対する推論されるクラスを求める。た
だし、図５の判断規則の条件部分に記述されている「面
積」、「密度」、「幅」に対しては、画像ファイル名ｆ
ｉｌｅｎ及びパラメータを引数とする関数ａｒｅａ（ｆ
ｉｌｅｎ，Ｑ１）、ｄｅｎｓｉｔｙ（ｆｉｌｅｎ，Ｑ
２）、ｗｉｄｔｈ（ｆｉｌｅｎ，Ｑ３）がそれぞれ定義
されているとする。また、探索範囲格納部１５には、図
６に示すパラメータの探索可能範囲と現在の設定値が格
納されている。また、その範囲はパラメータ毎に「最大
値」と「最小値」および範囲内の「刻幅」を持つ。画像
ファイル名がｆｉｌｅ１１、クラスが分類１である事例
Ｓ１を評価する際には、パラメータとしてＱ１＝４，Ｑ
２＝４，Ｑ３＝４という値を持っている。これらのパラ
メータを上記関数に代入し、その解である特徴量を得
る。特徴量とは、事例が持つ属性を数値で表したもので
ある。事例Ｓ１に関し、パラメータを代入した結果、図
７に示した値ＳＡ１が求まるとすると、ｆｉｌｅｎは
「面積」８、「密度」５、「幅」１の特徴量を有する。

【００２１】事例を推論する時、まず図５の判断規則の
最上位分岐ノードＮ１に割り当てられている特徴量「面
積」の値を用いて評価を行う。事例Ｓ１では、「面積」
に対する特徴量は８であるから，分岐ノードＮ１の左側
に連結している枝の条件１０未満が成り立つ。よって事
例は分岐ノードＮ１の左側に伝播し、分岐ノードＮ２に
移る。次に分岐ノードＮ２に割り当てられている特徴量
「密度」の値を用いて評価を行う。図４の事例では「密
度」の特徴量は５であるから、分岐ノードＮ２の右側に
連結している枝の条件５以上が成り立ち、事例は分岐ノ
ードＮ５へ伝播する。最後に、分岐ノードＮ５に割り当
てられている特徴量「幅」の値を用いて評価を行う。図
４の事例では「幅」の特徴量は１であるから、分岐ノー
ドＮ５の左側に連結する枝の条件６未満が成り立ち、左
側すなわち「分類２」が割り当てられた末端ノードＥ４
へ伝播する。結果として、事例はクラス「分類２」と推
論される。図８の斜線で囲んだノードは、事例Ｓ１が判
断規則に従って推論される様子を示す。

【００２２】続いて、ステップ３２で推論された事例Ｓ
１のクラスと推論前の事例格納部１１で格納されている
分類クラスを比較する（ステップ３３）。双方のクラス
が一致していれば判断規則の修正は不要であり、アルゴ
リズムは終了する。しかし、一致していなければ、判断
規則を修正する必要があると判断する。事例Ｓ１の場
合、ステップ３２においてクラスは「分類２」と推論さ
れたが、事例格納部１上では「分類１」が割り当てられ
ており一致しない。よってこの場合、判断規則を修正す
る必要があると判断する。

【００２３】判断規則を修正する場合、まず修正対象の
抽出を行う（ステップ３４）。抽出には次に示す３つの
方法を持つ。

【００２４】１つは、事例のクラスに関連する修正対象
を抽出する方法である。つまり、誤った推論結果を得た
事例の画面ファイル名に対応するクラスと同じ推論結果
（末端ノードのクラス）を持つ推論経路を、末端ノード
から最上位の分岐ノードまで溯り、該経路上のパラメー
タを修正対象として抽出する。具体的に図４の事例Ｓ１
で言えば、本来割り当てられているクラス「分類１」に
関連する経路を溯ってみる。図５の判断規則で「分類
１」が推論されるのは、末端ノードＥ１、Ｅ６の２ヵ所
である。末端ノードＥ１から最上位の分岐ノードＮ１ま
での経路は、分岐ノードＮ４と末端ノードＥ１を結ぶ
枝、分岐ノードＮ４、分岐ノードＮ２と分岐ノードＮ４
を結ぶ枝、分岐ノードＮ２、分岐ノードＮ１と分岐ノー
ドＮ２を結ぶ枝、分岐ノードＮ１である。各ノードや枝
には各々パラメータＰ５、Ｑ３、Ｐ２、Ｑ２、Ｐ１、Ｑ
１が対応する。末端ノードＥ６の場合、分岐ノードＮ３
と末端ノードＥ６を結ぶ枝、分岐ノードＮ３、分岐ノー
ドＮ１と分岐ノードＮ３を結ぶ枝、分岐ノードＮ１であ
り、パラメータＰ３、Ｑ３、Ｐ１、Ｑ１が対応する。よ
って、クラスに関連する修正対象として、パラメータＰ
１、Ｐ２、Ｐ３、Ｐ５、Ｑ１、Ｑ２、Ｑ３を抽出する。
図９の斜線で囲んだノードはパラメータ抽出の様子を示
す。

【００２５】２つは、事例の評価に関連する修正対象を
抽出する方法である。つまり、修正対象と判定された事
例が辿った最上位の分岐ノードから末端ノードまでの判
断経路のパラメータを、事例の評価に関連する修正対象
として抽出する。図４の事例Ｓ１の場合、図８で示すよ
うに、分岐ノードＮ１、分岐ノードＮ１と分岐ノードＮ
２の枝、分岐ノードＮ２、分岐ノードＮ２と分岐ノード
Ｎ５の枝、分岐ノードＮ５、分岐ノードＮ５と末端ノー
ドＥ４の枝を通って末端ノードＥ４に伝播する。これら
に対応するパラメータは、Ｑ１、Ｐ１、Ｑ２、Ｐ２、Ｑ
３、Ｐ７であり、これを事例の評価に関連する修正対象
として抽出する。

【００２６】３つは、上記２つの方法を使って抽出した
修正対象をさらに絞り込むことを前提とした方法であ
る。つまり、読み込まれた事例が誤った推論結果となっ
た場合、該事例が正しい推論結果を得る（末端ノードに
行き着く）ための推論経路を想定し、該事例の持つ特徴
量と該経路上の閾値（分岐する基準となる値）を比較す
る。該事例が該閾値によって該経路から外れるのであれ
ば、該閾値の修正すなわち、該閾値のパラメータを探索
すべき修正対象として抽出する。一方、該特徴量と該閾
値が該推論経路上にあれば、修正対象としない。図５に
示す判断規則において図４の事例Ｓ１で言えば、末端ノ
ードから見てＥ１またはＥ６に推論が達すればよく、そ
のためには該末端ノードの上位、すなわち分岐ノードＮ
４もしくはＮ３に達する必要がある。そこで、事例Ｓ１
の「幅」の特徴量は１であり、分岐ノードＮ４と末端ノ
ードＥ１を結ぶ枝の条件は４（＝Ｐ５）未満、および分
岐ノードＮ３と末端ノードＥ６を結ぶ枝の条件は２（＝
Ｐ３）未満であるからこれらの値を変化させる必要はな
い。つまりパラメータＰ５、Ｐ３および「幅」の特徴量
を変えるＱ３は修正対象とならない。さらに上位ノード
を見ていくと、事例Ｓ１の「密度」の特徴量は５である
のに対し、分岐ノードＮ２と分岐ノードＮ４を結ぶ枝の
条件は５（＝Ｐ２）未満であるから、パラメータＰ２は
修正対象となる。同様に事例Ｓ１の「面積」の特徴量は
８であるのに対し、分岐ノードＮ１と分岐ノードＮ３を
結ぶ枝の条件は１０（＝Ｐ１）以上であるので、パラメ
ータＰ１も修正対象となる。また、分岐ノードＮ５に事
例が到達しても、正しい推論結果を得ることができない
ので、パラメータＰ７は修正対象外となる。

【００２７】従って、最終的な修正対象は、クラス及び
事例の評価に関連する修正対象から、変化させる必要の
ないパラメータを除いたパラメータＰ１、Ｐ２、Ｑ１、
Ｑ２となる。

【００２８】さらにこの方法が、例えば図１０に示す判
断規則が判断規則格納部１２に格納されている場合の修
正パラメータ抽出について考える。

【００２９】ここでは、図４の事例Ｓ１を評価する際の
パラメータとして、パラメータＱ４＝２、Ｑ５＝３を与
え、関数ｈｉｇｈｔ（ｆｉｌｅｎ，Ｑ４) 、ｌｅｎｇｔ
ｈ（ｆｉｌｅｎ，Ｑ５) により「高さ」の特徴量４及び
「長さ」の特徴量３を加えた変化形の事例Ｓ２（図示せ
ず）を使う。但し、分類クラスは事例Ｓ１と同じとす
る。

【００３０】図１０の判断規則に従えば、事例Ｓ２は末
端ノードＥ８、つまり「分類２」という推論結果を得
る。しかし本来事例Ｓ２にはクラス「分類１」が割り当
てられ、判断規則の修正が必要となる。上述した図５の
判断規則における抽出方法と同様に、図１０の判断規則
においてもクラス「分類１」に関連する修正対象とし
て、パラメータＰ１、Ｐ２、Ｐ３、Ｐ５、Ｐ６、Ｐ８、
Ｐ９、Ｐ１０、Ｑ１、Ｑ２、Ｑ３、Ｑ４を抽出する。さ
らに事例の評価に関連する修正対象として、パラメータ
Ｑ１、Ｐ１、Ｑ２、Ｐ２、Ｑ３、Ｐ７を抽出する。最後
に特徴量に注目すると、正しい推論とされる末端ノード
Ｅ３、Ｅ６、Ｅ１０はそれぞれ分岐ノードＮ６、Ｎ７、
Ｎ３から分岐し、「高さ」の特徴量４に対して分岐ノー
ドＮ６と末端ノードＥ３を結ぶ枝の条件は５（＝Ｐ８）
以上８（＝Ｐ９）未満である。よって、パラメータＰ
８、Ｐ９および「高さ」の特徴量を変えるＱ４は、修正
対象となる。また、分岐ノードＮ７と末端ノードＥ６を
結ぶ枝の条件は８（＝Ｐ１０）未満であるが、Ｑ４が修
正対象となっているので、「高さ」の特徴量が変わる可
能性がある。従って、Ｐ１０は修正対象となる。「幅」
の特徴量１に対して、分岐ノードＮ３と末端ノードＥ１
０を結ぶ枝の条件は２（＝Ｐ３）未満、分岐ノードＮ４
と分岐ノードＮ６を結ぶ枝の条件は４（＝Ｐ５）未満で
ある。よって、パラメータＰ３、Ｐ５およびＱ３は修正
対象外となる。また、分岐ノードＮ４と分岐ノードＮ７
を結ぶ枝の条件は９（＝Ｐ６）以上であるが、Ｐ６はＰ
５よりも小さくなれないので、分岐ノードＮ７には到達
しない。従って、Ｐ６は対象外となる。そしてさらに上
位のノードを辿ると、「密度」の特徴量５に対して、分
岐ノードＮ２と分岐ノードＮ４を結ぶ枝の条件は５（＝
Ｐ２）未満であるから、パラメータＰ２およびＱ２は修
正対象となる。その上の分岐ノードＮ１と分岐ノードＮ
２、および分岐ノードＮ１と分岐ノードＮ３をそれぞれ
結ぶ枝の条件は、分岐ノードＮ２側で１０（＝Ｐ１）未
満、分岐ノードＮ３側で１０（＝Ｐ１）以上となってい
るので、Ｐ１およびＱ１は修正対象となる。

【００３１】また、分岐ノードＮ５に事例が到達して
も、正しい推論結果を得ることはできないので、パラメ
ータＰ７は修正対象外とする。

【００３２】従って、図１０の事例Ｓ２でクラス及び事
例の評価に関連する修正対象から、変化させる必要のな
いパラメータを除くと、パラメータＰ１、Ｐ２、Ｐ８、
Ｐ９、Ｐ１０、Ｑ１、Ｑ２、Ｑ４が最終的な修正対象と
なる。

【００３３】次に、修正対象範囲の探索開始位置を決め
る（ステップ３５）。言い換えれば、修正対象抽出部１
４からステップ３４で求められた修正対象の探索範囲を
格納する探索範囲格納部１５によって修正対象の探索可
能な範囲を獲得し、さらに該修正対象をビット表現した
文字列に変換する。ビット表現については、参考文献
「ジェネティックアルゴリズム／安居院猛、長尾智晴著
／昭晃堂／１９９３年」によると、ＧＡを使う場合遺伝
子型を表す記号としてどのようなものを用いるかは任意
であるが、一般的には０と１であるとされる。従って、
本実施例ではパラメータを０と１を用いて２進数で表現
する。

【００３４】図４で示す事例Ｓ１で求められた修正対象
で考えると、Ｐ１に対しては探索範囲格納部１５から最
小値４、最大値１１、刻幅１の範囲が得られる。このと
き、Ｐ１は８種類の値を取り得るため、３ビットを割り
当てればＰ１が取り得る値すべてを２進数で表現するこ
とができる。つまり、最小値４を２進数０００に対応さ
せ、最小値が刻幅に応じて１増える毎に０００の値も１
増やせば、Ｐ１の値すべてを表現することができる。同
じ方法で残りのパラメータＰ２、Ｑ１、Ｑ２について考
えると、各々３ビット、４ビット、４ビットを割り当て
れば、最小値から最大値まで取り得る値すべてを表現す
ることができる。修正対象全体で見れば、１４ビットで
一つの解を表現することができる。図１１は、図５の判
断規則におけるＰ１、Ｐ２、Ｑ１、Ｑ２のパラメータ設
定値を各々２進数で対応させた染色体表現である。

【００３５】そうして修正対象の現在の状態をビット表
現した染色体と、０あるいは１を乱数を用いて生成した
染色体とを合わせて予め設定された集合体の構成数にな
れば、それを第０世代の染色体集団とし、探索を開始す
る。

【００３６】図１２は、上述した第０世代の染色体集団
を示し、修正対象の現在の状態を示す染色体として図１
１に示す値と０あるいは１の乱数で生成した１９個の染
色体で構成する。これらの染色体の適合度を計算する
と、例えば図１１に示す現在の設定値を表現した染色体
の場合、事例格納部１１に格納される図２の事例Ｔ１〜
Ｔ１０が正しく判定できるとすれば、図４に示す事例Ｓ
１だけが現在の設定値で正しく判定できない事例とな
り、０. ９１( ＝１０／１１) が図１１の染色体の適合
度として求まる。一方、他の染色体に対しては、まず染
色体に対応するパラメータを求め、この値を図５の判断
規則のパラメータと置き換えてＴ１〜Ｔ１０及びＳ１の
事例を評価する。このような各事例の評価を行った後
で、現在の設定値の場合と同様に正しく評価できた事例
の割合（正しく評価できる事例／格納された全事例）を
求めて、各染色体の適合度とする。

【００３７】続いて、染色体集団の世代が予め設定した
世代に到達したか、または最も高い適合度を与える染色
体の適合度が１．０になるかどうかを判定する（ステッ
プ３６）。その結果、いずれかの条件を満たす場合、判
断規則の修正を行う（ステップ３８）。一方、どちらの
条件も満たさない場合、次の探索位置を決定する（ステ
ップ３７）。すなわち、交差・突然変異といった遺伝子
操作を適用することによって恣意的に新たな探索点を作
り、途中段階の染色体集団を生成する。また、途中段階
の染色体集団に含まれる各染色体に対して、染色体に対
応するパラメータ値を適用した判断規則を用いて、事例
格納部１１に格納されている事例及び判断規則の修正が
必要かどうかの検査用に読み込まれた事例が正しく特定
される割合を求めて、各染色体の適合度とする。さらに
は、適合度に応じた確率を各染色体に割り当てて、途中
段階の染色体集団の中から染色体を選択することによ
り、次の世代の染色体集団を選択する。

【００３８】例えば、図１２に示すように第０世代の染
色体集団から遺伝子操作により第１世代の染色体集団を
生成するには、次の方法が考えられる。

【００３９】まず交差の場合、第０世代の染色体集団の
中から乱数を用いて二つの染色体を取り出す。この取り
出した染色体に対して、乱数を用いて切断位置を決定す
る。この切断位置で染色体を分離し、分離した染色体の
一部を互いに交換することにより、新たな二つの染色体
を生成する。この交差を第０世代に含まれる染色体がな
くなるまで繰り返すことにより、第１世代途中段階１を
生成する。図１３は、第０世代の染色体集団から交差に
より、第１世代途中段階１が生成される様子を示してい
る。

【００４０】次に突然変異の場合、第１世代途中段階１
の中から一つの染色体を取り出す。この染色体の各ビッ
トに対して、突然変異を実施するかどうかの判定を行
い、突然変異を実施すると判定したビットに関して、ビ
ットの反転、すなわち０→１または１→０に変換を行
い、新たな染色体を生成する。この突然変異を第１世代
途中段階１に含まれる染色体がなくなるまで繰り返すこ
とにより、第１世代途中段階２を生成する。図１４は第
１世代途中段階から突然変異により、第１世代途中段階
２が生成される様子を示している。

【００４１】選択の場合、操作に先立って第１世代途中
段階２に含まれる染色体の適合度を計算する。つまり、
染色体に対応するパラメータの値を図５の判断規則に適
用して図２の事例Ｔ１〜Ｔ１０及び図４の事例Ｓ１を評
価する。このとき正しく評価された事例の割合を染色体
の適合度とする。そうして、ｎ番目の染色体の適合度ｆ
ｉｔｎｅｓｓｎを数式１に代入することにより、ｎ番目
の染色体の選択確率ｐｒｏｂｎが求まる。

【００４２】

【数１】このｐｒｏｂｎの値を反映した乱数により、選択する染
色体を決定して、第１世代の染色体集団を生成する。図
１５は、第１世代途中段階２から選択により、第１世代
の染色体集団が生成される様子を示している。

【００４３】最後に、染色体集団の世代が予め設定した
世代に到達したか、染色体の適合度が１．０になるかの
いずれかの条件が成り立った場合、検索した染色体の中
から最も適合度の高い染色体を取り出して、該染色体に
対するパラメータ値を求める。そして、図１（ａ）の判
断規則格納部１２に格納されている判断規則はこのパラ
メータ値で更新（修正）される。例えば、図１６の染色
体が最も適合度の高い染色体として取り出されたとす
る。このとき図１６の染色体はＰ１＝１１，Ｐ２＝７，
Ｑ１＝５，Ｑ２＝３を表しているので、判断規則格納部
１２に格納される判断規則は図５から図１７に修正され
る。

【００４４】上述したフローチャートからわかるよう
に、本発明によれば誤った推論に導かれる事例の判断に
関連する部分を、３つの方法で、すなわち誤った結果
に関して、誤った事例に関して、誤った推論に導か
れる事理の特徴量に関して修正対象として取り出し、修
正対象の周辺だけを探索することにより、高速にかつ部
分的に判断規則を修正することが可能になる。なお、本
判断規則修正装置は、本実施例に限定するものではな
い。

【００４５】例えば、本実施例で利用しいている判断規
則は、決定木形式の判断規則であるが、参考文献「帰納
学習によるファジイ決定木の生成；櫻井茂明、荒木大
著、電気学会論文誌、Ｖｏｌ．１１３ｃ，Ｎｏ．７４
８８−４９４，１９９３年」に記載のファジイ決定木形
式の判断規則を利用することもできる。

【００４６】さらに、本実施例では判断規則のパラメー
タを修正するための探索手法として、ＧＡを利用してい
たが、参考文献「ＳＩＭＵＬＡＴＥＤＡＮＮＥＡＬＩ
ＮＧ；ｅｄｉｔｅｄｂｙＲｏｂｅｒｔＡｚｅｎｃ
ｏｔｔ，ＪｏｈｎＷｉｌｌｙ＆Ｓｏｎｓ，Ｉｎ
ｃ．；１９９２」記載のシミュレーティッドアニーリン
グ（ＳＡ）を利用してパラメータの修正値を求めること
もできる。なお、図３のフローチャートは探索手法とし
てＧＡを用いた場合の処理手順を記したものであって、
ＧＡ以外の手法を用いる場合この処理手順には限定され
ない。

【００４７】さらに、図３のステップ３５で示した修正
対象パラメータを２進数のビットで染色体表現をするこ
とに関しても、本実施例で使用した１４ビットに限定さ
れず、一般的にはそれぞれの修正対象パラメータが取り
得る値の範囲（個数）から各ビット桁数が決まり、その
桁数の和を単位とした染色体集団が生成される。

【００４８】また、ＧＡでは生成する染色体集団の個数
に係る定義はなされていないため、図１２で生成した数
２０個に限定されない。

【００４９】また、ステップ３８においては、最も適合
度の高い染色体の値を変換することにより、判断規則を
修正していたが、適合度の高い複数の染色体の値を変換
することにより、判断規則の修正候補を複数生成し、そ
の中から専門家に判断規則を選択させることもできる。
この他、本発明の技術思想を逸脱しない範囲で種々変形
して実施しうる。

【００５０】

【発明の効果】以上詳述したように、本発明によれば、
与えられたデータを正しい推論結果へと導くように判断
規則を修正する問題において、誤った推論結果を引き起
こした場合、その原因を修正対象として抽出し、抽出し
た修正対象の周辺を探索空間として設定する。そして設
定した探索空間に対して探索手法を用いて修正を行う。
このように修正対象を抽出し、探索空間を小さく設定す
ることは、判断規則を修正する上で無駄な動作を省き、
与えられたデータを正しい推論結果へと導く判断規則に
高速に修正することができる。

【００５１】さらに、修正に要する時間が短縮されるこ
とは、実際に本装置を用いた処理（例えば不良品の検査
など）の運用に与える影響を軽減することにつながる。

【図面の簡単な説明】

【図１】（ａ）は本発明の判断規則修正装置の構成を示
したブロック図、（ｂ）は本発明の一実施例形態に係る
判断規則修正装置の構成を示したブロック図である。

【図２】本装置の事例格納部１１に格納される画像ファ
イル名と分類クラスの組を表す図である。

【図３】本装置の処理の流れを示すフローチャートであ
る。

【図４】図５の判断規則では、推論結果を正しく判定で
きない画像ファイル名と分類クラスの組を表す図であ
る。

【図５】本装置の判断規則格納部１２に格納されている
判断規則を示す図である。

【図６】本装置の探索範囲格納部１５に格納されている
パラメータの探索可能領域を示す図である。

【図７】図４の画像ファイル名及びパラメータＱ１〜Ｑ
３の値を代入することにより、計算される図４の事例の
特徴量を示す図である。

【図８】図４の分類クラスを図５の判断規則で推論する
ための様子を表す図である。

【図９】図４のデータが図３の判断規則で推論される様
子を説明するための図である。

【図１０】抽出される修正対象を表す図である。

【図１１】修正対象となったパラメータを染色体表現し
た図である。

【図１２】図１１の染色体を含む第０世代の染色体集団
を表す図である。

【図１３】第０世代の染色体に対して、交差を実施する
ことにより、第１世代途中状態１が生成される様子を表
す図である。

【図１４】第１世代途中状態の染色体集団に対して、突
然変異を実施することにより、第１世代途中状態２が生
成される様子を表す図である。

【図１５】第１世代途中状態２の染色体集団から染色体
を選択することにより、第１世代の染色体集団が生成さ
れる様子を表す図である。

【図１６】探索した染色体の中で最も適合度が高い染色
体を表す図である。

【図１７】修正された判断規則を表す図である。

【符号の説明】

１１事例格納部１２判断規則格納部１３推論部１４修正対象抽出部１５探索範囲格納部１６修正対象探索部

Claims

【特許請求の範囲】

【請求項１】データと該データを識別する分類クラス
を併せ持つデータ集合に対し、システム内に記述された判断規則の推論が誤っている部
分を抽出する手段と、前記抽出した判断規則をパラメータ調整が可能なアルゴ
リズムを用いて修正する手段と、を具備することを特徴とする判断規則修正装置。
【請求項２】請求項１記載の判断規則修正装置におい
て、前記抽出する手段は、誤った推論結果に導かれるデータ集合を対象として、該
データ集合に対応する判断規則上のパラメータを抽出す
る手段と、誤った推論結果に導かれるデータ集合が属する分類クラ
スを対象として、該分類クラスに対応する判断規則上の
パラメータを抽出する手段と、を具備することを特徴とするものである。
【請求項３】請求項２の抽出する手段は、さらに、請求項２で抽出したパラメータを対象として、
誤った推論結果に導かれるデータ集合が正しい推論結果
が得られる推論経路上で、修正を要するパラメータのみ
を抽出する手段を具備することを特徴とするものであ
る。
【請求項４】データと該データを識別する分類クラス
を併せ持つデータ集合に対し、システム内に記述された判断規則の推論が誤っている部
分を抽出するステップと、前記抽出した判断規則をパラメータ調整が可能なアルゴ
リズムを用いて修正するステップとを具備することを特
徴とする判断規則修正方法。
【請求項５】請求項４記載の判断規則修正方法におい
て、前記抽出するステップは、誤った推論結果に導かれるデータ集合を対象として、該
データ集合に対応する判断規則上のパラメータを抽出す
るステップと、誤った推論結果に導かれるデータ集合が属する分類クラ
スを対象として、該分類クラスに対応する判断規則上の
パラメータを抽出するステップとを具備することを特徴
とするものである。
【請求項６】請求項５の抽出するステップは、さらに、請求項５で抽出したパラメータを対象として、
誤った推論結果に導かれるデータ集合が正しい推論結果
が得られる推論経路上で、修正を要するパラメータのみ
を抽出するステップを具備することを特徴とするもので
ある。