本論文では,多変量解析法を主たる手段とし,局所的もしくは潜在的な特徴を抽出するデータマイニングの方法を提案した.まず,第2章では,より明確な相関関係のグラフ表現法として絶対値距離および実数乗距離を用いた数量化分析3類を提案した.提案法では,その用途に応じて,分類の明確さの程度を使い分けることが可能であるという特徴がある.第3章,第4章では,Fuzzy c-Means(FCM)法と数量化分析3類の同時分析法,FCM法と正準相関分析の同時分析法を提案した.提案法を用いることによって,全てのデータを対象として分析した場合には不明確であった局所的な特徴を捉えることができる.第5章では,FCM法と回帰分析と主成分分析の同時分析法を提案した.提案法は,不良設定性や多重共線性の問題を回避し,大量データから単純で明確な回帰を行うことを可能にした.

抄録全体を表示

本論文は、医用画像処理における領域知識の導入法と、その均質領域分割への応用に関する研究をまとめたものであり、全7章から構成されている。第1章は序論である。第2章、第3章では、動的特徴探索モデルMAGNETおよび多重スケールマッチングを用いた領域知識の導入法を提案し、脳溝最深部の自動検出および海馬領域の自動分割に適用してそれぞれの有効性を検証している。第4章から第6章では、ファジィedgeness(境界らしさ)およびファジィROIness(関心領域らしさ)を用いた領域知識の導入法を提案し、脳部位分割、足骨分割、心臓および心血管分割へ適用してそれぞれの有効性を示している。第7章は研究成果の総括である。本研究により、従来の医用画像処理法では困難であった濃度差を持たない均質領域の自動分割が、精選された領域知識の適切なモデル化によって医師の手作業とほぼ同程度の精度で実現可能となることが示された。

抄録全体を表示

ニューラルネットワークの学習法の1つであるBP学習は,中間層のニューロン数が十分であれば高い学習能力があることは知られている.ところが中間ニューロンの解釈が難しくブラックボックスと呼ばれる原因となっている.この問題の解決のために,ネットワークからルールを抽出する手法がいくつか提案されているが,抽出されたルールどうしの関係は述べられていない.本論文では,中間ニューロンどうしの競合を考慮するために,中間層で格子状にニューロンを配置した格子構造ニューラルネットワークを提案し,中間ニューロンを生成/消去し,教師信号に応じて適切なニューロン数を決定する学習法を提案する.この方法は,BP学習の特徴と競合学習の特徴の双方を合わせたもので,入力信号の特徴で近いものどうしが,格子状の中間ニューロンにより形成されたマップ上で近い位置に出力し,さらに全体として教師信号の入出力関係を表現する能力をもつ.提案したネットワークの有効性を示すために,幾つかの関数の同定,座標値の分類実験を行い,その結果を報告する.

抄録全体を表示

We propose simple topographic mapping formation models from cell layer to cell layer. Our model is a discrete one, that is the state value of input and output cells takes 0 or 1 and input and output layers are represented by undirected graphs. Thus, a topographic mapping described in this model is a map which preserves the adjacency relation. We define several learning rules and a few weight normalization methods. By computer simulations we investigate topographic mapping formation conditions. We show that when an output unit normalization is considered, we have more learning rules which yield topographic mappings than the cases when an input normalization is adopted or without normalization. As to the input unit normalization, we have shown theoretically that topographic mappings are the only stable ones under the correlational type learning rule.

抄録全体を表示

This paper considers an application of the Self-Organizing Map (SOM), an effective technique for clustering of multi-dimensional data, to the short-term prediction of the oil temperature change of the transformer. For its application, three types of processes for the prediction are investigated, i.e., (1) A SOM is obtained by using atmospheric temperature, load rate and oil temperature in the past year, then the oil temperature except those for leaning the SOM is predicted. (2) Due to the heavy load during the summer, the SOM is obtained with every three months for the duration June through October. The oil temperature for the season is predicted using similar data structure as that of process (1). (3) The prediction of the oil temperature of transformers can be realized by the SOM based on the maximum and minimum values of the forecast atmospheric temperature announced by the meteorological observatory. Using this technique, the change of the oil temperature of an outdoor transformer is well predicted, and the prediction accuracy is higher than that obtained using the conventional method.

抄録全体を表示

企業マネジメントでの定性的な情報のウエートは大きい.定性的な情報の分析において,合理性と創造性を両立させることは意外と難しいことである.定性的な情報とは,本質的に多次元な情報である.しかるに経営学において合理的とされている戦略理論においてさえ,定性的情報の多次元性が正確には考慮されていない.SOMを使って定性的な情報を自己組織化させることにより,事業戦略の立案が可能なことを示す.

抄録全体を表示

自己組織化マップ(以下SOM)を用いて画像データベースシステムを構築した.それにより,キーワードや属性記述に基づく分類・検索が困難な画像データを,特微量により自己組織的に分類し,画像入力による検索が可能となる.本稿で対象とした画像は約200枚の蝶の標本画像で,SOMに入力する特徴量ベクトルは,色清報,形状情報,テクスチャ情報の3要素から構成される.色は,HSL表色系に対する閾値操作で得たカラーヒストグラムの10次元ベクトルで表現した.形状は,中心位置から外周への距離を24等分した角度毎の平均距離で表した24次元ベクトルと,重心まわりの高次モーメントである2次元ベクトルで表現した.テクスチャは,同時生起行列から算出した統計的特徴量からなる52次元ベクトルとした.これらを組み合わせた88次元ベクトルを入力としてSOMで学習させる.検索時には,画像を直接検索キーとして用い,データベース内で最も近い標本を呈示する.また,検索用の画像が手元にない場合には,システム側からユーザに複数のサンプル画像を呈示し,選択の繰り返しによる絞込みを行なう.特に形状特徴に対するサンプル生成には1次元SOMを用いたクラスタ分割を行い,クラスタ代表を用いたサンプル呈示を行った.

抄録全体を表示

Gesture recognition is an appealing tool for natural interface with computers especially for physically impaired persons. In this paper, it is proposed to use Self-organizing maps (SOM) as an image recognition system for gesture recognition, since the SOM allows alleviating many difficulties associated with gesture recognition. It is, however, required for on-line systems to reduce the recognition time to the range of normal video camera rates. To achieve this, the Randomized SOM (RSOM) is introduced. With RSOM algorithm, the recognition time is drastically reduced without accuracy deterioration. The experimental results to recognize hand gestures using RSOM are presented.

抄録全体を表示

本論文では,ベクトル量子化の1つの方法として,削除型,生成-削除型や削除-生成型ニューラルガスネットワークを提案し,その有効性を画像のデータ圧縮を通して示す.これは従来型のニューラルガスネットワークに比べて構造決定も同時に行なう方法であり,これらすべての提案方法がひずみ誤差の比較において優れていることが明らかとなる.

抄録全体を表示

分析の目的: 中央政府から地方政府への移転支出の配分構造を公正と効率及び政治的影響の視点から分析する。中央政府から地方政府への移転支出は、地方交付税交付金、地方譲与税、国庫支出金からなり、地方交付税交付金は多額で国家予算の2割を超える。その財源は、国税3税(所得税、法人税および酒税)の32%に平成元年より消費税の24%、たばこ税の25%が追加された。移転支出はナショナルミニマムの達成を目指すとされる。つまり公平性の観点からの所得再分配である。しかし、ナショナルミニマムの達成を超えた移転が行われている可能性も示唆される。つまり、移転支出は人口、面積等の客観的指標の他に、政治的要因も影響を与えているといわれる。また、長年そうした移転支出が行われていれば、公共投資の生産性の面で非効率な公共投資も行われるであろう。そこで、公平と効率の面、および、政治的影響の視点から移転支出を分析しようとする。分析手法:モデルを構築し、自己組織化マップ(SOM)と統計的手法を併用する。(SOMについてはAppendixを参照)次のようなモデルを導入する。Y=a+bx+e Yは移転支出で、Xは以下に示す変数であり、eは誤差項である。Xには人口と面積という客観的指標に、県民実質所得と政治的要因を加えた。そして、生産力の指標と地方債現在高の要因も付加した。A.まず、1991年の都道府県別クロスセクションデータを用いて分析する。1991年の単年度データを分析した理由は、自民党単独政権最後の第39回衆議院選挙(1990年)の結果を政治的要因の指標とした為である。いわゆる「55年体制」が終わり連立政権が成立したのは1993年の第40回衆議院選挙である。単年度分析では、回帰分析した後、自己組織化により作られたクラスタ内のノードを利用して、都道府県のクラスタ分析をした。B.さらに、この分析結果を踏まえ、1977年から1995年の時系列データの統計分析とクラスタ分析について検討する。分析結果:A.1991年の単年度分析の結果は、いくつかの政治的要因変数は有意ではないが、しかし、ほとんどの変数は5%水準で有意である。また調整済みの決定係数は0.975と非常に高く、モデルの当てはまりはよい。上記結果は都道府県を総括した結果である。しかし、地方により経済、社会、文化の事情は異なる。そこで、データを細分化して類似した都道府県をクラスタにまとめ、そのクラスタごとの分析を試みた。都道府県のデータ(上記説明の10要素)を入力データとし、自己組織化マップ(SOM)を使い図を描き、ノード数の大きなクラスタを第1、第2クラスタとして選択した。そして、移転支出の公平性と効率性についてみれば、全国データとクラスタデータでは、違いが見られた。また、政治的要因については、全国データの分析をよりわかりやすく理解できる結果を得た。B.この分析結果を踏まえ、1977年から1995年の都道府県パネルデータの統計分析とクラスタ分析について検討する。統計分析(固定効果モデル)は所得以外の仮説を支持した。さらにSOMによるクラスタ分析は公平性の仮説、つまり、所得が減れば、移転支出が増加するを支持した。分析の独創性:1991年の都道府県のクロスセクション分析において、SOMのクラスタ手法が利用され、結論が導かれた。幾つかのクラスラリングの手法はある。しかし、問題は都道府県別の限られたデータをさらにクラスタに分けるとデータ数が減ってしまう。そして、クラスタごとの統計分析をするのに問題が生じる。そこで、SOMという新しい手法によるクラスタリングを試みた。SOMでは、入力データに類似したデータを自己組織化で作るという特徴がある。SOMでクラスタリングマップを作った場合は、データ数が不足するという問題をある程度解決できる。さらに、パネルデータをクラスタに分け自己組織化マップで分析し、統計手法を併用することで、仮説を新たな角度から検討することができる。結論:SOMは特にクラスタリングに優れ、可視的な手法が、評価される。例えば、パネルデータの都道府県の自己組織化マップ上の動きは、今後の研究方向を示唆する。そして、自己組織化マップは、これからの研究開発が期待される手法である。

抄録全体を表示