JP6704574B2 - 状態判定装置、プログラムおよび集積回路 - Google Patents

Description

本発明は、自己組織化マップ（Ｓｅｌｆ−ｏｒｇａｎｉｚｉｎｇ ｍａｐ）を用いて入力データを解析することで、入力データが示す状態（パターン）を判定する技術に関する。

自己組織化マップ（以下、「ＳＯＭ」という。）は、大脳皮質の視覚野をモデル化したものである。ＳＯＭでは、教師なし学習により、入力データを任意の次元へ写像することで、多次元のデータの可視化（例えば、パターン分類）を行うことができる。例えば、ＳＯＭでは、高次元の入力データを、例えば、２次元のデータに写像することで、高次元の入力データを、２次元のマップ上に投影することができる。このようにして投影された２次元データ（２次元のマップ）を用いることで、入力データの分類処理（パターン分け処理）を行うことができる。ＳＯＭでは、上記のようにして投影された２次元データ（２次元のマップ）を観察することで、入力データの分類状況の把握が、視覚的に容易であるため、ＳＯＭは、種々の分野に用いられている。

例えば、特許文献１には、ＳＯＭを用いて、波形解析を行う技術が開示されている。

特許文献１の技術では、ＳＯＭを用いて、所定の波形パターンを表す領域が連続領域となるように、波形マップを生成する。特許文献１の技術では、特許文献１の図１６に示すように、以下の波形マップ上の画像領域が、それぞれ、（分断された画像領域が存在しない）連続した画像領域となるように、きれいに区分けされた波形マップを生成する。
（１）波形Ａ＋を示す画像領域
（２）波形Ａを示す画像領域
（３）波形Ｂ＋を示す画像領域
（４）波形Ｂを示す画像領域
（５）波形Ｃ＋を示す画像領域
（６）波形Ｃを示す画像領域
（７）波形Ｄ＋を示す画像領域
（８）波形Ｄを示す画像領域
そして、特許文献１の技術では、上記の波形マップを用いて、波形パターンの分類処理を行うことで、入力される波形データを、適切に分類する（所定の波形パターンと類似すると判定する）ことができる。

特開２００７−２０２９６４号公報

しかしながら、特許文献１の技術では、ＳＯＭを用いて、所定の波形パターンを表す領域が連続領域となるように、波形マップを生成する必要があり、不連続な画像領域（例えば、分断された画像領域）を有する波形マップを用いて、分類処理や、パターン判定処理を行うのは、困難である。つまり、従来の技術では、ＳＯＭにより生成されるマップにおいて、不連続な領域（例えば、分断された領域）が存在すると、適切に、パターン分類処理や、パターン判定処理を行うことが困難である。

そこで、本発明は、上記問題点に鑑み、ＳＯＭにより生成されるマップにおいて、不連続な領域（例えば、分断された領域）が存在する場合であっても、適切に、パターン分類処理や、パターン判定処理を行うことができる状態判定装置、プログラムおよび集積回路を実現することを目的とする。

上記課題を解決するために、第１の発明は、特徴ベクトル取得部と、正規化部と、写像変換部と、マッチング処理部と、状態判定部と、を備える状態判定装置である。

特徴ベクトル取得部は、未知の状態の事象を計測して得られる計測データから特徴ベクトルデータを取得する。

正規化部は、特徴ベクトルデータのノルムを取得するとともに、特徴ベクトルデータを正規化した正規化特徴ベクトルデータを取得する。

写像変換部は、正規化特徴ベクトルデータを、正規化特徴ベクトルデータの次元とは異なる次元の空間に射影することで、ＳＯＭ出力データを取得する。

マッチング処理部は、所定の状態を示すテンプレートデータと、写像変換部により取得されたＳＯＭ出力データとの相関度を示す適合度データを取得する。

状態判定部は、マッチング処理部により取得された適合度データに基づいて、状態評価値を取得する。

時系列推定部は、状態評価値と、所定の状態間の状態遷移確率とに基づいて、計測データが示す状態を推定する。

この状態判定装置では、マッチング処理部が、所定の状態を示すテンプレートデータと、ＳＯＭ出力データとの相関度合いを示す適合度データを取得する。そして、この状態判定装置では、状態判定部が、適合度データに基づいて、状態評価値を取得する。

そして、この状態判定装置では、時系列推定部により、状態評価値と、所定の状態間の状態遷移確率とに基づいて、計測データが示す状態が推定される。

つまり、この状態判定装置では、状態評価値を用いて、各状態間の状態遷移確率に基づき、状態変化を、時系列に推定することができる。

したがって、状態判定装置は、高精度な状態判定処理を行うことができる。

このように、この状態判定装置では、ＳＯＭにより生成されるマップにおいて、不連続な領域（例えば、分断された領域）が存在する場合であっても、適切に、所定の状態を示すテンプレートと、ＳＯＭ出力データとの相関度合い（類似度合い）を検出できる。したがって、この状態判定装置では、ＳＯＭにより生成されるマップにおいて、不連続な領域（例えば、分断された領域）が存在する場合であっても、適切に、パターン分類処理や、パターン判定処理を行うことができる。

第２の発明は、第１の発明であって、正規化部により取得されたノルムが、所定の状態において取得される特徴ベクトルデータのノルムに対応する確率を示す値であるアクティビティ値を取得するアクティビティ値取得部をさらに備える。

そして、状態判定部は、マッチング処理部により取得された適合度データと、アクティビティ値取得部により取得されたアクティビティ値とに基づいて、状態評価値を取得する。

時系列推定部は、状態判定部により取得された状態評価値と、所定の状態間の状態遷移確率とに基づいて、計測データが示す状態を推定する。

この状態判定装置では、マッチング処理部が、所定の状態を示すテンプレートデータと、ＳＯＭ出力データとの相関度合いを示す適合度データを取得し、アクティビティ値取得部が、所定の状態において取得される特徴ベクトルデータのノルムに対応する確率を示す値であるアクティビティ値を取得する。そして、この状態判定装置では、状態判定部が、適合度データとアクティビティ値とに基づいて、状態評価値を取得する。

そして、この状態判定装置では、時系列推定部により、状態評価値と、所定の状態間の状態遷移確率とに基づいて、計測データが示す状態が推定される。

つまり、この状態判定装置では、状態評価値を用いて、各状態間の状態遷移確率に基づき、状態変化を、時系列に推定することができる。

したがって、状態判定装置は、高精度な状態判定処理を行うことができる。

このように、この状態判定装置では、ＳＯＭにより生成されるマップにおいて、不連続な領域（例えば、分断された領域）が存在する場合であっても、適切に、所定の状態を示すテンプレートと、ＳＯＭ出力データとの相関度合い（類似度合い）を検出できる。したがって、この状態判定装置では、ＳＯＭにより生成されるマップにおいて、不連続な領域（例えば、分断された領域）が存在する場合であっても、適切に、パターン分類処理や、パターン判定処理を行うことができる。

さらに、この状態判定装置では、所定の状態である確率（相対尤度）を示すアクティビティ値を考慮した状態評価値を用い、さらに、状態間の状態遷移確率を考慮した時系列推定処理（例えば、パーティクルフィルタ処理）を行うので、入力データの状態を、適切に、判定することができる。このため、この状態判定装置では、類似するテンプレートデータが複数ある場合であっても、精度よく、状態判定処理を行うことができる。

第３の発明は、第２の発明であって、アクティビティ値取得部は、状態ｋ（ｋ：自然数、１≦ｋ≦Ｍ、Ｍ：自然数）において取得される特徴ベクトルデータのノルムの平均値をμとし、標準偏差値をσとし、変数ｘを特徴ベクトルデータのノルムの値とし、確率密度関数ｆ（ｘ）としたとき、
により算出される値ｆ（ｘ）を、状態ｋについてのアクティビティ値として取得する。

これにより、この状態判定装置では、状態ｋ（ｋ：自然数、１≦ｋ≦Ｍ、Ｍ：自然数）において取得される特徴ベクトルデータのノルム（ノルムデータ）が、正規分布に従うと仮定し、確率密度関数ｆ（ｘ）により、アクティビティ値を取得することができる。

第４の発明は、第２または第３の発明であって、マッチング処理部は、Ｍ個（Ｍ：自然数）のテンプレートデータＴｍｐｌ（１）〜Ｔｍｐｌ（Ｍ）のそれぞれと、ＳＯＭ出力データとの相関度を示す適合度データＤ＿ｆ（１）〜Ｄ＿ｆ（Ｍ）を取得する。

アクティビティ値取得部は、状態１から状態Ｍに、それぞれ、対応するアクティビティ値Ｄ＿ａｃｔ（１）〜Ｄ＿ａｃｔ（Ｍ）を取得する。

状態判定部は、状態ｋ（ｋ：自然数、１≦ｋ≦Ｍ）の適合度データＤ＿ｆ（ｋ）およびアクティビティ値Ｄ＿ａｃｔ（ｋ）に基づいて、状態ｋの状態評価値Ｄ＿ｄｅｃｉ（ｋ）を取得する。

時系列推定部は、状態間の状態遷移確率を示すデータである状態遷移確率データを用いて、パーティクルフィルタ処理を行い、状態遷移確率データに基づいて、パーティクルフィルタ処理の予測処理を行い、予測処理後の状態ｋのパーティクル数Ｐｔ（ｋ）を取得する。

そして、時系列推定部は、取得した予測処理後の状態ｋのパーティクル数Ｐｔ（ｋ）と、状態ｋの状態評価値Ｄ＿ｄｅｃｉ（ｋ）と、状態ｋの状態推定値Ｄ＿ｐｆ（ｋ）を取得し、取得した状態ｋの状態推定値Ｄ＿ｐｆ（ｋ）に基づいて、計測データが示す状態を決定する。

これにより、この状態判定装置では、入力データから取得されたＳＯＭ出力データと、Ｍ個テンプレートデータＴｍｐｌ（１）〜Ｔｍｐｌ（Ｍ）との相関度合いを、適合度データにより、認識することができる。したがって、この状態判定装置では、入力データが、Ｍ個テンプレートデータＴｍｐｌ（１）〜Ｔｍｐｌ（Ｍ）に対応するＭ個の状態のどの状態に近いかを適切に判定することができる。

つまり、この状態判定装置では、ＳＯＭにより生成されるマップにおいて、不連続な領域（例えば、分断された領域）が存在する場合であっても、適切に、所定の状態を示すテンプレートと、ＳＯＭ出力データとの相関度合い（類似度合い）を検出できる。したがって、この状態判定装置では、ＳＯＭにより生成されるマップにおいて、不連続な領域（例えば、分断された領域）が存在する場合であっても、適切に、パターン分類処理（Ｍ個の状態へのパターン分類処理）や、パターン判定処理を行うことができる。

さらに、この状態判定装置では、所定の状態である確率（相対尤度）を示すアクティビティ値を考慮した状態評価値を用い、さらに、状態間の状態遷移確率を考慮した時系列推定処理（例えば、パーティクルフィルタ処理）を行うので、入力データの状態を、適切に、判定することができる。このため、この状態判定装置では、類似するテンプレートデータが複数ある場合であっても、精度よく、状態判定処理を行うことができる。

第５の発明は、第４の発明であって、マッチング処理部は、Ｍ個（Ｍ：自然数）のテンプレートデータＴｍｐｌ（１）〜Ｔｍｐｌ（Ｍ）のそれぞれと、ＳＯＭ出力データとの内積を算出し、算出した内積の値を適合度データＤ＿ｆ（１）〜Ｄ＿ｆ（Ｍ）として取得する。

状態判定部は、状態ｋの状態評価値Ｄ＿ｄｅｃｉ（ｋ）を、
Ｄ＿ｄｅｃｉ（ｋ）＝ｈ１（Ｄ＿ｆ（ｋ），Ｄ＿ａｃｔ（ｋ））
ｈ１（ｘ，ｙ）：ｘ、ｙを変数とする関数
により取得する。

時系列推定部は、状態ｋの状態推定値Ｄ＿ｐｆ（ｋ）を、
Ｄ＿ｐｆ（ｋ）＝ｈ２（Ｄ＿ｄｅｃｉ（ｋ），Ｐｔ（ｋ））
ｈ２（ｘ，ｙ）：ｘ、ｙを変数とする関数
により取得する。

そして、時系列推定部は、状態推定値Ｄ＿ｐｆ（１）〜Ｄ＿ｐｆ（Ｍ）のうち、最大値をとる状態推定値に対応する状態を、計測データが示す状態であると判定する。

この状態判定装置では、所定の状態を示すテンプレートデータを作成し、当該テンプレートデータと、ＳＯＭ出力データとの相関度合いを示す値（例えば、内積の値）Ｄ＿ｆ（ｋ）（状態ｋの相関度合いを示す値）を算出する。さらに、この状態判定装置では、特徴ベクトルデータのノルムデータを取得し、取得したノルムデータを用いて、確率密度関数により、確率密度（相対尤度）を取得する。つまり、この状態判定装置では、取得したノルムデータから、当該ノルムデータが取得されたときの状態が状態ｋである確率密度（相対尤度）を状態ｋのアクティビティ値Ｄ＿ａｃｔ（ｋ）として、取得する。

そして、この状態判定装置では、上記のようにして、取得した、（１）状態ｋの相関度合いを示す値、および、（２）状態ｋのアクティビティ値Ｄ＿ａｃｔ（ｋ）に基づいて、状態評価値Ｄ＿ｄｅｃｉ（ｋ）を取得する。

そして、この状態判定装置では、状態遷移確率データから、各状態間の遷移確率を取得し、取得した遷移確率に基づいて、パーティクルフィルタ処理の予測処理を行い、状態ｋの予測処理後のパーティクル数Ｐｔ（ｋ）を取得する。

さらに、この状態判定装置は、状態ｋの予測処理後のパーティクル数Ｐｔ（ｋ）と、状態ｋの状態評価値Ｄ＿ｄｅｃｉ（ｋ）とに基づいて、状態推定値Ｄ＿ｐｆ（ｋ）を取得する。

上記のようにして取得された状態推定値Ｄ＿ｐｆ（ｋ）は、各状態間の状態遷移確率に基づいて、時系列に推定されたものであるため、この状態判定装置は、状態推定値Ｄ＿ｐｆ（ｋ）により、高精度な状態判定処理を行うことができる。

なお、関数ｈ１（ｘ，ｙ）は、変数ｘの値、および、変数ｙの値が大きい程、大きな値を返す関数とすることが好ましい。

関数ｈ１（ｘ，ｙ）は、例えば、
ｈ１（ｘ，ｙ）＝ｘ×ｙ
である。

関数ｈ１（ｘ，ｙ）を上記のように設定した場合、状態ｋの状態評価値Ｄ＿ｄｅｃｉ（ｋ）は、
Ｄ＿ｄｅｃｉ（ｋ）＝Ｄ＿ｆ（ｋ）×Ｄ＿ａｃｔ（ｋ）
により、算出される。

また、関数ｈ２（ｘ，ｙ）は、変数ｘの値、および、変数ｙの値が大きい程、大きな値を返す関数とすることが好ましい。

関数ｈ２（ｘ，ｙ）は、例えば、
ｈ２（ｘ，ｙ）＝ｘ×ｙ
である。

関数ｈ２（ｘ，ｙ）を上記のように設定した場合、状態ｋの状態推定値Ｄ＿ｐｆ（ｋ）は、
Ｄ＿ｐｆ（ｋ）＝Ｄ＿ｄｅｃｉ（ｋ）×Ｐｔ（ｋ）
により、算出される。

第６の発明は、第４の発明であって、マッチング処理部は、Ｍ個（Ｍ：自然数）のテンプレートデータＴｍｐｌ（１）〜Ｔｍｐｌ（Ｍ）のそれぞれと、ＳＯＭ出力データとのユークリッド距離を算出し、算出したユークリッド距離の値を適合度データＤ＿ｆ（１）〜Ｄ＿ｆ（Ｍ）として取得する。

状態判定部は、Ｆ１（ｘ）を変数ｘについて単調減少する関数であって、常に、正の値（０を含む）をとる関数とするとき、状態ｋの状態評価値Ｄ＿ｄｅｃｉ（ｋ）を、
Ｄ＿ｄｅｃｉ（ｋ）＝ｈ１（Ｆ１（Ｄ＿ｆ（ｋ）），Ｄ＿ａｃｔ（ｋ））
ｈ１（ｘ，ｙ）：ｘ、ｙを変数とする関数
により取得する。

時系列推定部は、状態ｋの状態推定値Ｄ＿ｐｆ（ｋ）を、
Ｄ＿ｐｆ（ｋ）＝ｈ２（Ｄ＿ｄｅｃｉ（ｋ），Ｐｔ（ｋ））
ｈ２（ｘ，ｙ）：ｘ、ｙを変数とする関数
により取得する。

そして、時系列推定部は、状態推定値Ｄ＿ｐｆ（１）〜Ｄ＿ｐｆ（Ｍ）のうち、最大値をとる状態推定値に対応する状態を、計測データが示す状態であると判定する。

これにより、この状態判定装置では、入力データから取得されたＳＯＭ出力データと、Ｍ個テンプレートデータＴｍｐｌ（１）〜Ｔｍｐｌ（Ｍ）のそれぞれとの相関度合いを、ユークリッド距離を算出することで取得することができる。

なお、関数ｈ１（ｘ，ｙ）は、変数ｘの値、および、変数ｙの値が大きい程、大きな値を返す関数とすることが好ましい。

関数ｈ１（ｘ，ｙ）は、例えば、
ｈ１（ｘ，ｙ）＝ｘ×ｙ
である。

関数ｈ１（ｘ，ｙ）を上記のように設定した場合、状態ｋの状態評価値Ｄ＿ｄｅｃｉ（ｋ）は、
Ｄ＿ｄｅｃｉ（ｋ）＝Ｆ１（Ｄ＿ｆ（ｋ））×Ｄ＿ａｃｔ（ｋ）
により、算出される。

また、関数ｈ２（ｘ，ｙ）は、変数ｘの値、および、変数ｙの値が大きい程、大きな値を返す関数とすることが好ましい。

関数ｈ２（ｘ，ｙ）は、例えば、
ｈ２（ｘ，ｙ）＝ｘ×ｙ
である。

関数ｈ２（ｘ，ｙ）を上記のように設定した場合、状態ｋの状態推定値Ｄ＿ｐｆ（ｋ）は、
Ｄ＿ｐｆ（ｋ）＝Ｄ＿ｄｅｃｉ（ｋ）×Ｐｔ（ｋ）
により、算出される。

第７の発明は、第２から第６のいずれかの発明であって、テンプレートデータは、２次元の要素から構成されるデータであり、テンプレートデータの各要素データの値の総和は、「１」である。

この状態判定装置では、テンプレートデータの各要素のデータの値の総和が「１」となるように正規化されている。これにより、この状態判定装置では、テンプレートデータと、ＳＯＭ出力データとの相関度合いを判定する処理において、どのテンプレートを用いる場合であっても、相関度合いを示す値（例えば、内積の値やユークリッド距離の値）のとりうる範囲を一定（共通）にすることができるため、分類判定処理が容易になる。

第８の発明は、第２から第７のいずれかの発明であって、テンプレートデータは、２次元の要素から構成されるデータである。

テンプレートデータは、同一状態が継続する時刻ｔ＝１から時刻ｔ＝Ｎ（Ｎ：自然数）までの期間に取得されたＮ個のＳＯＭ出力データに基づいて、生成されたデータである。

テンプレートデータが、ｍ×ｎ個（ｍ、ｎ：自然数）から構成されるデータである場合、テンプレートデータの２次元の座標（ｉ，ｊ）（ｉ，ｊ：自然数、１≦ｉ≦ｍ、１≦ｊ≦ｎ）の要素データをｇ_ｉｊとし、時刻ｔのＳＯＭ出力データの２次元の座標（ｉ，ｊ）の要素データをＤ_ｉｊ（ｔ）とすると、テンプレートデータは、
により取得された値ｇ_ｉｊを、テンプレートの２次元の座標（ｉ，ｊ）（ｉ，ｊ：自然数、１≦ｉ≦ｍ、１≦ｊ≦ｎ）の要素データとすることで生成されたデータである。

これにより、この状態判定装置では、同一状態が継続する期間に取得されたＳＯＭ出力データの時間軸方向に平均処理して取得したテンプレートを用いて、状態判定処理を実行することができる。

第９の発明は、第２から第７のいずれかの発明であって、テンプレートデータは、２次元の要素から構成されるデータである。

テンプレートデータは、同一状態が継続する時刻ｔ＝１から時刻ｔ＝Ｎ（Ｎ：自然数）までの期間に取得されたＮ個のＳＯＭ出力データに基づいて、生成されたデータである。

テンプレートデータが、ｍ×ｎ個（ｍ、ｎ：自然数）から構成されるデータである場合、テンプレートデータの２次元の座標（ｉ，ｊ）（ｉ，ｊ：自然数、１≦ｉ≦ｍ、１≦ｊ≦ｎ）の要素データをｇ_ｉｊとし、時刻ｔのＳＯＭ出力データの２次元の座標（ｉ，ｊ）の要素データをＤ_ｉｊ（ｔ）とすると、テンプレートデータは、要素データＤ_ｉｊ（ｔ）を所定の閾値Ｔｈ１と比較し、Ｄ_ｉｊ（ｔ）≧Ｔｈ１である要素データＤ_ｉｊ（ｔ）の平均値を算出し、算出した平均値を座標（ｉ，ｊ）のテンプレートデータの値ｇ_ｉｊとすることで、生成されたデータである。

これにより、この状態判定装置では、同一状態が継続する期間に取得されたＳＯＭ出力データの時間軸方向に平均処理して取得したテンプレートを用いて、状態判定処理を実行することができる。そして、上記テンプレートデータは、所定の閾値よりも小さいデータを平均処理の対象から除外して生成されたデータであるので、このようなテンプレートデータを用いて処理することで、この状態判定装置では、適切な状態判定処理を実行することができる。

第１０の発明は、第２から第７のいずれかの発明であって、テンプレートデータは、２次元の要素から構成されるデータである。

テンプレートデータは、同一状態が継続する時刻ｔ＝１から時刻ｔ＝Ｎ（Ｎ：自然数）までの期間に取得されたＮ個のＳＯＭ出力データに基づいて、生成されたデータである。

テンプレートデータが、ｍ×ｎ個（ｍ、ｎ：自然数）から構成されるデータである場合、テンプレートデータの２次元の座標（ｉ，ｊ）（ｉ，ｊ：自然数、１≦ｉ≦ｍ、１≦ｊ≦ｎ）の要素データをｇ_ｉｊとし、時刻ｔのＳＯＭ出力データの２次元の座標（ｉ，ｊ）の要素データをＤ_ｉｊ（ｔ）とすると、テンプレートデータは、
により取得された座標（ｉ，ｊ）の要素データの分散値ｖ_ｉｊを、所定の閾値Ｔｈ２と比較し、ｖ_ｉｊ≦Ｔｈ２を満たす、座標（ｉ，ｊ）のＳＯＭ出力データの値Ｄ_ｉｊ（ｔ）の平均値を算出し、算出した平均値を座標（ｉ，ｊ）のテンプレートデータの値ｇ_ｉｊとすることで、生成されたデータである。

これにより、この状態判定装置では、同一状態が継続する期間に取得されたＳＯＭ出力データの時間軸方向に平均処理して取得したテンプレートを用いて、状態判定処理を実行することができる。そして、上記テンプレートデータは、時間軸方向の分散が所定の閾値よりも小さいデータのみを処理対象とした平均処理により取得されたデータであるので、このようなテンプレートデータを用いて処理することで、この状態判定装置では、適切な状態判定処理を実行することができる。

第１１の発明は、第２から第７のいずれかの発明であって、テンプレートデータは、２次元の要素から構成されるデータである。

テンプレートデータは、同一状態が継続する時刻ｔ＝１から時刻ｔ＝Ｎ（Ｎ：自然数）までの期間に取得されたＮ個のＳＯＭ出力データに基づいて、生成されたデータである。

テンプレートデータが、ｍ×ｎ個（ｍ、ｎ：自然数）から構成されるデータである場合、テンプレートデータの２次元の座標（ｉ，ｊ）（ｉ，ｊ：自然数、１≦ｉ≦ｍ、１≦ｊ≦ｎ）の要素データをｇ_ｉｊとし、時刻ｔのＳＯＭ出力データの２次元の座標（ｉ，ｊ）の要素データをＤ_ｉｊ（ｔ）とすると、テンプレートデータは、
により取得された座標（ｉ，ｊ）の要素データの分散値ｖ_ｉｊを、所定の閾値Ｔｈ２と比較し、ｖ_ｉｊ≦Ｔｈ２を満たす、座標（ｉ，ｊ）のＳＯＭ出力データの値Ｄ_ｉｊ（ｔ）であって、かつ、ＳＯＭ出力データの値Ｄ_ｉｊ（ｔ）が所定の閾値Ｔｈ３よりも大きいもののみの平均値を算出し、算出した平均値を座標（ｉ，ｊ）のテンプレートデータの値ｇ_ｉｊとすることで、生成されたデータである。

これにより、この状態判定装置では、同一状態が継続する期間に取得されたＳＯＭ出力データの時間軸方向に平均処理して取得したテンプレートを用いて、状態判定処理を実行することができる。そして、上記テンプレートデータは、時間軸方向の分散が所定の閾値よりも小さいデータであって、かつ、所定の閾値よりも大きな値の要素データのみを処理対象とした平均処理により取得されたデータであるので、このようなテンプレートデータを用いて処理することで、この状態判定装置では、適切な状態判定処理を実行することができる。

第１２の発明は、第２から第７のいずれかの発明であって、テンプレートデータは、２次元の要素から構成されるデータである。

テンプレートデータは、同一状態が継続する時刻ｔ＝１から時刻ｔ＝Ｎ（Ｎ：自然数）までの期間に取得されたＮ個のＳＯＭ出力データに基づいて、生成されたデータである。

テンプレートデータが、ｍ×ｎ個（ｍ、ｎ：自然数）から構成されるデータである場合、テンプレートデータの２次元の座標（ｉ，ｊ）（ｉ，ｊ：自然数、１≦ｉ≦ｍ、１≦ｊ≦ｎ）の要素データをｇｉｊとし、時刻ｔのＳＯＭ出力データの２次元の座標（ｉ，ｊ）の要素データをＤｉｊ（ｔ）とすると、テンプレートデータは、
σ_ｉｊ＝ｓｑｒｔ（ｖ_ｉｊ）
ｓｑｒｔ（ｘ）：ｘの平方根を取得する関数
により取得された座標（ｉ，ｊ）の要素データの標準偏差をσ_ｉｊとすると、
ａｂｓ（Ｄ_ｉｊ（ｔ）−ＡｖｅＤ_ｉｊ）≦ｎ１×σ_ｉｊ（ｎ１：正の実数、ａｂｓ（ｘ）はｘの絶対値を取得する関数）を満たす場合、座標（ｉ，ｊ）のＳＯＭ出力の値Ｄ_ｉｊ（ｔ）の平均値を算出し、算出した平均値を座標（ｉ，ｊ）のテンプレートデータの値ｇ_ｉｊとし、
ａｂｓ（Ｄ_ｉｊ（ｔ）−ＡｖｅＤ_ｉｊ）≦ｎ１×σ_ｉｊを満たさない場合、座標（ｉ，ｊ）のテンプレートデータの値ｇ_ｉｊを「０」にすることで、生成されたデータである。

これにより、この状態判定装置では、同一状態が継続する期間に取得されたＳＯＭ出力データの時間軸方向に平均処理して取得したテンプレートを用いて、状態判定処理を実行することができる。そして、上記テンプレートデータは、各要素データの値が、平均値からｎ１×σ（例えば、３σ）以内であるデータの値を処理対象とした平均処理により取得されたデータであるので、このようなテンプレートデータを用いて処理することで、この状態判定装置では、適切な状態判定処理を実行することができる。

第１３の発明は、状態判定方法をコンピュータに実行させるためのプログラムである。

状態判定方法は、特徴ベクトル取得ステップと、正規化ステップと、写像変換ステップと、マッチング処理ステップと、アクティビティ値取得ステップと、状態判定ステップと、を備える。

特徴ベクトル取得ステップは、未知の状態の事象を計測して得られる計測データから特徴ベクトルデータを取得する。

正規化ステップは、特徴ベクトルデータのノルムを取得するとともに、特徴ベクトルデータを正規化した正規化特徴ベクトルデータを取得する。

写像変換ステップは、正規化特徴ベクトルデータを、正規化特徴ベクトルデータの次元とは異なる次元の空間に射影することで、ＳＯＭ出力データを取得する。

マッチング処理ステップは、所定の状態を示すテンプレートデータと、写像変換ステップにより取得されたＳＯＭ出力データとの相関度を示す適合度データを取得する。

アクティビティ値取得ステップは、正規化ステップにより取得されたノルムが、所定の状態において取得される特徴ベクトルデータのノルムに対応する確率を示す値であるアクティビティ値を取得する。

状態判定ステップは、マッチング処理ステップにより取得された適合度データ、および、アクティビティ値取得ステップにより取得されたアクティビティ値の少なくとも１つに基づいて、状態評価値を取得する。

時系列推定ステップは、状態評価値と、所定の状態間の状態遷移確率とに基づいて、計測データが示す状態を推定する。

これにより、第１の発明、または、第２の発明と同様の効果を奏する状態判定方法をコンピュータに実行させるためのプログラムを実現することができる。

第１４の発明は、特徴ベクトル取得部と、正規化部と、写像変換部と、マッチング処理部と、アクティビティ値取得部と、状態判定部と、を備える集積回路である。

特徴ベクトル取得部は、未知の状態の事象を計測して得られる計測データから特徴ベクトルデータを取得する。

正規化部は、特徴ベクトルデータのノルムを取得するとともに、特徴ベクトルデータを正規化した正規化特徴ベクトルデータを取得する。

写像変換部は、正規化特徴ベクトルデータを、正規化特徴ベクトルデータの次元とは異なる次元の空間に射影することで、ＳＯＭ出力データを取得する。

マッチング処理部は、所定の状態を示すテンプレートデータと、写像変換部により取得されたＳＯＭ出力データとの相関度を示す適合度データを取得する。

アクティビティ値取得部は、正規化部により取得されたノルムが、所定の状態において取得される特徴ベクトルデータのノルムに対応する確率を示す値であるアクティビティ値を取得する。

状態判定部は、マッチング処理部により取得された適合度データ、および、アクティビティ値取得部により取得されたアクティビティ値のいずれか１つに基づいて、状態評価値を取得する。

時系列推定部は、状態評価値と、所定の状態間の状態遷移確率とに基づいて、計測データが示す状態を推定する。

これにより、第１の発明、または、第２の発明と同様の効果を奏する集積回路を実現することができる。

本発明によれば、ＳＯＭにより生成されるマップにおいて、不連続な領域（例えば、分断された領域）が存在する場合であっても、適切に、パターン分類処理や、パターン判定処理を行うことができる状態判定装置、プログラムおよび集積回路を実現することができる。

第１実施形態に係る状態判定装置１０００の概略構成図。 第１実施形態のテンプレートデータ取得部４の概略構成図。 第１実施形態のアクティビティ値取得部５の概略構成図。 Ｍ＝６の場合のアクティビティ値取得部５の概略構成図。 第１実施形態のマッチング処理部７の概略構成図。 第１実施形態の状態判定部８（Ｍ＝６の場合）の概略構成図。 第１実施形態の時系列推定部９（Ｍ＝６の場合）の概略構成図。 データ入力部１により取得されたデジタルデータＤ１（時系列のデータＤ１）と、当該デジタルデータＤ１を周波数変換して取得された周波数領域のデータＤ２とを示す図。 ＳＯＭ処理を説明するための図であり、ＳＯＭの構造を模式的に示す図。 テンプレートデータの一例を示す図。 処理１（出力値の閾値処理）のフローチャート。 データ入力部１が取得した信号Ｄ１の波形（Ｗａｌｋｉｎｇ状態のときの波形）を示す図と、特徴ベクトル取得部２が、信号Ｄ１から取得した特徴ベクトルデータＤ２と、写像変換部６が、正規化特徴ベクトルデータＤ３から取得したＳＯＭ出力データＤ＿ｓｏｍ（１）とを示す図。 データ入力部１が取得した信号Ｄ１の波形（Ｒｕｎｎｉｎｇ状態のときの波形）を示す図と、特徴ベクトル取得部２が、信号Ｄ１から取得した特徴ベクトルデータＤ２と、写像変換部６が、正規化特徴ベクトルデータＤ３から取得したＳＯＭ出力データＤ＿ｓｏｍ（２）とを示す図。 状態ｋ（ｋ：自然数、１≦ｋ≦６）の特徴ベクトルデータＤ２のノルムデータが正規分布であると仮定したときの確率密度関数ｆ（ｘ）により算出される値をプロットしたグラフ。 状態１〜状態６についての状態遷移確率を示す表である。 状態１〜状態６についての状態遷移図。 状態１〜状態６についての状態遷移図。 状態１〜状態６についての状態遷移図。 状態１〜状態６についての状態遷移図。 パーティクル処理を説明するための図。 第１実施形態の第１変形例に係る状態判定装置１０００Ａの概略構成図。 第１実施形態の第１変形例のマッチング処理部７Ａの概略構成図。 第１実施形態の第１変形例の状態判定部８Ａの概略構成図。 第１実施形態の第２変形例に係る状態判定装置１０００Ｂの概略構成図。 第１実施形態の第２変形例の状態判定部８Ｂの概略構成図。 ＣＰＵバス構成を示す図。

［第１実施形態］
第１実施形態について、図面を参照しながら、以下、説明する。

＜１．１：状態判定装置の構成＞
図１は、第１実施形態に係る状態判定装置１０００の概略構成図である。

図２は、第１実施形態のテンプレートデータ取得部４の概略構成図である。

図３は、第１実施形態のアクティビティ値取得部５の概略構成図である。

図４は、Ｍ＝６の場合のアクティビティ値取得部５の概略構成図である。

図５は、第１実施形態のマッチング処理部７の概略構成図である。

図６は、第１実施形態の状態判定部８（Ｍ＝６の場合）の概略構成図である。

図７は、第１実施形態の時系列推定部９（Ｍ＝６の場合）の概略構成図である。

状態判定装置１０００は、図１に示すように、データ入力部１と、特徴ベクトル取得部２と、切替器ＳＥＬ１と、正規化部３と、テンプレートデータ取得部４と、アクティビティ値取得部５と、写像変換部６と、マッチング処理部７と、状態判定部８と、時系列推定部９とを備える。

データ入力部１は、例えば、センター（例えば、加速度センサー）から出力される電気信号（センサー出力信号）を入力する。データ入力部１は、入力された電気信号をディジタル信号に変換し、変換した信号を信号Ｄ１として、特徴ベクトル取得部２に出力する。

特徴ベクトル取得部２は、データ入力部１から出力される信号Ｄ１を入力する。特徴ベクトル取得部２は、例えば、入力された信号Ｄ１に対して、周波数変換を行い、特徴ベクトルデータを取得する。そして、特徴ベクトル取得部２は、取得した特徴ベクトルデータを、信号Ｄ２（特徴ベクトルデータＤ２）として、正規化部３に出力する。

正規化部３は、特徴ベクトル取得部２から出力される信号Ｄ２（特徴ベクトルデータＤ２）を入力する。正規化部３は、特徴ベクトルデータＤ２からノルム（ノルムデータ）Ｎｏｒｍを取得するとともに、特徴ベクトルデータＤ２に対して正規化処理を実行し、正規化特徴ベクトルデータＤ３を取得する。そして、正規化部３は、取得したノルムデータＮｏｒｍおよび正規化特徴ベクトルデータＤ３を、ベクトルデータｖｅｃ＿Ｄ３として、切替器ＳＥＬ１に出力する。

切替器ＳＥＬ１は、正規化部３から出力されるベクトルデータｖｅｃ＿Ｄ３を入力する。切替器ＳＥＬ１は、選択信号ｓｅｌ１に従い、ベクトルデータｖｅｃ＿Ｄ３を、（１）テンプレートデータ取得部４、または、（２）アクティビティ値取得部５および写像変換部６に出力する。なお、選択信号ｓｅｌ１は、状態判定装置１０００の各機能部を制御する制御部（不図示）により生成される制御信号である。

テンプレートデータ取得部４は、図２に示すように、ノルム取得部４１と、ノルムデータ記憶部４２と、ＳＯＭ処理部４３と、ＳＯＭデータ記憶部４４と、テンプレートデータ生成部４５と、テンプレートデータ記憶部４６とを備える。

ノルム取得部４１は、切替器ＳＥＬ１から出力されるベクトルデータｖｅｃ＿Ｄ３を入力する。ノルム取得部４１は、ベクトルデータｖｅｃ＿Ｄ３からノルムデータＮｏｒｍを取り出し、取り出したノルムデータＮｏｒｍをノルムデータ記憶部４２に記憶する。また、ノルム取得部４１は、ノルムデータ記憶部４２に記憶されているノルムデータを読み出し、読み出したノルムデータから、当該ノルムデータを取得したときの状態ＳｔａｔｅＫごとに、当該ノルムデータの平均値Ａｖｅ（ＳｔａｔｅＫ）と、標準偏差値σ（ＳｔａｔｅＫ）とを取得する。そして、ノルム取得部４１は、取得したデータを、ベクトルデータｖｅｃ＿Ｐｒｂとして、アクティビティ値取得部５に出力する。

ノルムデータ記憶部４２は、ノルム取得部４１から出力されるノルムデータを記憶する。ノルムデータ記憶部４２は、例えば、ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）により実現される。また、ノルムデータ記憶部４２は、ノルム取得部４１からのデータ読み出し指示に従い、所定のノルムデータをノルム取得部４１に出力する。

ＳＯＭ処理部４３は、切替器ＳＥＬ１から出力されるベクトルデータｖｅｃ＿Ｄ３を入力する。ＳＯＭ処理部４３は、ベクトルデータｖｅｃ＿Ｄ３から、正規化特徴ベクトルデータＤ３を取り出し、正規化特徴ベクトルデータＤ３を用いて、ＳＯＭ処理を実行する。
（１）学習フェーズ（入力層の各ノードと、出力層の各ニューロンとの結合係数を決定する処理を行うフェーズ）では、ＳＯＭ処理部４３は、正規化特徴ベクトルデータＤ３を用いて、ＳＯＭ処理を実行し、入力層の各ノードと、出力層の各ニューロンとの結合係数を決定する。ＳＯＭ処理部４３は、上記処理が完了し、確定した入力層の各ノードと、出力層の各ニューロンとの結合係数のデータを、結合係数データｗ_ｉｊ＿ｆｉｘｅｄとして、写像変換部６に出力する。
（２）テンプレート作成フェーズでは、ＳＯＭ処理部４３は、正規化特徴ベクトルデータＤ３を用いて、ＳＯＭ処理を実行し、ＳＯＭ出力データを、データＤ＿ｓｏｍ（ｔ）（現時刻ｔのＳＯＭ出力データＤ＿ｓｏｍ（ｔ））として、ＳＯＭデータ記憶部４４に出力する。

ＳＯＭデータ記憶部４４は、ＳＯＭ処理部４３から出力されるＳＯＭ出力データＤ＿ｓｏｍ（ｔ）を記憶する。ＳＯＭデータ記憶部４４は、例えば、ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）により実現される。

テンプレートデータ生成部４５は、ＳＯＭデータ記憶部４４から、複数のＳＯＭ出力データＤ＿ｓｏｍ、例えば、時刻ｔ〜時刻ｔ＋Ｎ−１に取得されたＮ個（Ｎ：自然数）のＳＯＭ出力データＤ＿ｓｏｍ（ｔ）〜Ｄ＿ｓｏｍ（ｔ＋Ｎ−１）を読み出す。なお、テンプレートデータ生成部４５が、ＳＯＭデータ記憶部４４から読み出した複数のＳＯＭデータを、ベクトルデータｖｅｃ＿Ｄ＿ｓｏｍと表記する。テンプレートデータ生成部４５は、ＳＯＭデータ記憶部４４から読み出した複数のＳＯＭデータからテンプレートデータを生成し、生成したテンプレートデータをテンプレートデータＴｍｐｌとして、テンプレートデータ記憶部４６に出力する。

テンプレートデータ記憶部４６は、テンプレートデータ生成部４５から出力されるテンプレートデータＴｍｐｌを記憶する。テンプレートデータ記憶部４６は、例えば、ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）により実現される。

アクティビティ値取得部５は、図３に示すように、アクティビティ算出用データ取得部５１と、Ｍ個（Ｍ：自然数）のアクティビティ算出部である第１アクティビティ算出部５２１〜第Ｍアクティビティ算出部５２Ｍと、を備える。

アクティビティ算出用データ取得部５１は、テンプレートデータ取得部４のノルム取得部４１から出力されるベクトルデータｖｅｃ＿Ｐｒｂを入力する。そして、アクティビティ算出用データ取得部５１は、ベクトルデータｖｅｃ＿Ｐｒｂから、状態ＳｔａｔｅＫごとに、特徴ベクトルデータＤ２のノルムデータの平均値Ａｖｅ（ＳｔａｔｅＫ）と、標準偏差値σ（ＳｔａｔｅＫ）とを取得する。アクティビティ算出用データ取得部５１は、第ｋの状態（ｋ：自然数、１≦ｋ≦Ｍ）の特徴ベクトルデータＤ２のノルムデータの平均値、標準偏差値を、それぞれ、Ａｖｅ（ｋ）、σ（ｋ）として、第ｋアクティビティ算出部に出力する。

第１アクティビティ算出部５２１は、切替器ＳＥＬ１から出力されるベクトルデータｖｅｃ＿Ｄ３に含まれるノルムデータＮｏｒｍと、アクティビティ算出用データ取得部５１から出力される第１状態の特徴ベクトルデータＤ２のノルムデータの平均値Ａｖｅ（１）および標準偏差値σ（１）とを入力する。第１アクティビティ算出部５２１は、第１状態の特徴ベクトルデータＤ２のノルムデータの平均値Ａｖｅ（１）および標準偏差値σ（１）に基づいて、ノルムデータＮｏｒｍから、第１状態のアクティビティ値Ｄ＿ａｃｔ（１）を算出し、算出した第１状態のアクティビティ値Ｄ＿ａｃｔ（１）を状態判定部８に出力する。

なお、第２アクティビティ算出部５２２〜第Ｍアクティビティ算出部５２Ｍについても、同様である。

アクティビティ値取得部５は、第１アクティビティ算出部５２１〜第Ｍアクティビティ算出部５２Ｍにより取得されたアクティビティ値Ｄ＿ａｃｔ（１）〜Ｄ＿ａｃｔ（Ｍ）を、ベクトルデータｖｅｃ＿Ｄ＿ａｃｔとして、状態判定部８に出力する。

なお、以下では、説明便宜のため、Ｍ＝６の場合について、説明する。

図４は、Ｍ＝６の場合のアクティビティ値取得部５の概略構成図である。

写像変換部６は、切替器ＳＥＬ１から出力されるベクトルデータｖｅｃ＿Ｄ３に含まれる正規化特徴ベクトルデータＤ３を入力する。また、写像変換部６は、ＳＯＭ処理部４３により、確定された、入力層の各ノードと、出力層の各ニューロンとの結合係数データｗ_ｉｊ＿ｆｉｘｅｄを入力する。写像変換部６は、正規化特徴ベクトルデータＤ３に対して、結合係数データｗ_ｉｊ＿ｆｉｘｅｄを用いて、ＳＯＭ処理を実行し、ＳＯＭ出力データＤ＿ｓｏｍを取得する。そして、写像変換部６は、取得したＳＯＭ出力データＤ＿ｓｏｍをマッチング処理部７に出力する。

マッチング処理部７は、写像変換部６から出力されるＳＯＭ出力データＤ＿ｓｏｍを入力する。また、マッチング処理部７は、テンプレートデータ記憶部４６から、複数のテンプレートデータＴｍｐｌを読み出す。なお、マッチング処理部７が、テンプレートデータ記憶部４６からから読み出した複数のテンプレートデータを、ベクトルデータｖｅｃ＿Ｔｍｐｌと表記する。

マッチング処理部７は、ＳＯＭ出力データＤ＿ｓｏｍと、テンプレートデータ記憶部４６からから読み出した複数のテンプレートデータとを用いてマッチング処理を実行し、テンプレートデータごとに、適合度データＤ＿ｆを取得する。そして、マッチング処理部７は、取得したテンプレートデータごとの適合度データＤ＿ｆを、ベクトルデータｖｅｃ＿Ｄ＿ｆとして、状態判定部８に出力する。

マッチング処理部７は、図５に示すように、ＴＰデータ取得部７１と、Ｍ個（Ｍ：自然数）の内積算出部である第１内積算出部７２１〜第Ｍ内積算出部７２Ｍと、を備える。

ＴＰデータ取得部７１は、テンプレートデータ記憶部４６から、複数のテンプレートデータＴｍｐｌ（Ｍ個のテンプレートデータＴｍｐｌ（１）〜Ｔｍｐｌ（Ｍ））を読み出す。そして、ＴＰデータ取得部７１は、読み出したＭ個のテンプレートデータＴｍｐｌ（１）〜Ｔｍｐｌ（Ｍ）を、それぞれ、第１内積算出部７２１〜第Ｍ内積算出部７２Ｍに出力する。

第１内積算出部７２１は、写像変換部６から出力されるＳＯＭ出力データＤ＿ｓｏｍと、ＴＰデータ取得部７１から出力されるテンプレートデータＴｍｐｌ（１）とを入力する。第１内積算出部７２１は、ＳＯＭ出力データＤ＿ｓｏｍと、テンプレートデータＴｍｐｌ（１）とを用いて、内積を算出する処理を実行する。そして、第１内積算出部７２１は、算出した内積の値を示す信号を、信号Ｄ＿ｆ（１）として、状態判定部８に出力する。

なお、第２内積算出部７２２〜第Ｍ内積算出部７２Ｍについても、同様である。

すなわち、第ｋ内積算出部７２ｋは、写像変換部６から出力されるＳＯＭ出力データＤ＿ｓｏｍと、ＴＰデータ取得部７１から出力されるテンプレートデータＴｍｐｌ（ｋ）とを入力する（ｋ：自然数。１≦ｋ≦Ｍ）。第ｋ内積算出部７２ｋは、ＳＯＭ出力データＤ＿ｓｏｍと、テンプレートデータＴｍｐｌ（ｋ）とを用いて、内積を算出する処理を実行する。そして、第ｋ内積算出部７２ｋは、算出した内積の値を示す信号を、信号Ｄ＿ｆ（ｋ）として、状態判定部８に出力する。

なお、第１内積算出部７２１〜第Ｍ内積算出部７２Ｍから、それぞれ、出力される信号Ｄ＿ｆ（１）〜Ｄ＿ｆ（Ｍ）を、まとめて、ベクトルデータｖｅｃ＿Ｔｍｐｌと表記する。

なお、以下では、説明便宜のために、Ｍ＝６の場合について、説明する。

状態判定部８は、図６に示すように、第１判定部８１〜第６判定部８６を備える。

第１判定部８１は、第１内積算出部７２１により取得された内積の値Ｄ＿ｆ（１）（信号Ｄ＿ｆ（１））と、第１アクティビティ算出部５２１により取得されたアクティビティ値Ｄ＿ａｃｔ（１）とを入力する。第１判定部８１は、内積の値Ｄ＿ｆ（１）と、アクティビティ値Ｄ＿ａｃｔ（１）とから、状態評価値Ｄ＿ｄｅｃｉ（１）を取得し、取得した状態評価値を示す信号を、信号Ｄ＿ｄｅｃｉ（１）として、時系列推定部９に出力する。

なお、第２判定部８２〜第６判定部８６についても、同様である。

すなわち、第ｋ判定部８ｋ（ｋ：自然数、１≦ｋ≦６）は、第ｋ内積算出部７２ｋにより取得された内積の値Ｄ＿ｆ（ｋ）（信号Ｄ＿ｆ（ｋ））と、第ｋアクティビティ算出部５２ｋにより取得されたアクティビティ値Ｄ＿ａｃｔ（ｋ）とを入力する。第ｋ判定部８ｋは、内積の値Ｄ＿ｆ（ｋ）と、アクティビティ値Ｄ＿ａｃｔ（ｋ）とから、状態評価値Ｄ＿ｄｅｃｉ（ｋ）を取得し、取得した状態評価値を示す信号を、信号Ｄ＿ｄｅｃｉ（ｋ）として、時系列推定部９に出力する。

なお、第１判定部８１〜第６判定部８６から、それぞれ、出力される信号Ｄ＿ｄｅｃｉ（１）〜Ｄ＿ｄｅｃｉ（６）を、まとめて、ベクトルデータｖｅｃ＿Ｄ＿ｄｅｃｉと表記する。

なお、上記は、Ｍ＝６の場合について説明しているが、Ｍは、「６」に限定されず、他の数であってもよい。

時系列推定部９は、図７に示すように、ＰＦ処理部（パーティクルフィルタ処理部）９１と、状態推定部９２とを備える。

ＰＦ処理部９１は、状態判定部８から出力されるベクトルデータｖｅｃ＿Ｄ＿ｄｅｃｉと、状態判定装置１０００の各機能部を制御する制御部（不図示）から出力される状態遷移確率データＤ＿ｔｒ＿ｐｒｂとを入力する。ＰＦ処理部９１は、ベクトルデータｖｅｃ＿Ｄ＿ｄｅｃｉに対してパーティクルフィルタ処理を実行し、状態１〜状態６についてのパーティクルフィルタ出力値（状態推定値）Ｄ＿ｐｆ（１）〜Ｄ＿ｐｆ（６）を取得する。そして、ＰＦ処理部９１は、取得した状態１〜状態６についてのパーティクルフィルタ出力値（状態推定値）Ｄ＿ｐｆ（１）〜Ｄ＿ｐｆ（６）を状態推定部９２に出力する。

状態推定部９２は、ＰＦ処理部９１から出力される状態１〜状態６についてのパーティクルフィルタ出力値（状態推定値）Ｄ＿ｐｆ（１）〜Ｄ＿ｐｆ（６）を入力する。状態推定部９２は、状態１〜状態６についてのパーティクルフィルタ出力値（状態推定値）Ｄ＿ｐｆ（１）〜Ｄ＿ｐｆ（６）に基づいて、現時刻ｔの状態を推定し、推定結果を示すデータをデータＤｏｕｔとして外部に出力する。

＜１．２：状態判定装置の動作＞
以上のように構成された状態判定装置１０００の動作について、以下、説明する。

なお、以下では、人の状態を検知するための加速度センサー（不図示）からの出力が、状態判定装置１０００に入力される場合を一例として、説明する。そして、説明便宜のため、人の状態として、以下の６つの状態（人の行動の状態）を、状態判定装置１０００にて、判別する場合について、以下、説明する。
（１）Ｓｉｔｔｉｎｇ状態（座っている状態）
（２）Ｓｔａｎｄｉｎｇ状態（立っている状態）
（３）Ｒｕｎｎｉｎｇ状態（走っている状態）
（４）Ｗａｌｋｉｎｇ状態（歩いている状態）
（５）ＵｐＳｔａｉｒｓ状態（階段を上っている状態）
（６）ＤｏｗｎＳｔａｉｒｓ状態（階段を下っている状態）
以下では、状態判定装置１０００の動作について、（１）学習フェーズの動作、（２）テンプレート作成フェーズの動作、および、（３）状態判定処理フェーズの動作、に分けて説明する。

（１．２．１：学習フェーズの動作）
まず、状態判定装置１０００の学習フェーズの動作について、説明する。

人の状態を検知するための加速度センサー（不図示）からの出力が、信号Ｄｉｎとして、データ入力部１に入力される。なお、加速度センサーは、例えば、人体に装着される。

データ入力部１は、信号Ｄｉｎをサンプリング（Ａ／Ｄ変換）して、離散データ（デジタルデータ）として取得する。そして、データ入力部１は、取得した離散データ（デジタルデータ）を、信号Ｄ１として、特徴ベクトル取得部２に出力する。

特徴ベクトル取得部２は、データ入力部１により取得された離散データＤ１（デジタルデータＤ１）に対して、例えば、Ｇａｂｏｒ ｗａｖｅｌｅｔ変換を用いて周波数領域のデータに変換することで、デジタルデータＤ１の各周波数のスペクトルの強度と位相とを取得する。

そして、特徴ベクトル取得部２は、例えば、上記処理により取得した周波数スペクトル強度の一部の帯域のデータを、特徴ベクトルデータＤ２として、取得する。

なお、離散データＤ１（デジタルデータＤ１）から、周波数領域のデータを取得するために用いる変換は、Ｇａｂｏｒ ｗａｖｅｌｅｔ変換に限定されることはなく、例えば、離散フーリエ変換、高速フーリエ変換、ウェーブレット変換等を用いてもよい。

図８は、データ入力部１により取得されたデジタルデータＤ１（時系列のデータＤ１）（上図）と、当該デジタルデータＤ１を周波数変換して取得された周波数領域のデータＤ２（下図）とを示す図である。

図８の場合、特徴ベクトル取得部２は、周波数領域のデータＤ２として、８次元のデータ（パラメータ８個からなるベクトルデータ（０〜５Ｈｚの範囲に含まれる８つの周波数成分のデータ））として、取得している。

なお、以下では、説明便宜のため、特徴ベクトル取得部２は、８次元のデータ（パラメータ８個からなるベクトルデータ（０〜５Ｈｚの範囲に含まれる８つの周波数成分のデータ））を、データＤ２として取得するものとして、説明する。

上記のようにして、特徴ベクトル取得部２により取得された特徴ベクトルデータＤ２は、特徴ベクトル取得部２から正規化部３に出力される。

正規化部３は、特徴ベクトルデータＤ２からノルム（ノルムデータ）Ｎｏｒｍを取得するとともに、特徴ベクトルデータＤ２に対して正規化処理を実行し、正規化特徴ベクトルデータＤ３を取得する。

具体的には、正規化部３は、特徴ベクトルデータＤ２を、
Ｄ２＝（ｘ１，ｘ２，・・・、ｘｎ）
とすると、
Ｎｏｒｍ＝ｓｑｒｔ（ｘ１＾２＋ｘ２＾２＋・・・＋ｘｎ＾２）
ｓｑｒｔ（ｘ）：ｘの平方根
に相当する処理により、ノルムデータＮｏｒｍを取得する。

また、正規化部３は、特徴ベクトルデータＤ２を、ノルムデータＮｏｒｍにより除算することで、正規化特徴ベクトルデータＤ３を取得する。つまり、正規化部３は、特徴ベクトルデータＤ２の各要素（ベクトルの各要素）を、ノルムデータＮｏｒｍにより除算することで、ノルムが「１」となる正規化特徴ベクトルデータＤ３を取得する。

上記にように取得された、ノルムデータＮｏｒｍおよび正規化特徴ベクトルデータＤ３は、ベクトルデータｖｅｃ＿Ｄ３として、正規化部３から切替器ＳＥＬ１に出力される。

状態判定装置１０００の各機能部を制御する制御部（不図示）は、切替器ＳＥＬ１の端子０を選択するための選択信号ｓｅｌ１を生成し、生成した選択信号ｓｅｌ１を切替器ＳＥＬ１に出力する。

切替器ＳＥＬ１は、選択信号ｓｅｌ１に従い、ベクトルデータｖｅｃ＿Ｄ３を、テンプレートデータ取得部４に出力する。

テンプレートデータ取得部４のＳＯＭ処理部４３は、切替器ＳＥＬ１から出力されるベクトルデータｖｅｃ＿Ｄ３に含まれる正規化特徴ベクトルデータＤ３を用いて、ＳＯＭ処理を実行し、入力層の各ノードと、出力層の各ニューロンとの結合係数を決定する。この処理について、図９を参照しながら、説明する。

図９は、ＳＯＭ処理を説明するための図であり、ＳＯＭの構造を模式的に示す図である。なお、図９に示すように、出力層のニューロンが配置される平面を規定するためのｉ軸、ｊ軸を設定する。

入力データがｎ次元実数ベクトルｖｅｃ＿ｘ＝（ｘ_１，ｘ_２，・・・，ｘ_ｎ）で与えられ、２次元ＳＯＭがｍ１×ｍ２（＝Ｍ１）個の格子点上に配置されたニューロンを持つとする。つまり、図９に示すように、入力層が、ｎ個のノードを有しており、出力層が、ｍ１×ｍ２（＝Ｍ１）個の格子点上に配置されたニューロンを有している。

入力データｖｅｃ＿ｘを入力するための入力層の各ノード（ｎ個の入力ノードのそれぞれ）は、全てのニューロン（全ての出力ノード）に結合している。出力層の２次元格子配列上の（ｉ，ｊ）に位置するニューロンｕ_ｉ，ｊは、その入力データｖｅｃ＿ｘの各要素に荷重を付加して結合するための可変の結合荷重ベクトルｖｅｃ＿ｗ_ｉｊ＝（ｗ_ｉｊ＿１，ｗ_ｉｊ＿２，・・・，ｗ_ｉｊ＿ｎ）を有している。この結合荷重ベクトルｖｅｃ＿ｗ_ｉｊを参照ベクトルと呼ぶ。

なお、ｗ_ｉｊ＿ｋは、座標（ｉ，ｊ）の出力ノードと、ｋ番目の入力ノードとの結合荷重である。

ＳＯＭ処理部４３は、以下の≪ステップ１≫、≪ステップ２≫の処理により、ＳＯＭ処理を実行する。

≪ステップ１：初期化≫
ＳＯＭ処理部４３は、入力データベクトル数をｎ、繰返し数をＴ（＞＝ｎ）とすると、時刻ｔ＝０において、ｖｅｃ＿ｗ_１１，ｖｅｃ＿ｗ_１２，・・・，ｖｅｃ＿ｗ_ｍｍの初期値をランダムに設定する（乱数を用いて設定する）。

≪ステップ２：学習≫
ＳＯＭ処理部４３は、時刻ｔにおいて、次の操作を行う。
（２Ａ）：
ＳＯＭ処理部４３は、時刻ｔの入力データｖｅｃ＿ｘ（ｔ）と、時刻ｔ−１の各参照ベクトルｖｅｃ＿ｗ_ｉｊ（ｔ−１）との間のユークリッド距離ｄｉｓ（ｖｅｃ＿ｘ（ｔ），ｖｅｃ＿ｗ_ｉｊ（ｔ−１））を求める。なお、ｄｉｓ（ｖｅｃ１，ｖｅｃ２）は、ベクトルｖｅｃ１とベクトルｖｅｃ２とのユークリッド距離を求める関数である。
（２Ｂ）：
ＳＯＭ処理部４３は、ユークリッド距離が最小であるニューロンｕ_ＩＪを特定し、特定したニューロンを勝ちニューロンｕ_ＩＪとする。ニューロンｕ_ＩＪは、座標（Ｉ，Ｊ）のニューロンである。

なお、ＳＯＭ処理部４３は、時刻ｔの入力データｖｅｃ＿ｘ（ｔ）と、時刻ｔ−１の各参照ベクトルｖｅｃ＿ｗ_ｉｊ（ｔ−１）と内積の値が最大であるニューロンｕ_ＩＪを特定し、特定したニューロンを勝ちニューロンｕ_ＩＪとしてもよい。
（２Ｃ）：
ＳＯＭ処理部４３は、時刻ｔの参照ベクトルｖｅｃ＿ｗ_ｉｊ（ｔ）を、次式により学習（取得）する。
ｖｅｃ＿ｗ_ｉｊ（ｔ）＝ｖｅｃ＿ｗ_ｉｊ（ｔ−１）＋ｈ（（ｉ，ｊ），（Ｉ，Ｊ），ｔ）×（ｖｅｃ＿ｘ（ｔ）−ｖｅｃ＿ｗ_ｉｊ（ｔ−１））
ここで、ｈは近傍関数と呼ばれる関数であり、次の性質を持つ関数である。
（１）関数ｈは、ｔに関する単調減少関数であり、ｔが無限大で「０」に収束する。
（２）関数ｈは、格子点（ｉ，ｊ）と格子点（Ｉ，Ｊ）とのユークリッド距離ｄｉｓ（ｖｅｃ＿ｕ_ｉｊ，ｖｅｃ＿ｕ_ＩＪ）に関して、単調減少関数である。また、関数ｈの単調減少の程度は、ｔが増加するほど大きくなる。なお、ｖｅｃ＿ｕ_ｉｊは、所定の点（例えば、原点）からニューロンｕ_ｉｊの位置までのベクトルであり、ｖｅｃ＿ｕ_ＩＪは、所定の点（例えば、原点）からニューロンｕ_ＩＪの位置までのベクトルである。

さらに、時刻ｔ＋１においても、ＳＯＭ処理部４３は、上記と同様の処理を実行する。

なお、時刻ｔ＋１は、時刻ｔの次に、正規化部３により、正規化特徴ベクトルデータＤ３が取得され、取得された当該正規化特徴ベクトルデータＤ３がＳＯＭ処理部４３に入力された時刻を示す。

ＳＯＭ処理部４３は、時刻ｔ＝Ｔとなるまで、上記処理を繰り返し実行する。

ＳＯＭ処理部４３は、上記のＳＯＭ処理を実行し、上記のＳＯＭ処理が完了したときの参照ベクトルｖｅｃ＿ｗ_ｉｊを、確定した参照ベクトルｖｅｃ＿ｗ_ｉｊ＿ｆｉｘｅｄとして取得する。そして、ＳＯＭ処理部４３は、確定した参照ベクトルｖｅｃ＿ｗ_ｉｊ＿ｆｉｘｅｄを、写像変換部６に出力する。

なお、以下では、説明便宜のため、入力データｖｅｃ＿ｘ、すなわち、正規化特徴ベクトルデータＤ３が、８つの周波数成分データからなり、かつ、２次元ＳＯＭが３２×３２個の格子点上に配置されたニューロンを持つと場合を、一例として、説明する。

また、状態判定装置１０００は、学習フェーズの動作において、ノルムデータの処理を行う。

具体的には、ノルム取得部４１は、切替器ＳＥＬ１から出力されるベクトルデータｖｅｃ＿Ｄ３からノルムデータＮｏｒｍを取り出し、取り出したノルムデータＮｏｒｍをノルムデータ記憶部４２に記憶する。つまり、ノルム取得部４１は、所定の状態（例えば、Ｗａｌｋｉｎｇ状態）が継続されているときに状態判定装置１０００に入力されるデータから取得されたベクトルデータｖｅｃ＿Ｄ３からノルムデータＮｏｒｍを取り出し、取り出したノルムデータＮｏｒｍをノルムデータ記憶部４２に記憶する。

そして、ノルム取得部４１は、所定の状態（例えば、Ｗａｌｋｉｎｇ状態）が継続されているときにノルムデータ記憶部４２に記憶されたノルムデータを読み出し、読み出したノルムデータから、当該ノルムデータを取得したときの状態ＳｔａｔｅＫごとに、当該ノルムデータの平均値Ａｖｅ（ＳｔａｔｅＫ）と、標準偏差値σ（ＳｔａｔｅＫ）とを取得する。そして、ノルム取得部４１は、取得したデータを、ベクトルデータｖｅｃ＿Ｐｒｂとして、アクティビティ値取得部５に出力する。

このようにして、ノルム取得部４１により取得されたデータの一例を以下に示す。
（１）Ｓｉｔｔｉｎｇ状態（状態１）
Ａｖｅ（１）＝０．０８２９８９
σ（１）＝０．０５９７７８
（２）Ｓｔａｎｄｉｎｇ状態（状態２）
Ａｖｅ（２）＝０．３３４７７７
σ（２）＝０．２２４３１９
（３）Ｒｕｎｎｉｎｇ状態（状態３）
Ａｖｅ（３）＝３１．２８６５５５
σ（３）＝２．６３０１８８
（４）Ｗａｌｋｉｎｇ状態（状態４）
Ａｖｅ（４）＝１２．３９５６９２
σ（４）＝３．４０９１１４
（５）ＵｐＳｔａｉｒｓ状態（状態５）
Ａｖｅ（５）＝８．１４６３９２
σ（５）＝１．９１２５５８
（６）ＤｏｗｎＳｔａｉｒｓ状態（状態６）
Ａｖｅ（６）＝２５．００２１１２
σ（６）＝３．２５４５０８
以下では、上記のデータを処理する場合について、説明する。

上記のデータは、ベクトルデータｖｅｃ＿Ｐｒｂとして、ノルム取得部４１からアクティビティ値取得部５に出力される。

（１．２．２：テンプレート作成フェーズの動作）
次に、状態判定装置１０００のテンプレート作成フェーズの動作について、説明する。

テンプレート作成フェーズでは、状態判定装置１０００は、
（１）Ｓｉｔｔｉｎｇ状態（座っている状態）のテンプレートデータ、
（２）Ｓｔａｎｄｉｎｇ状態（立っている状態）のテンプレートデータ、
（３）Ｒｕｎｎｉｎｇ状態（走っている状態）のテンプレートデータ、
（４）Ｗａｌｋｉｎｇ状態（歩いている状態）のテンプレートデータ、
（５）ＵｐＳｔａｉｒｓ状態（階段を上っている状態）のテンプレートデータ、および、
（６）ＤｏｗｎＳｔａｉｒｓ状態（階段を下っている状態）のテンプレートデータ
を作成する。

まず、Ｗａｌｋｉｎｇ状態（歩いている状態）のテンプレートデータを作成する場合について、説明する。

この場合、人がＷａｌｋｉｎｇ状態（歩いている状態）を継続しているときの加速度センサー（不図示）からの出力を、信号Ｄｉｎとして、データ入力部１に入力する。

データ入力部１は、信号Ｄｉｎをサンプリング（Ａ／Ｄ変換）して、離散データ（デジタルデータ）として取得する。そして、データ入力部１は、取得した離散データ（デジタルデータ）を、信号Ｄ１として、特徴ベクトル取得部２に出力する。

特徴ベクトル取得部２は、データ入力部１により取得された離散データＤ１（デジタルデータＤ１）に対して、例えば、Ｇａｂｏｒ ｗａｖｅｌｅｔ変換を用いて周波数領域のデータに変換することで、デジタルデータＤ１の各周波数のスペクトルの強度と位相とを取得する。

そして、特徴ベクトル取得部２は、例えば、上記処理により取得した周波数スペクトル強度の一部の帯域のデータを、特徴ベクトルデータＤ２として、取得する。

特徴ベクトル取得部２により取得された特徴ベクトルデータＤ２は、特徴ベクトル取得部２から正規化部３に出力される。

正規化部３は、特徴ベクトルデータＤ２からノルム（ノルムデータ）Ｎｏｒｍを取得するとともに、特徴ベクトルデータＤ２に対して正規化処理を実行し、正規化特徴ベクトルデータＤ３を取得する。

そして、正規化部３は、取得した、ノルムデータＮｏｒｍおよび正規化特徴ベクトルデータＤ３を、ベクトルデータｖｅｃ＿Ｄ３として、切替器ＳＥＬ１に出力する。

状態判定装置１０００の各機能部を制御する制御部（不図示）は、切替器ＳＥＬ１の端子０を選択するための選択信号ｓｅｌ１を生成し、生成した選択信号ｓｅｌ１を切替器ＳＥＬ１に出力する。

切替器ＳＥＬ１は、選択信号ｓｅｌ１に従い、ベクトルデータｖｅｃ＿Ｄ３を、ＳＯＭ処理部４３に出力する。

ＳＯＭ処理部４３は、切替器ＳＥＬ１から出力されるベクトルデータｖｅｃ＿Ｄ３から正規化特徴ベクトルデータＤ３を取り出し、正規化特徴ベクトルデータＤ３を用いて、ＳＯＭ処理を実行する。なお、このとき、ＳＯＭ処理に用いる結合荷重ベクトル（参照ベクトル）ｖｅｃ＿ｗ_ｉｊは、上記の学習フェーズで確定させた結合荷重ベクトル（参照ベクトル）ｖｅｃ＿ｗ_ｉｊ＿ｆｉｘｅｄである。
ＳＯＭ処理部４３は、正規化特徴ベクトルデータＤ３に対して、結合荷重ベクトル（参照ベクトル）ｖｅｃ＿ｗ_ｉｊ＿ｆｉｘｅｄにより、ＳＯＭ処理を実行し、現時刻ｔのＳＯＭデータＤ＿ｓｏｍ（ｔ）を取得する。そして、ＳＯＭ処理部４３は、取得した現時刻ｔのＳＯＭデータＤ＿ｓｏｍ（ｔ）をＳＯＭデータ記憶部４４に出力する。

ＳＯＭデータ記憶部４４は、ＳＯＭ処理部４３から出力されるＳＯＭ出力データＤ＿ｓｏｍ（ｔ）を記憶する。

時刻ｔ＝１からｔ＝Ｎの期間、人がＷａｌｋｉｎｇ状態（歩いている状態）を継続させ、状態判定装置１０００において、上記処理を実行する。そして、ＳＯＭ処理部４３は、時刻ｔ＝１からｔ＝Ｎの期間中に取得したＮ個のＳＯＭ出力データＤ＿ｓｏｍ（ｔ）をＳＯＭデータ記憶部４４に記憶する。

テンプレートデータ生成部４５は、ＳＯＭデータ記憶部４４から、時刻ｔ＝１からｔ＝Ｎの期間（人がＷａｌｋｉｎｇ状態（歩いている状態）を継続していた期間）に取得されたＮ個（Ｎ：自然数）のＳＯＭ出力データＤ＿ｓｏｍ（１）〜Ｄ＿ｓｏｍ（Ｎ）を読み出す。そして、テンプレートデータ生成部４５は、ＳＯＭ出力データＤ＿ｓｏｍ（１）〜Ｄ＿ｓｏｍ（Ｎ）を用いて、２次元ＳＯＭ上の同じ座標位置の出力値（同一の出力ノードの出力値）の平均値を算出する。そして、算出した平均値を各ノード（ＳＯＭの出力ノードに対応するノード）の値とすることで、Ｗａｌｋｉｎｇ状態（歩いている状態）のテンプレートデータを取得する。

つまり、時刻ｔのときの特徴ベクトルデータｖｅｃ＿ｘ（ｔ）を、
ｖｅｃ＿ｘ（ｔ）＝（ｘ_１（ｔ），ｘ_２（ｔ），・・・，ｘ_Ｎ１（ｔ））
Ｎ１＝８
とし、学習フェーズを完了し、確定された結合荷重ベクトルｆ＿ｖｅｃ＿ｗ_ｉｊを、
ｆ＿ｖｅｃ＿ｗ_ｉｊ＝（ｗ_ｉｊ＿１，ｗ_ｉｊ＿２，・・・，ｗ_{ｉｊ＿Ｎ１}）
Ｎ１＝８
とし、時刻ｔの２次元ＳＯＭ上の（ｉ，ｊ）の位置にあるニューロン（出力ノード）の出力値をＤ_ｉｊ（ｔ）とすると、
Ｎ１＝８
である。

なお、ｗ_ｉｊ＿ｋは、座標（ｉ，ｊ）の出力ノードと、ｋ番目の入力ノードとの結合荷重である。

テンプレートデータ生成部４５は、下記数式に相当する処理により、２次元ＳＯＭ上の（ｉ，ｊ）の位置にあるニューロン（出力ノード）に対応するノードのテンプレートデータの値ｇ_ｉｊを取得する。
テンプレートデータ生成部４５は、上記処理により算出した、座標（ｉ，ｊ）のノードに、値ｇ_ｉｊを割り付けることで、２次元のテンプレートデータを取得する。

図１０は、テンプレートデータの一例を示す図である。

具体的には、図１０（ａ）は、Ｓｉｔｔｉｎｇ状態（座っている状態（状態１））のテンプレートデータであり、図１０（ｂ）は、Ｓｔａｎｄｉｎｇ状態（立っている状態（状態２））のテンプレートデータであり、図１０（ｃ）は、Ｒｕｎｎｉｎｇ状態（走っている状態（状態３））のテンプレートデータである。

図１０（ｄ）は、Ｗａｌｋｉｎｇ状態（歩いている状態（状態４））のテンプレートデータであり、図１０（ｅ）は、Ｕｐｓｔａｉｒｓ状態（階段を上っている状態（状態５））のテンプレートデータであり、図１０（ｆ）は、ＤｏｗｎＳｔａｉｒｓ状態（階段を下っている状態（状態６））のテンプレートデータである。

例えば、図１０（ｄ）は、時刻ｔ＝１からｔ＝Ｎの期間（人がＷａｌｋｉｎｇ状態（歩いている状態）を継続していた期間）に取得されたＮ個（Ｎ：自然数）のＳＯＭ出力データＤ＿ｓｏｍ（１）〜Ｄ＿ｓｏｍ（Ｎ）から、上記処理により取得したテンプレートデータＴｍｐｌ（４）（３２×３２のデータからなる２次元データ）である。図１０（ｄ）のテンプレートデータＴｍｐｌ（１）の座標（ｉ，ｊ）の位置の値（画素値）は、上記により算出された値ｇ_ｉｊである。

なお、図１０に示したテンプレートデータにおいて、値ｇ_ｉｊは、０から１の値をとるように正規化されている（０≦ｇ_ｉｊ≦１）。そして、図１０に示したテンプレートデータは、ｇ_ｉｊ＝０の画素を階調値「０」（画素値「０」（Ｗ０％に相当する画素値））の画素とし、ｇ_ｉｊ＝１の画素を階調値「１」（画素値「１」（Ｗ１００％に相当する画素値））の画素とする画像データとして示している。

上記のようにして、テンプレートデータ生成部４５により、取得されたＷａｌｋｉｎｇ状態（歩いている状態）のテンプレートデータＴｍｐｌ（４）は、テンプレートデータ記憶部４６に記憶される。

Ｒｕｎｎｉｎｇ状態（走っている状態）のテンプレートデータ（このテンプレートデータを、テンプレートデータＴｍｐｌ（３）とする。）の作成処理も、上記と同様に行われる。

つまり、時刻ｔ＝１からｔ＝Ｎの期間において、人がＲｕｎ状態（走っている状態）を継続し、人がＲｕｎｎｉｎｇ状態（走っている状態）を継続しているときの加速度センサー（不図示）からの出力を、信号Ｄｉｎとして、データ入力部１に入力する。そして、状態判定装置１０００では、上記と同様の処理を実行することで、Ｒｕｎｎｉｎｇ状態（走っている状態）のテンプレートデータＴｍｐｌ（３）を取得する。そして、取得されたＲｕｎｎｉｎｇ状態（走っている状態）のテンプレートデータＴｍｐｌ（３）は、テンプレートデータ記憶部４６に記憶される。

なお、図１０（ｃ）は、時刻ｔ＝１からｔ＝Ｎの期間（人がＲｕｎｎｉｎｇ状態（走っている状態）を継続していた期間）に取得されたＮ個（Ｎ：自然数）のＳＯＭ出力データＤ＿ｓｏｍ（１）〜Ｄ＿ｓｏｍ（Ｎ）から、上記処理により取得したテンプレートデータＴｍｐｌ（３）（３２×３２のデータからなる２次元データ）である。

また、他の状態のテンプレートデータの作成処理も、上記と同様に行われる。

なお、上記では、テンプレートデータ生成部４５は、ＳＯＭ出力データＤ＿ｓｏｍ（１）〜Ｄ＿ｓｏｍ（Ｎ）を用いて、２次元ＳＯＭ上の同じ座標位置の出力値（同一の出力ノードの出力値）の平均値を算出することでテンプレートデータを作成する場合について説明した。しかしながら、この方法に限定されることはなく、例えば、テンプレートデータ生成部４５は、以下の処理（「処理１」〜「処理４」）により、テンプレートデータを作成するようにしてもよい。
（１）処理１（出力値の閾値処理）
テンプレートデータ生成部４５は、ＳＯＭ出力データＤ＿ｓｏｍ（１）〜Ｄ＿ｓｏｍ（Ｎ）を用いて、２次元ＳＯＭ上の同じ座標位置の出力値（同一の出力ノードの出力値）Ｄ_ｉｊ（ｔ）を所定の閾値Ｔｈ１と比較し、Ｄ_ｉｊ（ｔ）≧Ｔｈ１である出力値Ｄ_ｉｊ（ｔ）の平均値を算出し、算出した平均値を座標（ｉ，ｊ）のテンプレートデータの値ｇ_ｉｊとする。

この処理について、図１１のフローチャートを用いて説明する。

ステップＳ１において、テンプレートデータ生成部４５は、時刻を表す変数ｔ、カウンタ値Ｃｎｔ、および、合計値Ｓｕｍを、それぞれ、「０」に設定する。

ステップＳ２において、テンプレートデータ生成部４５は、時刻を表す変数を、１だけインクリメントする。

そして、テンプレートデータ生成部４５は、２次元ＳＯＭ上の同じ座標位置の出力値（同一の出力ノードの出力値）Ｄ_ｉｊ（ｔ）を所定の閾値Ｔｈ１と比較し、Ｄ_ｉｊ（ｔ）≧Ｔｈ１である場合（ステップＳ３で「Ｙｅｓ」の場合）、合計値Ｓｕｍに、出力値Ｄ_ｉｊ（ｔ）を加算し（ステップＳ４）、さらに、カウンタ値Ｃｎｔを１だけインクリメントする（ステップＳ５）。

一方、Ｄ_ｉｊ（ｔ）≧Ｔｈ１ではない場合（ステップＳ３で「Ｎｏ」の場合）、テンプレートデータ生成部４５は、処理を、ステップＳ６に進める。

ステップＳ６において、ｔ≧Ｎではない場合、テンプレートデータ生成部４５は、処理をステップＳ２に戻し、ｔ≧Ｎである場合、テンプレートデータ生成部４５は、最終カウント値Ｎ１に、カウント値Ｃｎｔを代入し（ステップＳ７）、さらに、
ｇ_ｉｊ＝Ｓｕｍ／Ｎ１
により、座標（ｉ，ｊ）のテンプレートデータの値ｇ_ｉｊを取得する（ステップＳ８）。

このように処理することで、ＳＯＭの出力値が所定の閾値よりも小さい値を除いた平均値を、座標（ｉ，ｊ）のテンプレートデータの値ｇ_ｉｊとすることができるため、より適切なテンプレートデータを作成することができる。
（２）処理２（出力値の分散値の閾値処理）
テンプレートデータ生成部４５は、ＳＯＭ出力データＤ＿ｓｏｍ（１）〜Ｄ＿ｓｏｍ（Ｎ）を用いて、２次元ＳＯＭ上の同じ座標位置の出力値（同一の出力ノードの出力値）Ｄ_ｉｊ（ｔ）の分散値ｖ_ｉｊを、以下の数式に相当する処理により、算出する。
そして、テンプレートデータ生成部４５は、分散値ｖ_ｉｊを、所定の閾値Ｔｈ２と比較する。そして、テンプレートデータ生成部４５は、ｖ_ｉｊ≦Ｔｈ２を満たす、座標（ｉ，ｊ）のＳＯＭの出力値Ｄ_ｉｊ（ｔ）の平均値を算出し、算出した平均値を座標（ｉ，ｊ）のテンプレートデータの値ｇ_ｉｊとする。

なお、テンプレートデータ生成部４５は、ｖ_ｉｊ≦Ｔｈ２を満たさない場合、座標（ｉ，ｊ）のテンプレートデータの値ｇ_ｉｊを「０」にする。

このように処理することで、ＳＯＭの出力値Ｄ_ｉｊ（ｔ）の時間方向の分散が小さい値のみを用いて算出した平均値を、座標（ｉ，ｊ）のテンプレートデータの値ｇ_ｉｊとすることができるため、より適切なテンプレートデータを作成することができる。つまり、上記のように処理することで、時間方向にばらつきの少ないＳＯＭの出力値Ｄ_ｉｊ（ｔ）の平均値を座標（ｉ，ｊ）のテンプレートデータの値ｇ_ｉｊとすることができるため、より適切なテンプレートデータを作成することができる。
（３）処理３（処理１と処理２の組み合わせ処理）
テンプレートデータ生成部４５は、上記処理１と上記処理２とを組み合わせた処理により、座標（ｉ，ｊ）のテンプレートデータの値ｇ_ｉｊを取得するようにしてもよい。

つまり、テンプレートデータ生成部４５は、分散値ｖ_ｉｊを、所定の閾値Ｔｈ２と比較する。そして、テンプレートデータ生成部４５は、ｖ_ｉｊ≦Ｔｈ２を満たす、座標（ｉ，ｊ）のＳＯＭの出力値Ｄ_ｉｊ（ｔ）であって、かつ、出力値Ｄ_ｉｊ（ｔ）が所定の閾値Ｔｈ１よりも大きいもののみの平均値を算出し、算出した平均値を座標（ｉ，ｊ）のテンプレートデータの値ｇ_ｉｊとする。

なお、テンプレートデータ生成部４５は、ｖ_ｉｊ≦Ｔｈ２を満たさない場合、座標（ｉ，ｊ）のテンプレートデータの値ｇ_ｉｊを「０」にする。

このように、処理１と処理２を組み合わせた処理により、さらにより適切なテンプレートデータを作成することができる。
（４）処理４（ｎ１×σ以内のデータによる処理）
テンプレートデータ生成部４５は、分散値ｖ_ｉｊから、
σ_ｉｊ＝ｓｑｒｔ（ｖ_ｉｊ）
ｓｑｒｔ（ｘ）：ｘの平方根を取得する関数
に相当する処理より、座標（ｉ，ｊ）のＳＯＭの出力値Ｄ_ｉｊ（ｔ）の標準偏差σ_ｉｊを取得する。

そして、テンプレートデータ生成部４５は、Ｄ_ｉｊ（ｔ）−ＡｖｅＤ_ｉｊ≦ｎ１×σ_ｉｊ（ｎ１：正の実数）を満たす場合、座標（ｉ，ｊ）のＳＯＭの出力値Ｄ_ｉｊ（ｔ）の平均値を算出し、算出した平均値を座標（ｉ，ｊ）のテンプレートデータの値ｇ_ｉｊとする。

一方、テンプレートデータ生成部４５は、ａｂｓ（Ｄ_ｉｊ（ｔ）−ＡｖｅＤ_ｉｊ）≦ｎ１×σ_ｉｊ（ｎ１：正の実数、ａｂｓ（ｘ）はｘの絶対値を取得する関数）を満たさない場合、座標（ｉ，ｊ）のテンプレートデータの値ｇ_ｉｊを「０」にする。

このように処理することで、ＳＯＭの出力値Ｄ_ｉｊ（ｔ）が、平均値からｎ１×σ以内の範囲に含まれる場合のデータを用いて、テンプレートデータを作成することができる。

例えば、ｎ１＝３とした場合、上記のように処理することで、ＳＯＭの出力値Ｄ_ｉｊ（ｔ）が、平均値から３σ以内の範囲に含まれる場合のデータを用いて、テンプレートデータを作成することができる。状態判定装置１０００では、例えば、ＳＯＭの出力値Ｄ_ｉｊ（ｔ）が正規分布すると仮定したときに、全体の９９．７％の範囲に含まれるデータを用いて、テンプレートデータを作成しようとする場合、ｎ１＝３に設定すればよい。このように、状態判定装置１０００では、ｎ１の値を調整することで、テンプレートデータを作成するために用いるＳＯＭの出力値Ｄ_ｉｊ（ｔ）の範囲を調整することができる。

以上のようにして、状態判定装置１０００では、テンプレートデータが作成される。

なお、テンプレートデータの各要素の値ｇ_ｉｊの総和が「１」となるように正規化するようにしてもよい。このように正規化することで、テンプレートデータと、ＳＯＭ出力データとの相関度合いを判定する処理において、どのテンプレートを用いる場合であっても、相関度合いを示す値（例えば、内積の値やユークリッド距離の値）のとりうる範囲を一定（共通）にすることができるため、分類判定処理が容易になる。

（１．２．３：状態判定処理フェーズの動作）
次に、状態判定装置１０００の状態判定処理フェーズの動作について、説明する。

図１２は、データ入力部１が取得した信号Ｄ１の波形（Ｗａｌｋｉｎｇ状態のときの波形）を示す図（上図）と、特徴ベクトル取得部２が、信号Ｄ１から取得した特徴ベクトルデータＤ２（左下図）と、写像変換部６が、正規化特徴ベクトルデータＤ３から取得したＳＯＭ出力データＤ＿ｓｏｍ（１）とを示す図である。

図１３は、データ入力部１が取得した信号Ｄ１の波形（Ｒｕｎｎｉｎｇ状態のときの波形）を示す図（上図）と、特徴ベクトル取得部２が、信号Ｄ１から取得した特徴ベクトルデータＤ２（左下図）と、写像変換部６が、正規化特徴ベクトルデータＤ３から取得したＳＯＭ出力データＤ＿ｓｏｍ（２）とを示す図である。

人の状態を検知するための加速度センサー（不図示）からの出力が、信号Ｄｉｎとして、データ入力部１に入力される。なお、加速度センサーは、例えば、人体に装着される。

データ入力部１は、信号Ｄｉｎをサンプリング（Ａ／Ｄ変換）して、離散データ（デジタルデータ）として取得する。そして、データ入力部１は、取得した離散データ（デジタルデータ）を、信号Ｄ１として、特徴ベクトル取得部２に出力する。

例えば、Ｗａｌｋｉｎｇ状態のときは、図１２の上図に示すような信号Ｄ１が取得される。Ｒｕｎｎｉｎｇ状態のときは、図１３の上図に示すような信号Ｄ１が取得される。

特徴ベクトル取得部２は、学習フェーズでの処理と同様にして、データ入力部１により取得された離散データＤ１（デジタルデータＤ１）から、特徴ベクトルデータＤ２を取得する。

例えば、Ｗａｌｋｉｎｇ状態のときは、図１２の左下図に示すような特徴ベクトルデータＤ２が取得される。Ｒｕｎｎｉｎｇ状態のときは、図１３の左下図に示すような特徴ベクトルデータＤ２が取得される。

そして、特徴ベクトル取得部２により取得された特徴ベクトルデータＤ２は、特徴ベクトル取得部２から正規化部３に出力される。

正規化部３は、学習フェーズでの処理と同様にして、特徴ベクトルデータＤ２から、ノルムデータＮｏｒｍ、および、正規化特徴ベクトルデータＤ３を取得する。そして、正規化部３は、取得したデータをベクトルデータｖｅｃ＿Ｄ３として、切替器ＳＥＬ１に出力する。

なお、図１２の場合に取得されるノルムデータＮｏｒｍが「１１．５」であり、図１３の場合に取得されるノルムデータＮｏｒｍが「３１．０」であるものとする。

状態判定装置１０００の各機能部を制御する制御部（不図示）は、切替器ＳＥＬ１の端子１を選択するための選択信号ｓｅｌ１を生成し、生成した選択信号ｓｅｌ１を切替器ＳＥＬ１に出力する。

切替器ＳＥＬ１は、選択信号ｓｅｌ１に従い、ベクトルデータｖｅｃ＿Ｄ３を、アクティビティ値取得部５および写像変換部６に出力する。

アクティビティ値取得部５の第１アクティビティ算出部５２１は、切替器ＳＥＬ１から出力されるベクトルデータｖｅｃ＿Ｄ３に含まれるノルムデータＮｏｒｍと、アクティビティ算出用データ取得部５１から出力される状態１（Ｓｉｔｔｉｎｇ）の特徴ベクトルデータＤ２のノルムデータの平均値Ａｖｅ（１）および標準偏差値σ（１）とを入力する。第１アクティビティ算出部５２１は、状態１の特徴ベクトルデータＤ２のノルムデータの平均値Ａｖｅ（１）および標準偏差値σ（１）に基づいて、ノルムデータＮｏｒｍから、第１状態のアクティビティ値Ｄ＿ａｃｔ（１）を算出する。

具体的には、アクティビティ値取得部５は、状態１の特徴ベクトルデータＤ２のノルムデータが正規分布であると仮定し、アクティビティ値Ｄ＿ａｃｔ（１）を正規分布に従う確率密度関数ｆ（ｘ）により、算出する。すなわち、アクティビティ値取得部５は、下記数式に相当する処理を行うことで、アクティビティ値Ｄ＿ａｃｔ（１）を取得する。
μ：平均値
σ：標準偏差
なお、本実施形態では、状態１の特徴ベクトルデータＤ２のノルムデータの平均値Ａｖｅ（１）、標準偏差値σ（１）は、
Ａｖｅ（１）＝０．０８２９８９
σ（１）＝０．０５９７７８
であるので、上式において、
μ＝Ａｖｅ（１）＝０．０８２９８９
σ＝σ（１）＝０．０５９７７８
として、アクティビティ値取得部５は、確率密度関数ｆ（ｘ）の値を算出し、算出した値を、アクティビティ値Ｄ＿ａｃｔ（１）として取得する。

アクティビティ値取得部５は、このようにして取得した状態１（Ｓｉｔｔｉｎｇ）のアクティビティ値Ｄ＿ａｃｔ（１）を状態判定部８に出力する。

第２アクティビティ算出部５２２は、上記と同様の処理を行うことで、状態２（Ｓｔａｎｄｉｎｇ）のアクティビティ値Ｄ＿ａｃｔ（２）を取得する。

つまり、第２アクティビティ算出部５２２は、
μ＝Ａｖｅ（２）＝０．３３４７７７
σ＝σ（２）＝０．２２４３１９
として、上記確率密度関数ｆ（ｘ）の値を算出し、算出した値を、アクティビティ値Ｄ＿ａｃｔ（２）として取得する。

第３アクティビティ算出部５２３は、上記と同様の処理を行うことで、状態３（Ｒｕｎｎｉｎｇ）のアクティビティ値Ｄ＿ａｃｔ（３）を取得する。

つまり、第３アクティビティ算出部５２３は、
μ＝Ａｖｅ（３）＝３１．２８６５５５
σ＝σ（３）＝２．６３０１８８
として、上記確率密度関数ｆ（ｘ）の値を算出し、算出した値を、アクティビティ値Ｄ＿ａｃｔ（３）として取得する。

第４アクティビティ算出部５２４は、上記と同様の処理を行うことで、状態４（Ｗａｌｋｉｎｇ）のアクティビティ値Ｄ＿ａｃｔ（４）を取得する。

つまり、第４アクティビティ算出部５２４は、
μ＝Ａｖｅ（４）＝１２．３９５６９２
σ＝σ（４）＝３．４０９１１４
として、上記確率密度関数ｆ（ｘ）の値を算出し、算出した値を、アクティビティ値Ｄ＿ａｃｔ（４）として取得する。

第５アクティビティ算出部５２５は、上記と同様の処理を行うことで、状態５（ＵｐＳｔａｉｒｓ）のアクティビティ値Ｄ＿ａｃｔ（５）を取得する。

つまり、第５アクティビティ算出部５２５は、
μ＝Ａｖｅ（５）＝８．１４６３９２
σ＝σ（５）＝１．９１２５５８
として、上記確率密度関数ｆ（ｘ）の値を算出し、算出した値を、アクティビティ値Ｄ＿ａｃｔ（５）として取得する。

第６アクティビティ算出部５２６は、上記と同様の処理を行うことで、状態６（ＤｏｗｎＳｔａｉｒｓ）のアクティビティ値Ｄ＿ａｃｔ（６）を取得する。

つまり、第６アクティビティ算出部５２６は、
μ＝Ａｖｅ（６）＝２５．００２１１２
σ＝σ（６）＝３．２５４５０８
として、上記確率密度関数ｆ（ｘ）の値を算出し、算出した値を、アクティビティ値Ｄ＿ａｃｔ（６）として取得する。

図１４は、状態ｋ（ｋ：自然数、１≦ｋ≦６）の特徴ベクトルデータＤ２のノルムデータが正規分布であると仮定したときの確率密度関数ｆ（ｘ）により算出される値をプロットしたグラフである。つまり、正規分布に従う確率密度関数ｆ（ｘ）の変数ｘを、ノルムデータＮｏｒｍとし、状態ｋの平均値および標準偏差値が上記である場合の確率密度関数ｆ（ｘ）のグラフである。

例として、ｘ＝Ｎｏｒｍ＝１１．５の場合（図１２の場合）と、ｘ＝Ｎｏｒｍ＝３１．０の場合（図１３の場合）に、アクティビティ値取得部５により取得されるアクティビティ値Ｄ＿ａｃｔ（ｋ）を以下に示す。
（１）ｘ＝Ｎｏｒｍ＝１１．５の場合（図１２の場合）
Ｄ＿ａｃｔ（１）＝０．００
Ｄ＿ａｃｔ（２）＝０．００
Ｄ＿ａｃｔ（３）＝０．００
Ｄ＿ａｃｔ（４）＝０．１１
Ｄ＿ａｃｔ（５）＝０．０４
Ｄ＿ａｃｔ（４）＝０．００
この場合、状態４（Ｗａｌｋｉｎｇ）のアクティビティ値Ｄ＿ａｃｔ（４）が大きな値となる。
（２）ｘ＝Ｎｏｒｍ＝３１．０の場合（図１３の場合）
Ｄ＿ａｃｔ（１）＝０．００
Ｄ＿ａｃｔ（２）＝０．００
Ｄ＿ａｃｔ（３）＝０．１５
Ｄ＿ａｃｔ（４）＝０．００
Ｄ＿ａｃｔ（５）＝０．００
Ｄ＿ａｃｔ（４）＝０．０２
この場合、状態３（Ｒｕｎｎｉｎｇ）のアクティビティ値Ｄ＿ａｃｔ（３）が大きな値となる。

以上のようにして、取得された各状態のアクティビティ値Ｄ＿ａｃｔ（１）〜Ｄ＿ａｃｔ（６）は、アクティビティ値取得部５から状態判定部８に出力される。

写像変換部６は、ＳＯＭ処理部４３により、確定された、入力層の各ノードと、出力層の各ニューロンとの結合係数データｗ_ｉｊ＿ｆｉｘｅｄにより、正規化特徴ベクトルデータＤ３に対して、ＳＯＭ処理を実行する。そして、写像変換部６は、ＳＯＭ処理により取得した、ＳＯＭ出力データＤ＿ｓｏｍをマッチング処理部７に出力する。

例えば、Ｗａｌｋｉｎｇ状態のときは、図１２の右下図に示すようなＳＯＭ出力データが取得される。Ｒｕｎｎｉｎｇ状態のときは、図１３の右下図に示すようなＳＯＭ出力データが取得される。

マッチング処理部７のＴＰデータ取得部７１は、テンプレートデータ記憶部４６から、６つの状態のテンプレートデータＴｍｐｌ（１）〜Ｔｍｐｌ（６）を読み出す。

そして、ＴＰデータ取得部７１は、読み出した６個のテンプレートデータＴｍｐｌ（１）〜Ｔｍｐｌ（６）を、それぞれ、第１内積算出部７２１〜第６内積算出部７２６に出力する。なお、図５に示したマッチング処理部において、Ｍ＝６であるものとして、説明する。

第１内積算出部７２１は、ＳＯＭ出力データＤ＿ｓｏｍと、テンプレートデータＴｍｐｌ（１）とを用いて、内積を算出する処理を実行する。

つまり、第１内積算出部７２１は、下記数式に相当する処理を実行することで、内積を算出する。
なお、Ｄ_ｉｊは、２次元ＳＯＭ上の座標（ｉ，ｊ）のＳＯＭ出力値であり、ｇ_ｉｊは、テンプレートデータＴｍｐｌ（１）の座標（ｉ，ｊ）の値である。

第１内積算出部７２１は、上記により算出した内積の値を示す信号を、信号Ｄ＿ｆ（１）として、状態判定部８に出力する。

第ｋ内積算出部７２ｋ（ｋ：自然数、１≦ｋ≦６）は、ＳＯＭ出力データＤ＿ｓｏｍと、テンプレートデータＴｍｐｌ（ｋ）とを用いて、内積を算出する処理を実行する。

つまり、第ｋ内積算出部７２ｋは、下記数式に相当する処理を実行することで、内積を算出する。
なお、Ｄ_ｉｊは、２次元ＳＯＭ上の座標（ｉ，ｊ）のＳＯＭ出力値であり、ｇ_ｉｊは、テンプレートデータＴｍｐｌ（ｋ）の座標（ｉ，ｊ）の値である。

第ｋ内積算出部７２ｋは、上記により算出した内積の値を示す信号を、信号Ｄ＿ｆ（ｋ）として、状態判定部８に出力する。

マッチング処理部７は、上記により取得したデータを、適合度データのベクトルデータｖｅｃ＿Ｄ＿ｆ（＝（Ｄ＿ｆ（１），Ｄ＿ｆ（２），Ｄ＿ｆ（３），Ｄ＿ｆ（４），Ｄ＿ｆ（５），Ｄ＿ｆ（６）））として、状態判定部８に出力する。

状態判定部８は、アクティビティ値取得部５から出力されるベクトルデータｖｅｃ＿Ｄ＿ａｃｔと、マッチング処理部７から出力される適合度データのベクトルデータｖｅｃ＿Ｄ＿ｆとに基づいて、状態評価値のベクトルデータｖｅｃ＿Ｄ＿ｄｅｃｉを取得する。

具体的には、状態ｋの状態評価値をＤ＿ｄｅｃｉ（ｋ）（ｋ：自然数、１≦ｋ≦６）とすると、状態判定部８の第ｋ判定部８ｋ（ｋ：自然数、１≦ｋ≦６）は、
Ｄ＿ｄｅｃｉ（ｋ）＝Ｄ＿ａｃｔ（ｋ）×Ｄ＿ｆ（ｋ）
に相当する処理により、状態ｋの状態評価値Ｄ＿ｄｅｃｉ（ｋ）を取得する。

上記のように内積により、適合度データを取得した場合、適合度データ（内積の値）が大きい程、内積処理に用いたテンプレートに対応する状態である可能性が高い。

また、アクティビティ値Ｄ＿ａｃｔ（ｋ）の値が大きい程、状態判定装置１０００に入力されているデータが、状態ｋにおいて取得されているデータである可能性が高い。

したがって、状態評価値Ｄ＿ｄｅｃｉ（ｋ）の値が大きい程、状態判定装置１０００に入力されているデータの状態が、状態ｋである可能性が高い。

上記のようにして取得された状態１〜状態６の状態評価値Ｄ＿ｄｅｃｉ（１）〜Ｄ＿ｄｅｃｉ（６）は、ベクトルデータｖｅｃ＿Ｄ＿ｄｅｃｉとして、状態判定部８から時系列推定部９に出力される。

時系列推定部９のＰＦ処理部９１は、状態遷移確率データＤ＿ｔｒ＿ｐｒｂを用いて、ベクトルデータｖｅｃ＿Ｄ＿ｄｅｃｉに対してパーティクルフィルタ処理を実行し、状態１〜状態６についてのパーティクルフィルタ出力値（状態推定値）Ｄ＿ｐｆ（１）〜Ｄ＿ｐｆ（６）を取得する。

ＰＦ処理部９１の具体的な処理について、以下、説明する。

まず、状態遷移確率データＤ＿ｔｒ＿ｐｒｂについて、説明する。

図１５は、状態１〜状態６についての状態遷移確率を示す表である。

図１５の表から分かるように、例えば、時刻ｔにおいて状態Ｓ１（Ｓｉｔｔｉｎｇ）であり、時刻ｔ＋１において状態Ｓ２（Ｓｔａｎｄｉｎｇ）に移行する確率が、「０．０１０」である。また、図１５の表から分かるように、例えば、時刻ｔにおいて状態Ｓ１（Ｓｉｔｔｉｎｇ）であり、時刻ｔ＋１においても状態Ｓ１（Ｓｉｔｔｉｎｇ）である確率が、「０．９９０」である。つまり、状態遷移確率データＤ＿ｔｒ＿ｐｒｂは、時刻ｔにおける状態から、時刻ｔ＋１における状態への移行する（または状態が維持される）確率を示している。

状態遷移確率データＤ＿ｔｒ＿ｐｒｂは、例えば、状態判定装置１０００の記憶部（不図示）に記憶保持されており、制御部により、読み出されて、時系列推定部９のＰＦ処理部９１に入力される。

図１６は、状態１〜状態６についての状態遷移図である。

図１６の状態遷移図は、状態遷移確率データＤ＿ｔｒ＿ｐｒｂに基づいて、示されたものである。例えば、状態Ｓ１から状態Ｓ３に移行する確率は、状態遷移確率データＤ＿ｔｒ＿ｐｒｂから、「０」であるので、図１６の状態遷移図において、状態Ｓ１から状態Ｓ３に移行するパスは存在しない。

以下では、現時刻を時刻ｔとし、前時刻ｔ−１の状態が「状態４」（状態Ｓ４（Ｗａｌｋｉｎｇ））であると判定されている場合において、現時刻ｔにおいて、ＰＦ処理部９１で実行されるパーティクルフィルタ処理について、図面を参照しながら説明する。

図１７〜図１９は、前時刻ｔ−１の状態が「状態４」（状態Ｓ４（Ｗａｌｋｉｎｇ））である場合の状態遷移図である。

図２０は、パーティクル処理を説明するための図である。

なお、説明便宜のため、パーティクル処理に用いるパーティクル数を「５０００」とし、時刻ｔ（現時刻）において、状態判定部８により取得されたＤ＿ｄｅｃｉ（１）〜Ｄ＿ｄｅｃｉ（６）の値は、以下のものであるとする。
Ｄ＿ｄｅｃｉ（１）＝０．０
Ｄ＿ｄｅｃｉ（２）＝０．０
Ｄ＿ｄｅｃｉ（３）＝０．０
Ｄ＿ｄｅｃｉ（４）＝０．５
Ｄ＿ｄｅｃｉ（５）＝０．４
Ｄ＿ｄｅｃｉ（６）＝０．１
また、現時刻ｔのパーティクルフィルタ処理が実行される前の状態ｋに割り当てられているパーティクル数ｐｒｅ＿Ｐｔ（ｋ）は、以下の通りであるものとする。
ｐｒｅ＿Ｐｔ（１）＝２５０
ｐｒｅ＿Ｐｔ（２）＝２５０
ｐｒｅ＿Ｐｔ（３）＝３０００
ｐｒｅ＿Ｐｔ（４）＝１０００
ｐｒｅ＿Ｐｔ（５）＝２５０
ｐｒｅ＿Ｐｔ（６）＝２５０
なお、初期化処理、あるいは、リセット処理において、各状態に割り当てられるパーティクル数は、それぞれ等しい数とすることが好ましい。例えば、割り当てるパーティクル数の総数を、Ｐ＿ａｌｌとすると、初期化処理、あるいは、リセット処理において、状態１〜状態Ｍの各状態に割り当てられるパーティクル数は、「Ｐ＿ａｌｌ／Ｍ」とすることが好ましい。

ＰＦ処理部９１は、状態遷移確率データＤ＿ｔｒ＿ｐｒｂを用いて、予測処理を行う。

具体的には、ＰＦ処理部９１は、前時刻ｔ−１の状態が「状態４」（状態Ｓ４（Ｗａｌｋｉｎｇ））であるので、状態４から、それぞれ、状態１〜状態６に移行する確率を、状態遷移確率データＤ＿ｔｒ＿ｐｒｂから、以下の通り、取得する。
（状態Ｓ４から状態Ｓ１への遷移確率）＝０．０００
（状態Ｓ４から状態Ｓ２への遷移確率）＝０．００６
（状態Ｓ４から状態Ｓ３への遷移確率）＝０．００２
（状態Ｓ４から状態Ｓ４への遷移確率）＝０．９９０
（状態Ｓ４から状態Ｓ５への遷移確率）＝０．００１
（状態Ｓ４から状態Ｓ６への遷移確率）＝０．００１
そして、ＰＦ処理部９１は、上記遷移確率に基づいて、状態Ｓ４から各状態に移動させるパーティクル数を、以下の通り、算出する。なお、前時刻ｔ−１において状態Ｓ４に割り当てられているパーティクル数は、「６００」である。
（状態Ｓ４から状態Ｓ１へ移動させるパーティクル数）＝０×３０００＝０
（状態Ｓ４から状態Ｓ２へ移動させるパーティクル数）＝０．００６×３０００＝１８
（状態Ｓ４から状態Ｓ３へ移動させるパーティクル数）＝０．００２×３０００＝６
（状態Ｓ４に滞留させるパーティクル数）＝０．９９０×３０００＝２９７０
（状態Ｓ４から状態Ｓ５へ移動させるパーティクル数）＝０．００１×３０００＝３
（状態Ｓ４から状態Ｓ６へ移動させるパーティクル数）＝０．００１×３０００＝３
ＰＦ処理部９１は、上記に従い、パーティクル数を移動させることにより予測処理を行い、予測処理後の各状態のパーティクル数を、以下の通り、取得する。なお、予測処理後の状態ｋのパーティクル数をＰｔ（ｋ）と表記する。
Ｐｔ（１）＝２５０＋０＝２５０
Ｐｔ（２）＝２５０＋１８＝２６８
Ｐｔ（３）＝２５０＋６＝２５６
Ｐｔ（４）＝２９７０
Ｐｔ（５）＝１０００＋３＝１００３
Ｐｔ（６）＝２５０＋３＝２５３
次に、ＰＦ処理部９１は、重み付け算出処理（尤度算出処理）を行う。

具体的には、ＰＦ処理部９１は、状態ｋの状態推定値Ｄ＿ｐｆ（ｋ）を、
Ｄ＿ｐｆ（ｋ）＝Ｄ＿ｄｅｃｉ（ｋ）×Ｐｔ（ｋ）
により取得することで、重み付け算出処理（尤度算出処理）を行う。

上記の場合、ＰＦ処理部９１は、状態ｋの状態推定値Ｄ＿ｐｆ（ｋ）を、以下の通り、取得する。
Ｄ＿ｐｆ（１）＝Ｄ＿ｄｅｃｉ（１）×Ｐｔ（１）＝０×２５０＝０
Ｄ＿ｐｆ（２）＝Ｄ＿ｄｅｃｉ（２）×Ｐｔ（２）＝０×２６８＝０
Ｄ＿ｐｆ（３）＝Ｄ＿ｄｅｃｉ（３）×Ｐｔ（３）＝０×２５６＝０
Ｄ＿ｐｆ（４）＝Ｄ＿ｄｅｃｉ（４）×Ｐｔ（４）＝０．５×２９７０＝１４８５
Ｄ＿ｐｆ（５）＝Ｄ＿ｄｅｃｉ（５）×Ｐｔ（５）＝０．４×１００３＝４０１．２
Ｄ＿ｐｆ（６）＝Ｄ＿ｄｅｃｉ（６）×Ｐｔ（６）＝０．１×２５３＝２５．３
ＰＦ処理部９１は、上記のようにして取得した状態推定値Ｄ＿ｐｆ（１）〜Ｄ＿ｐｆ（６）を状態推定部９２に出力する。

また、ＰＦ処理部９１は、リサンプリング処理を行う。

具体的には、ＰＦ処理部９１は、Ｄ＿ｐｆ（１）〜Ｄ＿ｐｆ（６）の合計値Ｓｕｍを算出し、パーティクル処理に用いるＰｎｕｍ個（本実施形態では、Ｐｎｕｍ＝５０００）のパーティクルを、各状態に割り当てる。つまり、リサンプリング処理後の状態ｋに割り当てられるパーティクル数をｐｏｓｔ＿Ｐｔ（ｋ）とすると、ｐｏｓｔ＿Ｐｔ（ｋ）は、以下の通り、取得される。なお、ｐｏｓｔ＿Ｐｔ（ｋ）を整数値とするため、下記では、四捨五入している。
Ｐｎｕｍ＝５０００
Ｓｕｍ＝１９１１．５
ｐｏｓｔ＿Ｐｔ（１）＝Ｐｎｕｍ×０／Ｓｕｍ＝０
ｐｏｓｔ＿Ｐｔ（２）＝Ｐｎｕｍ×０／Ｓｕｍ＝０
ｐｏｓｔ＿Ｐｔ（３）＝Ｐｎｕｍ×０／Ｓｕｍ＝０
ｐｏｓｔ＿Ｐｔ（４）＝Ｐｎｕｍ×１４８５／Ｓｕｍ＝３８８４
ｐｏｓｔ＿Ｐｔ（５）＝Ｐｎｕｍ×４０１．２／Ｓｕｍ＝１０４９
ｐｏｓｔ＿Ｐｔ（６）＝Ｐｎｕｍ×２５．３０／Ｓｕｍ＝６６
上記により取得された各状態に割り当てるパーティクル数は、次時刻ｔ＋１のパーティクルフィルタ処理が実行される前の状態ｋに割り当てられているパーティクル数に設定される。

そして、ＰＦ処理部９１は、時刻ｔ＋１においても、上記の処理（時刻ｔの処理）と同様の処理を実行する。

なお、ＰＦ処理部９１は、時刻ｔにおいて、リサンプリング処理後の状態ｋに割り当てられるパーティクル数ｐｏｓｔ＿Ｐｔ（ｋ）が最大となるものに対応する状態（これを状態ｋ＿ｔとする）についての情報を記憶保持し、次時刻ｔ＋１において、前時刻ｔの状態が状態ｋ＿ｔであるとして、状態遷移確率データＤ＿ｔｒ＿ｐｒｂに基づいて、予測処理を行う。

例えば、上記の場合、時刻ｔにおいて、リサンプリング処理後の状態ｋに割り当てられるパーティクル数ｐｏｓｔ＿Ｐｔ（ｋ）が最大となるものに対応する状態は、状態４（状態Ｓ４（Ｗａｌｋｉｎｇ））であるので、ＰＦ処理部９１は、次時刻ｔ＋１において、前時刻ｔの状態が「状態４（状態Ｓ４）」であるとして、状態遷移確率データＤ＿ｔｒ＿ｐｒｂに基づいて、予測処理を行う。

なお、図２０に、上記処理（時刻ｔのパーティクル処理）において算出される数値を、表にして表示している。

状態推定部９２は、状態１〜状態６の状態推定値Ｄ＿ｐｆ（１）〜Ｄ＿ｐｆ（６）のうち、最大値をとる状態推定値Ｄ＿ｐｆ（ｋ）に対応する状態ｋを現時刻ｔの状態であると判定し、当該判定結果を示す信号Ｄｏｕｔを外部に出力する。

つまり、
（１）状態推定値Ｄ＿ｐｆ（１）〜Ｄ＿ｐｆ（６）のうち、Ｄ＿ｐｆ（１）が最大値である場合、状態推定部９２は、状態判定装置１０００に入力されているデータが状態１、すなわち、「Ｓｉｔｔｉｎｇ状態」のデータであることを示す信号Ｄｏｕｔを外部に出力する。
（２）状態推定値Ｄ＿ｐｆ（１）〜Ｄ＿ｐｆ（６）のうち、Ｄ＿ｐｆ（２）が最大値である場合、状態推定部９２は、状態判定装置１０００に入力されているデータが状態２、すなわち、「Ｓｔａｎｄｉｎｇ状態」のデータであることを示す信号Ｄｏｕｔを外部に出力する。
（３）状態推定値Ｄ＿ｐｆ（１）〜Ｄ＿ｐｆ（６）のうち、Ｄ＿ｐｆ（３）が最大値である場合、状態推定部９２は、状態判定装置１０００に入力されているデータが状態３、すなわち、「Ｒｕｎｎｉｎｇ状態」のデータであることを示す信号Ｄｏｕｔを外部に出力する。
（４）状態推定値Ｄ＿ｐｆ（１）〜Ｄ＿ｐｆ（６）のうち、Ｄ＿ｐｆ（４）が最大値である場合、状態推定部９２は、状態判定装置１０００に入力されているデータが状態４、すなわち、「Ｗａｌｋｉｎｇ状態」のデータであることを示す信号Ｄｏｕｔを外部に出力する。
（５）状態推定値Ｄ＿ｐｆ（１）〜Ｄ＿ｐｆ（６）のうち、Ｄ＿ｐｆ（５）が最大値である場合、状態推定部９２は、状態判定装置１０００に入力されているデータが状態５、すなわち、「ＵｐＳｔａｉｒｓ状態」のデータであることを示す信号Ｄｏｕｔを外部に出力する。
（６）状態推定値Ｄ＿ｐｆ（１）〜Ｄ＿ｐｆ（６）のうち、Ｄ＿ｐｆ（６）が最大値である場合、状態推定部９２は、状態判定装置１０００に入力されているデータが状態６、すなわち、「ＤｏｗｎＳｔａｉｒｓ状態」のデータであることを示す信号Ｄｏｕｔを外部に出力する。

例えば、図１２、図１７の場合、図２０に示したように、Ｄ＿ｐｆ（４）（＝Ｐｔ（４）×Ｄ＿ｄｅｃｉ（４）＝２９７）が最大値であるので、状態推定部９２は、状態判定装置１０００に入力されているデータが状態４、すなわち、「Ｗａｌｋｉｎｇ状態」のデータであることを示す信号Ｄｏｕｔを外部に出力する。

これにより、この場合、状態判定装置１０００では、状態判定装置１０００に入力されているデータが、「Ｗａｌｋｉｎｇ状態」のデータであることを適切に判定することができる。

以上のように、状態判定装置１０００では、所定の状態を示すテンプレートデータを作成し、当該テンプレートデータと、ＳＯＭ出力データとの相関度合いを示す値（例えば、内積の値）Ｄ＿ｆ（ｋ）（状態ｋの相関度合いを示す値）を算出する。さらに、状態判定装置１０００では、特徴ベクトルデータＤ２のノルムデータを取得し、取得したノルムデータを用いて、確率密度関数により、確率密度（相対尤度）を取得する。つまり、状態判定装置１０００では、取得したノルムデータから、当該ノルムデータが取得されたときの状態が状態ｋである確率密度（相対尤度）を状態ｋのアクティビティ値Ｄ＿ａｃｔ（ｋ）として、取得する。

そして、状態判定装置１０００では、上記のようにして、取得した、（１）状態ｋの相関度合いを示す値、および、（２）状態ｋのアクティビティ値Ｄ＿ａｃｔ（ｋ）に基づいて、状態評価値Ｄ＿ｄｅｃｉ（ｋ）を取得する。

そして、状態判定装置１０００では、状態遷移確率データＤ＿ｔｒ＿ｐｒｂから、各状態間の遷移確率を取得し、取得した遷移確率に基づいて、パーティクルフィルタ処理の予測処理を行い、状態ｋの予測処理後のパーティクル数Ｐｔ（ｋ）を取得する。

さらに、状態判定装置１０００は、状態ｋの予測処理後のパーティクル数Ｐｔ（ｋ）と、状態ｋの状態評価値Ｄ＿ｄｅｃｉ（ｋ）とに基づいて、状態推定値Ｄ＿ｐｆ（ｋ）を取得する。

上記のようにして取得された状態推定値Ｄ＿ｐｆ（ｋ）は、各状態間の状態遷移確率に基づいて、時系列に推定されたものであるため、状態判定装置１０００は、状態推定値Ｄ＿ｐｆ（ｋ）により、高精度な状態判定処理を行うことができる。

例えば、時刻ｔにおいて、状態評価値Ｄ＿ｄｅｃｉ（ｋ）が、ある２つの状態において近似する値をとる場合（例えば、Ｄ＿ｄｅｃｉ（４）＝０．５であり、Ｄ＿ｄｅｃｉ（５）＝０．４である場合）、状態判定装置１０００では、上記のように、パーティクルフィルタ処理を行い、状態変化を、時系列に推定するので、誤判定することなく、適切に、状態判定処理を行うことができる。

状態判定装置１０００では、ＳＯＭにより生成されるマップにおいて、不連続な領域（例えば、分断された領域）が存在する場合であっても、適切に、所定の状態を示すテンプレートと、ＳＯＭ出力データとの相関度合い（類似度合い）を検出できる。したがって、状態判定装置１０００では、ＳＯＭにより生成されるマップにおいて、不連続な領域（例えば、分断された領域）が存在する場合であっても、適切に、パターン分類処理や、パターン判定処理を行うことができる。

さらに、状態判定装置１０００では、状態ｋのアクティビティ値Ｄ＿ａｃｔ（ｋ）を考慮した状態評価値Ｄ＿ｄｅｃｉ（ｋ）を用い、さらに、状態間の状態遷移確率を考慮したパーティクルフィルタ処理による時系列推定処理を行うので、入力データの状態を、適切に、判定することができる。このため、状態判定装置１０００では、類似するテンプレートデータが複数ある場合であっても、精度よく、状態判定処理を行うことができる。

≪第１変形例≫
次に、第１実施形態の第１変形例について、説明する。

本変形例において、第１実施形態と同様の部分については、同一符号を付し、詳細な説明を省略する。

図２１は、第１実施形態の第１変形例に係る状態判定装置１０００Ａの概略構成図である。

図２２は、第１実施形態の第１変形例のマッチング処理部７Ａの概略構成図である。

図２３は、第１実施形態の第１変形例の状態判定部８Ａの概略構成図である。

本変形例の状態判定装置１０００Ａは、図２１に示すように、第１実施形態の状態判定装置１０００において、マッチング処理部７をマッチング処理部７Ａに置換し、状態判定部８を状態判定部８Ａに置換した構成を有している。

本変形例のマッチング処理部７Ａは、第１実施形態のマッチング処理部７において、第１内積算出部７２１〜第Ｍ内積算出部７２Ｍを、それぞれ、第１距離算出部７３１〜第Ｍ距離算出部７３Ｍに置換した構成を有している。

第１実施形態のマッチング処理部７では、内積を算出することで、適合度データＤ＿ｆを取得したが、本変形例のマッチング処理部７Ａでは、ユークリッド距離を算出することで、適合度データＤ＿ｆを取得する。

つまり、第１距離算出部７３１は、下記数式に相当する処理を実行することで、ＳＯＭ出力データＤ＿ｓｏｍと、テンプレートデータＴｍｐｌ（１）とのユークリッド距離を算出する。
なお、Ｄ_ｉｊは、２次元ＳＯＭ上の座標（ｉ，ｊ）のＳＯＭ出力値であり、ｇ_ｉｊは、テンプレートデータＴｍｐｌ（１）の座標（ｉ，ｊ）の値である。

第ｋ距離算出部８３ｋ（ｋ：自然数、１≦ｋ≦６）は、下記数式に相当する処理を実行することで、ＳＯＭ出力データＤ＿ｓｏｍと、テンプレートデータＴｍｐｌ（ｋ）とのユークリッド距離を算出する。
なお、Ｄ_ｉｊは、２次元ＳＯＭ上の座標（ｉ，ｊ）のＳＯＭ出力値であり、ｇ_ｉｊは、テンプレートデータＴｍｐｌ（ｋ）の座標（ｉ，ｊ）の値である。

マッチング処理部７Ａは、上記により取得したデータを、適合度データのベクトルデータｖｅｃ＿Ｄ＿ｆ（＝（Ｄ＿ｆ（１），Ｄ＿ｆ（２），Ｄ＿ｆ（３），Ｄ＿ｆ（４），Ｄ＿ｆ（５），Ｄ＿ｆ（６）））として、状態判定部８Ａに出力する。

状態判定部８Ａは、図２３に示すように、状態判定部８の第１判定部８１〜第６判定部８６を、それぞれ、第１判定部８１Ａ〜第６判定部８６Ａに置換した構成を有している。

状態判定部８Ａは、アクティビティ値取得部５から出力されるベクトルデータｖｅｃ＿Ｄ＿ａｃｔと、マッチング処理部７Ａから出力される適合度データのベクトルデータｖｅｃ＿Ｄ＿ｆとに基づいて、状態評価値のベクトルデータｖｅｃ＿Ｄ＿ｄｅｃｉを取得する。

具体的には、状態ｋの状態評価値をＤ＿ｄｅｃｉ（ｋ）（ｋ：自然数、１≦ｋ≦６）とすると、状態判定部８Ａの第ｋ判定部８ｋＡ（ｋ：自然数、１≦ｋ≦６）は、
Ｄ＿ｄｅｃｉ（ｋ）＝Ｄ＿ａｃｔ（ｋ）×Ｆ１（Ｄ＿ｆ（ｋ））
に相当する処理により、状態ｋの状態評価値Ｄ＿ｄｅｃｉ（ｋ）を取得する。

なお、関数Ｆ１（ｘ）は、変数ｘについて単調減少となる関数であり、関数Ｆ１（ｘ）の値は常に正の値（０を含む）をとるものとする。

上記のようにユークリッド距離の算出により、適合度データを取得した場合、適合度データの値が小さい程、ユークリッド距離の算出処理に用いたテンプレートに対応する状態である可能性が高い。そして、関数Ｆ１（ｘ）は、変数ｘについて単調減少となる関数であるので、Ｆ１（Ｄ＿ｆ（ｋ））の値が大きい程、状態判定装置１０００Ａに入力されているデータが、ユークリッド距離の算出処理に用いたテンプレートに対応する状態のデータである可能性が高い。

また、アクティビティ値Ｄ＿ａｃｔ（ｋ）の値が大きい程、状態判定装置１０００Ａに入力されているデータが、状態ｋにおいて取得されているデータである可能性が高い。

したがって、状態評価値Ｄ＿ｄｅｃｉ（ｋ）の値が大きい程、状態判定装置１０００Ａに入力されているデータの状態が、状態ｋである可能性が高い。

上記のようにして取得された状態１〜状態６の状態評価値Ｄ＿ｄｅｃｉ（１）〜Ｄ＿ｄｅｃｉ（６）は、ベクトルデータｖｅｃ＿Ｄ＿ｄｅｃｉとして、状態判定部８Ａから時系列推定部９に出力される。

時系列推定部９での処理は、第１実施形態と同様である。

以上のように、状態判定装置１０００Ａでは、ユークリッド距離を用いて、状態ｋの適合度データＤ＿ｆ（ｋ）を取得し、取得した状態ｋの適合度データＤ＿ｆ（ｋ）と、状態ｋのアクティビティ値Ｄ＿ａｃｔ（ｋ）に基づいて、状態評価値Ｄ＿ｄｅｃｉ（ｋ）を取得する。

そして、状態判定装置１０００Ａでは、状態遷移確率データＤ＿ｔｒ＿ｐｒｂから、各状態間の遷移確率を取得し、取得した遷移確率に基づいて、パーティクルフィルタ処理の予測処理を行い、状態ｋの予測処理後のパーティクル数Ｐｔ（ｋ）を取得する。

さらに、状態判定装置１０００Ａは、状態ｋの予測処理後のパーティクル数Ｐｔ（ｋ）と、状態ｋの状態評価値Ｄ＿ｄｅｃｉ（ｋ）とに基づいて、状態推定値Ｄ＿ｐｆ（ｋ）を取得する。

上記のようにして取得された状態推定値Ｄ＿ｐｆ（ｋ）は、各状態間の状態遷移確率に基づいて、時系列に推定されたものであるため、状態判定装置１０００Ａは、状態推定値Ｄ＿ｐｆ（ｋ）により、高精度な状態判定処理を行うことができる。

例えば、時刻ｔにおいて、状態評価値Ｄ＿ｄｅｃｉ（ｋ）が、ある２つの状態において近似する値をとる場合（例えば、Ｄ＿ｄｅｃｉ（４）＝０．５であり、Ｄ＿ｄｅｃｉ（５）＝０．４である場合）、状態判定装置１０００Ａでは、上記のように、パーティクルフィルタ処理を行い、状態変化を、時系列に推定するので、誤判定することなく、適切に、状態判定処理を行うことができる。

状態判定装置１０００Ａでは、ＳＯＭにより生成されるマップにおいて、不連続な領域（例えば、分断された領域）が存在する場合であっても、適切に、所定の状態を示すテンプレートと、ＳＯＭ出力データとの相関度合い（類似度合い）を検出できる。したがって、状態判定装置１０００Ａでは、ＳＯＭにより生成されるマップにおいて、不連続な領域（例えば、分断された領域）が存在する場合であっても、適切に、パターン分類処理や、パターン判定処理を行うことができる。

さらに、状態判定装置１０００Ａでは、状態ｋのアクティビティ値Ｄ＿ａｃｔ（ｋ）を考慮した状態評価値Ｄ＿ｄｅｃｉ（ｋ）を用い、さらに、状態間の状態遷移確率を考慮したパーティクルフィルタ処理による時系列推定処理を行うので、入力データの状態を、適切に、判定することができる。このため、状態判定装置１０００Ａでは、類似するテンプレートデータが複数ある場合であっても、精度よく、状態判定処理を行うことができる。

≪第２変形例≫
次に、第１実施形態の第２変形例について、説明する。

本変形例において、第１実施形態と同様の部分については、同一符号を付し、詳細な説明を省略する。

図２４は、第１実施形態の第２変形例に係る状態判定装置１０００Ｂの概略構成図である。

図２５は、第１実施形態の第２変形例の状態判定部８Ｂの概略構成図である。

本変形例の状態判定装置１０００Ｂは、図２４に示すように、第１実施形態の状態判定装置１０００において、アクティビティ値取得部５を削除し、状態判定部８を状態判定部８Ｂに置換した構成を有している。

状態判定部８Ｂは、図２４に示すように、状態判定部８の第１判定部８１〜第６判定部８６を、それぞれ、第１判定部８１Ｂ〜第６判定部８６Ｂに置換した構成を有している。

状態判定部８Ｂは、マッチング処理部７Ａから出力される適合度データのベクトルデータｖｅｃ＿Ｄ＿ｆに基づいて、状態評価値のベクトルデータｖｅｃ＿Ｄ＿ｄｅｃｉを取得する。

具体的には、状態ｋの状態評価値をＤ＿ｄｅｃｉ（ｋ）（ｋ：自然数、１≦ｋ≦６）とすると、状態判定部８Ｂの第ｋ判定部８ｋＢ（ｋ：自然数、１≦ｋ≦６）は、
Ｄ＿ｄｅｃｉ（ｋ）＝Ｄ＿ｆ（ｋ）
として、状態ｋの状態評価値Ｄ＿ｄｅｃｉ（ｋ）を取得する。

上記のようにして取得された状態１〜状態６の状態評価値Ｄ＿ｄｅｃｉ（１）〜Ｄ＿ｄｅｃｉ（６）は、ベクトルデータｖｅｃ＿Ｄ＿ｄｅｃｉとして、状態判定部８Ｂから時系列推定部９に出力される。

時系列推定部９での処理は、第１実施形態と同様である。

なお、本変形例の状態判定装置１０００Ｂにおいて、マッチング処理部７を、第１変形例のマッチング処理部７Ａに置換してもよい。

この場合、状態判定部８Ｂは、以下のように処理を行う。

つまり、状態判定部８Ｂは、状態ｋの状態評価値をＤ＿ｄｅｃｉ（ｋ）（ｋ：自然数、１≦ｋ≦６）とすると、状態判定部８Ｂの第ｋ判定部８ｋＢ（ｋ：自然数、１≦ｋ≦６）は、
Ｄ＿ｄｅｃｉ（ｋ）＝Ｆ１（Ｄ＿ｆ（ｋ））
に相当する処理により、状態ｋの状態評価値Ｄ＿ｄｅｃｉ（ｋ）を取得する。

なお、関数Ｆ１（ｘ）は、変数ｘについて単調減少となる関数であり、関数Ｆ１（ｘ）の値は常に正の値（０を含む）をとるものとする。

上記のようにユークリッド距離の算出により、適合度データを取得した場合、適合度データの値が小さい程、ユークリッド距離の算出処理に用いたテンプレートに対応する状態である可能性が高い。そして、関数Ｆ１（ｘ）は、変数ｘについて単調減少となる関数であるので、Ｆ１（Ｄ＿ｆ（ｋ））の値が大きい程、状態判定装置１０００Ｂに入力されているデータが、ユークリッド距離の算出処理に用いたテンプレートに対応する状態のデータである可能性が高い。

したがって、状態評価値Ｄ＿ｄｅｃｉ（ｋ）の値が大きい程、状態判定装置１０００Ｂに入力されているデータの状態が、状態ｋである可能性が高い。

上記のようにして取得された状態１〜状態６の状態評価値Ｄ＿ｄｅｃｉ（１）〜Ｄ＿ｄｅｃｉ（６）は、ベクトルデータｖｅｃ＿Ｄ＿ｄｅｃｉとして、状態判定部８Ｂから時系列推定部９に出力される。

時系列推定部９での処理は、第１実施形態と同様である。

以上のように、状態判定装置１０００Ｂでは、内積算出処理、または、ユークリッド距離算出処理の結果を用いて、状態ｋの適合度データＤ＿ｆ（ｋ）を取得し、取得した状態ｋの適合度データＤ＿ｆ（ｋ）に基づいて、状態評価値Ｄ＿ｄｅｃｉ（ｋ）を取得する。

そして、状態判定装置１０００Ｂでは、状態遷移確率データＤ＿ｔｒ＿ｐｒｂから、各状態間の遷移確率を取得し、取得した遷移確率に基づいて、パーティクルフィルタ処理の予測処理を行い、状態ｋの予測処理後のパーティクル数Ｐｔ（ｋ）を取得する。

さらに、状態判定装置１０００Ｂは、状態ｋの予測処理後のパーティクル数Ｐｔ（ｋ）と、状態ｋの状態評価値Ｄ＿ｄｅｃｉ（ｋ）とに基づいて、状態推定値Ｄ＿ｐｆ（ｋ）を取得する。

上記のようにして取得された状態推定値Ｄ＿ｐｆ（ｋ）は、各状態間の状態遷移確率に基づいて、時系列に推定されたものであるため、状態判定装置１０００Ｂは、状態推定値Ｄ＿ｐｆ（ｋ）により、高精度な状態判定処理を行うことができる。

例えば、時刻ｔにおいて、状態評価値Ｄ＿ｄｅｃｉ（ｋ）が、ある２つの状態において近似する値をとる場合（例えば、Ｄ＿ｄｅｃｉ（４）＝０．５であり、Ｄ＿ｄｅｃｉ（５）＝０．４である場合）、状態判定装置１０００Ｂでは、上記のように、パーティクルフィルタ処理を行い、状態変化を、時系列に推定するので、誤判定することなく、適切に、状態判定処理を行うことができる。

状態判定装置１０００Ｂでは、ＳＯＭにより生成されるマップにおいて、不連続な領域（例えば、分断された領域）が存在する場合であっても、適切に、所定の状態を示すテンプレートと、ＳＯＭ出力データとの相関度合い（類似度合い）を検出できる。したがって、状態判定装置１０００Ｂでは、ＳＯＭにより生成されるマップにおいて、不連続な領域（例えば、分断された領域）が存在する場合であっても、適切に、パターン分類処理や、パターン判定処理を行うことができる。

［他の実施形態］
上記実施形態および変形例を組み合わせて状態判定装置を構成するようにしてもよい。

上記実施形態および変形例では、ノルムデータ記憶部４２、ＳＯＭデータ記憶部４４と、テンプレートデータ記憶部４６とが、別々のメモリにより実現される場合について説明したが、これに限定されることはなく、例えば、ノルムデータ記憶部４２、ＳＯＭデータ記憶部４４、および、テンプレートデータ記憶部４６の２つ以上の記憶部が、１つのメモリにより実現されるものであってもよい。

また、実施形態および変形例では、アクティビティ値取得部５は、状態ｋの特徴ベクトルデータＤ２のノルムデータが正規分布であると仮定し、アクティビティ値Ｄ＿ａｃｔ（ｋ）を正規分布に従う確率密度関数ｆ（ｘ）により、算出する場合について説明したが、これに限定されることはない。例えば、アクティビティ値取得部５は、確率密度関数ｆ（ｘ）を、例えば、折れ線による近似計算等により算出し、算出した確率密度関数ｆ（ｘ）の近似値に基づいて、アクティビティ値Ｄ＿ａｃｔ（ｋ）を取得するようにしてもよい。

また、実施形態および変形例では、学習フェーズにおいて、ノルム取得部４１がノルムデータを取得し、取得したノルムデータをノルムデータ記憶部４２に記憶する場合について説明したが、これに限定されることはない。例えば、テンプレート作成フェーズにおいて、ノルム取得部４１がノルムデータを取得し、取得したノルムデータをノルムデータ記憶部４２に記憶するようにしてもよい。

また、実施形態および変形例では、特徴ベクトルデータＤ２、正規化特徴ベクトルデータＤ３の次元数は、「８」の場合（８次元のベクトルデータの場合）について、説明したが、これに限定されることはなく、特徴ベクトルデータＤ２、正規化特徴ベクトルデータＤ３の次元数は、他の数であってもよい。つまり、特徴ベクトルデータＤ２、正規化特徴ベクトルデータＤ３は、８次元以外の多次元ベクトルデータであってもよい。

また、上記実施形態（変形例を含む）において示した状態遷移確率データ（例えば、図１５に示した状態遷移確率データ）は、一例であり、これに限定されない。

また、上記実施形態で説明した状態判定装置において、各ブロックは、ＬＳＩなどの半導体装置により個別に１チップ化されても良いし、一部又は全部を含むように１チップ化されても良い。

なお、ここでは、ＬＳＩとしたが、集積度の違いにより、ＩＣ、システムＬＳＩ、スーパーＬＳＩ、ウルトラＬＳＩと呼称されることもある。

また、集積回路化の手法はＬＳＩに限るものではなく、専用回路又は汎用プロセサで実現してもよい。ＬＳＩ製造後に、プログラムすることが可能なＦＰＧＡ（Ｆｉｅｌｄ Ｐｒｏｇｒａｍｍａｂｌｅ Ｇａｔｅ Ａｒｒａｙ）や、ＬＳＩ内部の回路セルの接続や設定を再構成可能なリコンフィギュラブル・プロセッサーを利用しても良い。

また、上記各実施形態の各機能ブロックの処理の一部または全部は、プログラムにより実現されるものであってもよい。そして、上記各実施形態の各機能ブロックの処理の一部または全部は、コンピュータにおいて、中央演算装置（ＣＰＵ）により行われる。また、それぞれの処理を行うためのプログラムは、ハードディスク、ＲＯＭなどの記憶装置に格納されており、ＲＯＭにおいて、あるいはＲＡＭに読み出されて実行される。

また、上記実施形態の各処理をハードウェアにより実現してもよいし、ソフトウェア（ＯＳ（オペレーティングシステム）、ミドルウェア、あるいは、所定のライブラリとともに実現される場合を含む。）により実現してもよい。さらに、ソフトウェアおよびハードウェアの混在処理により実現しても良い。

例えば、上記実施形態（変形例を含む）の各機能部を、ソフトウェアにより実現する場合、図２６に示したハードウェア構成（例えば、ＣＰＵ、ＲＯＭ、ＲＡＭ、入力部、出力部等をバスＢｕｓにより接続したハードウェア構成）を用いて、各機能部をソフトウェア処理により実現するようにしてもよい。

また、上記実施形態における処理方法の実行順序は、必ずしも、上記実施形態の記載に制限されるものではなく、発明の要旨を逸脱しない範囲で、実行順序を入れ替えることができるものである。

前述した方法をコンピュータに実行させるコンピュータプログラム及びそのプログラムを記録したコンピュータ読み取り可能な記録媒体は、本発明の範囲に含まれる。ここで、コンピュータ読み取り可能な記録媒体としては、例えば、フレキシブルディスク、ハードディスク、ＣＤ−ＲＯＭ、ＭＯ、ＤＶＤ、ＤＶＤ−ＲＯＭ、ＤＶＤ−ＲＡＭ、大容量ＤＶＤ、次世代ＤＶＤ、半導体メモリを挙げることができる。

上記コンピュータプログラムは、上記記録媒体に記録されたものに限られず、電気通信回線、無線又は有線通信回線、インターネットを代表とするネットワーク等を経由して伝送されるものであってもよい。

また、文言「部」は、「サーキトリー（ｃｉｒｃｕｉｔｒｙ）」を含む概念であってもよい。サーキトリーは、ハードウェア、ソフトウェア、あるいは、ハードウェアおよびソフトウェアの混在により、その全部または一部が、実現されるものであってもよい。

なお、本発明の具体的な構成は、前述の実施形態に限られるものではなく、発明の要旨を逸脱しない範囲で種々の変更および修正が可能である。

１０００、１０００Ａ、１０００Ｂ 状態判定装置
１ データ入力部
２ 特徴ベクトル取得部
３ 正規化部
４ テンプレートデータ取得部
５ アクティビティ値取得部
６ 写像変換部
７、７Ａ マッチング処理部
８、８Ａ、８Ｂ 状態判定部
９ 時系列推定部

Claims (14)

1. 未知の状態の事象を計測して得られる計測データから特徴ベクトルデータを取得する特徴ベクトル取得部と、
   前記特徴ベクトルデータのノルムを取得するとともに、前記特徴ベクトルデータを正規化した正規化特徴ベクトルデータを取得する正規化部と、
   前記正規化特徴ベクトルデータを、前記正規化特徴ベクトルデータの次元とは異なる次元の空間に射影することで、ＳＯＭ出力データを取得する写像変換部と、
   所定の状態を示すテンプレートデータと、前記写像変換部により取得された前記ＳＯＭ出力データとの相関度を示す適合度データを取得するマッチング処理部と、
   前記マッチング処理部により取得された前記適合度データに基づいて、状態評価値を取得する状態判定部と、
   前記状態評価値と、所定の状態間の状態遷移確率とに基づいて、前記計測データが示す状態を推定する時系列推定部と、
   を備える状態判定装置。
2. 前記正規化部により取得された前記ノルムが、所定の状態において取得される前記特徴ベクトルデータのノルムに対応する確率を示す値であるアクティビティ値を取得するアクティビティ値取得部をさらに備え、
   前記状態判定部は、前記マッチング処理部により取得された前記適合度データと、前記アクティビティ値取得部により取得されたアクティビティ値とに基づいて、状態評価値を取得し、
   前記時系列推定部は、
   前記状態判定部により取得された前記状態評価値と、所定の状態間の状態遷移確率とに基づいて、前記計測データが示す状態を推定する、
   請求項１に記載の状態判定装置。
3. 前記アクティビティ値取得部は、
   状態ｋ（ｋ：自然数、１≦ｋ≦Ｍ、Ｍ：自然数）において取得される前記特徴ベクトルデータのノルムの平均値をμとし、標準偏差値をσとし、変数ｘを前記特徴ベクトルデータのノルムの値とし、確率密度関数ｆ（ｘ）としたとき、
   により算出される値ｆ（ｘ）を、状態ｋについての前記アクティビティ値として取得する、
   請求項２に記載の状態判定装置。
4. 前記マッチング処理部は、
   Ｍ個（Ｍ：自然数）のテンプレートデータＴｍｐｌ（１）〜Ｔｍｐｌ（Ｍ）のそれぞれと、前記ＳＯＭ出力データとの相関度を示す前記適合度データＤ＿ｆ（１）〜Ｄ＿ｆ（Ｍ）を取得し、
   前記アクティビティ値取得部は、
   状態１から状態Ｍに、それぞれ、対応するアクティビティ値Ｄ＿ａｃｔ（１）〜Ｄ＿ａｃｔ（Ｍ）を取得し、
   前記状態判定部は、
   状態ｋ（ｋ：自然数、１≦ｋ≦Ｍ）の適合度データＤ＿ｆ（ｋ）およびアクティビティ値Ｄ＿ａｃｔ（ｋ）に基づいて、状態ｋの状態評価値Ｄ＿ｄｅｃｉ（ｋ）を取得し、
   前記時系列推定部は、
   状態間の状態遷移確率を示すデータである状態遷移確率データを用いて、パーティクルフィルタ処理を行い、前記状態遷移確率データに基づいて、パーティクルフィルタ処理の予測処理を行い、前記予測処理後の状態ｋのパーティクル数Ｐｔ（ｋ）を取得し、
   取得した前記予測処理後の状態ｋのパーティクル数Ｐｔ（ｋ）と、前記状態ｋの状態評価値Ｄ＿ｄｅｃｉ（ｋ）と、状態ｋの状態推定値Ｄ＿ｐｆ（ｋ）を取得し、取得した前記状態ｋの状態推定値Ｄ＿ｐｆ（ｋ）に基づいて、前記計測データが示す状態を決定する、
   請求項２または３に記載の状態判定装置。
5. 前記マッチング処理部は、
   Ｍ個（Ｍ：自然数）のテンプレートデータＴｍｐｌ（１）〜Ｔｍｐｌ（Ｍ）のそれぞれと、前記ＳＯＭ出力データとの内積を算出し、算出した内積の値を前記適合度データＤ＿ｆ（１）〜Ｄ＿ｆ（Ｍ）として取得し、
   前記状態判定部は、
   状態ｋの状態評価値Ｄ＿ｄｅｃｉ（ｋ）を、
   Ｄ＿ｄｅｃｉ（ｋ）＝ｈ１（Ｄ＿ｆ（ｋ），Ｄ＿ａｃｔ（ｋ））
   ｈ１（ｘ，ｙ）：ｘ、ｙを変数とする関数
   により取得し、
   前記時系列推定部は、
   状態ｋの状態推定値Ｄ＿ｐｆ（ｋ）を、
   Ｄ＿ｐｆ（ｋ）＝ｈ２（Ｄ＿ｄｅｃｉ（ｋ），Ｐｔ（ｋ））
   ｈ２（ｘ，ｙ）：ｘ、ｙを変数とする関数
   により取得し、
   前記状態推定値Ｄ＿ｐｆ（１）〜Ｄ＿ｐｆ（Ｍ）のうち、最大値をとる前記状態推定値に対応する状態を、前記計測データが示す状態であると判定する、
   請求項４に記載の状態判定装置。
6. 前記マッチング処理部は、
   Ｍ個（Ｍ：自然数）のテンプレートデータＴｍｐｌ（１）〜Ｔｍｐｌ（Ｍ）のそれぞれと、前記ＳＯＭ出力データとのユークリッド距離を算出し、算出したユークリッド距離の値を前記適合度データＤ＿ｆ（１）〜Ｄ＿ｆ（Ｍ）として取得し、
   前記状態判定部は、
   Ｆ１（ｘ）を変数ｘについて単調減少する関数であって、常に、正の値（０を含む）をとる関数とするとき、
   状態ｋの状態評価値Ｄ＿ｄｅｃｉ（ｋ）を、
   Ｄ＿ｄｅｃｉ（ｋ）＝ｈ１（Ｆ１（Ｄ＿ｆ（ｋ）），Ｄ＿ａｃｔ（ｋ））
   ｈ１（ｘ，ｙ）：ｘ、ｙを変数とする関数
   により取得し、
   前記時系列推定部は、
   状態ｋの状態推定値Ｄ＿ｐｆ（ｋ）を、
   Ｄ＿ｐｆ（ｋ）＝ｈ２（Ｄ＿ｄｅｃｉ（ｋ），Ｐｔ（ｋ））
   ｈ２（ｘ，ｙ）：ｘ、ｙを変数とする関数
   により取得し、
   前記状態推定値Ｄ＿ｐｆ（１）〜Ｄ＿ｐｆ（Ｍ）のうち、最大値をとる前記状態推定値に対応する状態を、前記計測データが示す状態であると判定する、
   請求項４に記載の状態判定装置。
7. 前記テンプレートデータは、２次元の要素から構成されるデータであり、
   前記テンプレートデータの各要素データの値の総和は、「１」である、
   請求項２から６のいずれかに記載の状態判定装置。
8. 前記テンプレートデータは、２次元の要素から構成されるデータであり、
   前記テンプレートデータは、同一状態が継続する時刻ｔ＝１から時刻ｔ＝Ｎ（Ｎ：自然数）までの期間に取得されたＮ個のＳＯＭ出力データに基づいて、生成されたデータであり、
   前記テンプレートデータが、ｍ×ｎ個（ｍ、ｎ：自然数）から構成されるデータである場合、
   前記テンプレートデータの２次元の座標（ｉ，ｊ）（ｉ，ｊ：自然数、１≦ｉ≦ｍ、１≦ｊ≦ｎ）の要素データをｇ_ｉｊとし、
   時刻ｔの前記ＳＯＭ出力データの２次元の座標（ｉ，ｊ）の要素データをＤ_ｉｊ（ｔ）とすると、
   前記テンプレートデータは、
   により取得された値ｇ_ｉｊを、前記テンプレートの２次元の座標（ｉ，ｊ）（ｉ，ｊ：自然数、１≦ｉ≦ｍ、１≦ｊ≦ｎ）の要素データとすることで生成されたデータである、
   請求項２から７のいずれかに記載の状態判定装置。
9. 前記テンプレートデータは、２次元の要素から構成されるデータであり、
   前記テンプレートデータは、同一状態が継続する時刻ｔ＝１から時刻ｔ＝Ｎ（Ｎ：自然数）までの期間に取得されたＮ個のＳＯＭ出力データに基づいて、生成されたデータであり、
   前記テンプレートデータが、ｍ×ｎ個（ｍ、ｎ：自然数）から構成されるデータである場合、
   前記テンプレートデータの２次元の座標（ｉ，ｊ）（ｉ，ｊ：自然数、１≦ｉ≦ｍ、１≦ｊ≦ｎ）の要素データをｇ_ｉｊとし、
   時刻ｔの前記ＳＯＭ出力データの２次元の座標（ｉ，ｊ）の要素データをＤ_ｉｊ（ｔ）とすると、
   前記テンプレートデータは、要素データＤ_ｉｊ（ｔ）を所定の閾値Ｔｈ１と比較し、Ｄ_ｉｊ（ｔ）≧Ｔｈ１である要素データＤ_ｉｊ（ｔ）の平均値を算出し、算出した平均値を座標（ｉ，ｊ）のテンプレートデータの値ｇ_ｉｊとすることで、生成されたデータである、
   請求項２から７のいずれかに記載の状態判定装置。
10. 前記テンプレートデータは、２次元の要素から構成されるデータであり、
    前記テンプレートデータは、同一状態が継続する時刻ｔ＝１から時刻ｔ＝Ｎ（Ｎ：自然数）までの期間に取得されたＮ個のＳＯＭ出力データに基づいて、生成されたデータであり、
    前記テンプレートデータが、ｍ×ｎ個（ｍ、ｎ：自然数）から構成されるデータである場合、
    前記テンプレートデータの２次元の座標（ｉ，ｊ）（ｉ，ｊ：自然数、１≦ｉ≦ｍ、１≦ｊ≦ｎ）の要素データをｇ_ｉｊとし、
    時刻ｔの前記ＳＯＭ出力データの２次元の座標（ｉ，ｊ）の要素データをＤ_ｉｊ（ｔ）とすると、
    前記テンプレートデータは、
    により取得された座標（ｉ，ｊ）の要素データの分散値ｖ_ｉｊを、所定の閾値Ｔｈ２と比較し、ｖ_ｉｊ≦Ｔｈ２を満たす、座標（ｉ，ｊ）の前記ＳＯＭ出力データの値Ｄ_ｉｊ（ｔ）の平均値を算出し、算出した平均値を座標（ｉ，ｊ）のテンプレートデータの値ｇ_ｉｊとすることで、生成されたデータである、
    請求項２から７のいずれかに記載の状態判定装置。
11. 前記テンプレートデータは、２次元の要素から構成されるデータであり、
    前記テンプレートデータは、同一状態が継続する時刻ｔ＝１から時刻ｔ＝Ｎ（Ｎ：自然数）までの期間に取得されたＮ個のＳＯＭ出力データに基づいて、生成されたデータであり、
    前記テンプレートデータが、ｍ×ｎ個（ｍ、ｎ：自然数）から構成されるデータである場合、
    前記テンプレートデータの２次元の座標（ｉ，ｊ）（ｉ，ｊ：自然数、１≦ｉ≦ｍ、１≦ｊ≦ｎ）の要素データをｇ_ｉｊとし、
    時刻ｔの前記ＳＯＭ出力データの２次元の座標（ｉ，ｊ）の要素データをＤ_ｉｊ（ｔ）とすると、
    前記テンプレートデータは、
    により取得された座標（ｉ，ｊ）の要素データの分散値ｖ_ｉｊを、所定の閾値Ｔｈ２と比較し、ｖ_ｉｊ≦Ｔｈ２を満たす、座標（ｉ，ｊ）の前記ＳＯＭ出力データの値Ｄ_ｉｊ（ｔ）であって、かつ、前記ＳＯＭ出力データの値Ｄ_ｉｊ（ｔ）が所定の閾値Ｔｈ３よりも大きいもののみの平均値を算出し、算出した平均値を座標（ｉ，ｊ）のテンプレートデータの値ｇ_ｉｊとすることで、生成されたデータである、
    請求項２から７のいずれかに記載の状態判定装置。
12. 前記テンプレートデータは、２次元の要素から構成されるデータであり、
    前記テンプレートデータは、同一状態が継続する時刻ｔ＝１から時刻ｔ＝Ｎ（Ｎ：自然数）までの期間に取得されたＮ個のＳＯＭ出力データに基づいて、生成されたデータであり、
    前記テンプレートデータが、ｍ×ｎ個（ｍ、ｎ：自然数）から構成されるデータである場合、
    前記テンプレートデータの２次元の座標（ｉ，ｊ）（ｉ，ｊ：自然数、１≦ｉ≦ｍ、１≦ｊ≦ｎ）の要素データをｇ_ｉｊとし、
    時刻ｔの前記ＳＯＭ出力データの２次元の座標（ｉ，ｊ）の要素データをＤ_ｉｊ（ｔ）とすると、
    前記テンプレートデータは、
    σ_ｉｊ＝ｓｑｒｔ（ｖ_ｉｊ）
    ｓｑｒｔ（ｘ）：ｘの平方根を取得する関数
    により取得された座標（ｉ，ｊ）の要素データの標準偏差をσ_ｉｊとすると、
    ａｂｓ（Ｄ_ｉｊ（ｔ）−ＡｖｅＤ_ｉｊ）≦ｎ１×σ_ｉｊ（ｎ１：正の実数、ａｂｓ（ｘ）はｘの絶対値を取得する関数）を満たす場合、座標（ｉ，ｊ）の前記ＳＯＭ出力の値Ｄ_ｉｊ（ｔ）の平均値を算出し、算出した平均値を座標（ｉ，ｊ）のテンプレートデータの値ｇ_ｉｊとし、
    ａｂｓ（Ｄ_ｉｊ（ｔ）−ＡｖｅＤ_ｉｊ）≦ｎ１×σ_ｉｊを満たさない場合、座標（ｉ，ｊ）のテンプレートデータの値ｇ_ｉｊを「０」にすることで、生成されたデータである、
    請求項２から７のいずれかに記載の状態判定装置。
13. 未知の状態の事象を計測して得られる計測データから特徴ベクトルデータを取得する特徴ベクトル取得ステップと、
    前記特徴ベクトルデータのノルムを取得するとともに、前記特徴ベクトルデータを正規化した正規化特徴ベクトルデータを取得する正規化ステップと、
    前記正規化特徴ベクトルデータを、前記正規化特徴ベクトルデータの次元とは異なる次元の空間に射影することで、ＳＯＭ出力データを取得する写像変換ステップと、
    所定の状態を示すテンプレートデータと、前記写像変換ステップにより取得された前記ＳＯＭ出力データとの相関度を示す適合度データを取得するマッチング処理ステップと、
    前記正規化ステップにより取得された前記ノルムが、所定の状態において取得される前記特徴ベクトルデータのノルムに対応する確率を示す値であるアクティビティ値を取得するアクティビティ値取得ステップと、
    前記マッチング処理ステップにより取得された前記適合度データ、および、前記アクティビティ値取得ステップにより取得されたアクティビティ値の少なくとも１つに基づいて、状態評価値を取得する状態判定ステップと、
    前記状態評価値と、所定の状態間の状態遷移確率とに基づいて、前記計測データが示す状態を推定する時系列推定ステップと、
    を備える状態判定方法をコンピュータに実行させるためのプログラム。
14. 未知の状態の事象を計測して得られる計測データから特徴ベクトルデータを取得する特徴ベクトル取得部と、
    前記特徴ベクトルデータのノルムを取得するとともに、前記特徴ベクトルデータを正規化した正規化特徴ベクトルデータを取得する正規化部と、
    前記正規化特徴ベクトルデータを、前記正規化特徴ベクトルデータの次元とは異なる次元の空間に射影することで、ＳＯＭ出力データを取得する写像変換部と、
    所定の状態を示すテンプレートデータと、前記写像変換部により取得された前記ＳＯＭ出力データとの相関度を示す適合度データを取得するマッチング処理部と、
    前記正規化部により取得された前記ノルムが、所定の状態において取得される前記特徴ベクトルデータのノルムに対応する確率を示す値であるアクティビティ値を取得するアクティビティ値取得部と、
    前記マッチング処理部により取得された前記適合度データ、および、前記アクティビティ値取得部により取得されたアクティビティ値の少なくとも１つに基づいて、状態評価値を取得する状態判定部と、
    前記状態評価値と、所定の状態間の状態遷移確率とに基づいて、前記計測データが示す状態を推定する時系列推定部と、
    を備える集積回路。