Top > Search of Japanese Patents > SELF-ORGANIZING MAP FOR REPRESENTING SEMANTIC SPACE

SELF-ORGANIZING MAP FOR REPRESENTING SEMANTIC SPACE

Patent code P07P005569
File No. 2005-017
Posted date Aug 16, 2007
Application number P2006-014396
Publication number P2007-199787A
Patent number P4892721
Date of filing Jan 23, 2006
Date of publication of application Aug 9, 2007
Date of registration Jan 6, 2012
Inventor
  • (In Japanese)市原 清志
  • (In Japanese)片岡 浩巳
Applicant
  • (In Japanese)国立大学法人山口大学
  • (In Japanese)国立大学法人高知大学
Title SELF-ORGANIZING MAP FOR REPRESENTING SEMANTIC SPACE
Abstract PROBLEM TO BE SOLVED: To provide a reproducible clustering by overcoming inconsistency of space allocation, which is a drawback of a characteristic map of a self-organizing map method.
SOLUTION: Each unit of the characteristic map of the self organizing map method is allocated in a two dimensional manner by mapping a deflection of a reference vector from a base line to the Y axis and a weight of the reference vector in a semantic space to the X axis so that each unit can be represented separately in a reproducible manner. For one example of calculating the weights in the semantic space, in the case of a plurality of examinations for disease diagnosis, a half of them are allocated to the semantic space of diabetes, over nourishment, and liver disorders, and the remaining half of them are allocated to the semantic space of inflammation, under nourishment/kidney function, and anemia. Then the weights of the vectors in the two semantic spaces are calculated so that the unit related to the diabetes, and the unit related to the liver disorders are displayed separately for example even when being distributed into the other space where a plurality of the meanings are the same.
Outline of related art and contending technology (In Japanese)


自己組織化マップ法
自己組織化マップ法は、非常に強力なクラスタリング能力を持った教師無し学習アルゴリズムである。多数のデータを解析する手段として優れている。



自己組織化マップ法の特徴地図の作り方
参照ベクトルを持つ複数のユニットの中から、複数の項目に関するデータを利用した入力ベクトルに最も類似した参照ベクトルを持つ勝者ユニットを探索するステップ、学習回数に応じて順次狭められる前記勝者ユニットの近傍領域に含まれる各ユニットの参照ベクトルを前記学習回数に応じて順次小さくされる学習係数と前記入力ベクトルとに基づいて更新するステップ、前記学習回数が予め設定された回数に達するまで前記勝者ユニットの探索及び前記参照ベクトルの更新を繰り返するステップ、そして前記各ユニットを2次元的に表示するステップにより自己組織化マップの特徴地図が作られる。



各ユニットの配置
このような特徴地図には、各ユニットは互いに類似したものが近接的に配置されるように表示されている。



自己組織化マップ法の利用分野
自己組織化マップは、化学分析分野、定量化学分析の分野、ガラス分類問題の分野、人事適正配置問題の分野、巡回セールスマン問題の分野、プリント基板電子部品配置問題などに利用される(非特許文献1)。



そして、複数の項目に関するデータについてその各項目を基準値により正規化して健康診断用に応用することも提案されている(特許文献1)。



従来の自己組織化マップ法の問題点
しかしながら、従来の自己組織化マップ法による特徴地図には、各ユニットの配置が同じデータセットを行っても処理を行うごとに異なる結果が得られてしまう問題があった(図6左図)。これは、学習の初期値がゼロあるいは乱数から出発して、多数の試行によって自己組織化現象を発生させる原理に基づくためである。特許文献1の方法でも、特徴地図を作り直すごとに位置的な情報が異なり、観測者に混乱を与える可能性があった。また、自己組織化マップ法による分類結果を、さらにクラスター分析で樹形図の形にクラス展開表示をしても、クラス間の基準が存在しないため、樹形図の解釈が困難であった(図8下図)。



正規分布化
多数項目のデータ配列は、生命科学分野で取り扱われる計測値の場合、多様な分布型を取ることが多い。例えば、医学分野で取り扱われる検査値の分布型は、正規分布のほかに対数正規分布と、その中間にある平方根正規分布、3乗根正規分布などさまざまであるが、一般にべき乗値k(p)と変換原点a(p)を指定して、べき乗変換を行うと、その値は近似的に正規分布となる(Box-Cox方式変法:非特許文献2)。なお、同方式では、べき乗値k(p)=0のときは対数変換を用いる。
【特許文献1】
特開2003-263502号公報
【非特許文献1】
徳高平蔵・岸田悟・藤村喜久郎著「自己組織化マップの応用(多次元情報の2次元可視化)」1999年2月20日海文堂出版株式会社発行
【非特許文献2】
Ichihara,K.and Kawai,T:Determination of reference intervals for 13 plasma proteins based on IFCC international reference preparation(CRM470)and NCCLS proposed guideline(C28-P,1992):trial to select reference individuals by results of screening tests and application of maximal likelihood method.J Clin Lab Anal.10(2):110-7,1996.

Field of industrial application (In Japanese)


本発明は、自己組織化マップ法、自己組織化マップ、自己組織化マップ表示装置、その表示装置を作動させるプログラム、そのプログラムを記録した記録媒体に関する。自己組織化マップの、病態診断用への応用又はその他への応用に関する。

Scope of claims (In Japanese)
【請求項1】
 
コンピュータが、複数個の属性よりなる参照ベクトルを持つ複数のユニットの中から、前記参照ベクトルと同じ個数の属性よりなる入力ベクトルに最も類似した参照ベクトルを持つ勝者ユニットを探索し、学習回数に応じて順次狭められる前記勝者ユニットの近傍領域に含まれる各ユニットの参照ベクトルを、前記学習回数に応じて順次小さくされる学習係数と前記入力ベクトルとに基づいて更新し、前記学習回数が予め設定された回数に達するまで、前記勝者ユニットの探索及び前記参照ベクトルの更新を繰り返すことにより、特徴地図を作成する手順を実行する自己組織化マップ法において、コンピュータが、前記特徴地図の各ユニットの参照ベクトルについて、基線からの偏位量を算出し、参照ベクトルの属性について、1又は2以上の意味空間を設定して、前記参照ベクトルの属性の一部あるいは全部を、その設定した意味空間に配分し、前記特徴地図の各ユニットの参照ベクトルについて、その意味空間での重み量を算出し、参照ベクトルの基線からの偏位量を一方の軸に、及び、参照ベクトルの意味空間での重み量を他方の軸に、前記特徴地図の各ユニットを配置して、意味空間地図を作成する手順を実行することを特徴とする自己組織化マップ法。

【請求項2】
 
特徴地図を作成する手順において、前記入力ベクトルの各属性の数値が変数変換により正規分布化されていることを特徴とする請求項1に記載の自己組織化マップ法。

【請求項3】
 
特徴地図を作成する手順において、前記入力ベクトルの各属性の数値が基準化されていることを特徴とする請求項1~請求項2のいずれか1項に記載の自己組織化マップ法。

【請求項4】
 
意味空間地図を作成する手順において、基線からの偏位量が基線から上下のいずれの偏位であるかが加味されたことを特徴とする調整偏位量である請求項1~請求項3のいずれか1項に記載の自己組織化マップ法。

【請求項5】
 
意味空間地図を作成する手順において、設定する意味空間が2つであることを特徴とする請求項1~請求項4のいずれか1項に記載の自己組織化マップ法。

【請求項6】
 
意味空間地図を作成する手順において、意味空間地図に前記各ユニット間の類似性を結合線により表示することを特徴とする請求項1~請求項5のいずれか1項に記載の自己組織化マップ法。

【請求項7】
 
特徴地図を作成する手順において、前記属性が病態診断における検査項目であり、作成する意味空間地図が病態診断用であることを特徴とする請求項1~請求項6のいずれか1項に記載の自己組織化マップ法。

【請求項8】
 
前記意味空間地図の前記ユニットに、対応する病状名を表示する、作成する意味空間地図が病態診断用であることを特徴とする請求項7に記載の自己組織化マップ法。

【請求項9】
 
前記意味空間地図に、時系列遷移により病態の悪化か治癒の方向かを視覚的に表示することを特徴とする請求項7~請求項8のいずれか1項に記載の自己組織化マップ法。

【請求項10】
 
前記意味空間地図に更に、生活習慣特性を付記することを特徴とする請求項7~請求項9のいずれか1項に記載の自己組織化マップ法。

【請求項11】
 
複数個の属性よりなるベクトルを入力する手段、前記入力ベクトルに最も類似した参照ベクトルを持つ勝者ユニットを探索する手段、学習回数に応じて順次狭められる前記勝者ユニットの近傍領域に含まれる各ユニットの参照ベクトルを、前記学習回数に応じて順次小さくされる学習係数と前記入力ベクトルとに基づいて更新する手段、前記学習回数が予め設定された回数に達するまで、前記勝者ユニットの探索及び前記参照ベクトルの更新を繰り返す手段、自己組織化マップの特徴地図を作成する手段、前記特徴地図の各ユニットの参照ベクトルについて、基線からの偏位量を算出する手段、前記属性の一部あるいは全部を意味空間に配分し、その意味空間に配分された属性から、前記参照ベクトルの意味空間での重み量を算出する手段、参照ベクトルの基線からの偏位量を一方の軸に、及び参照ベクトルの意味空間での重み量を他方の軸に、前記特徴地図の各ユニットを配置して、2次元的に表示する手段を具備することを特徴とする自己組織化マップ表示装置。

【請求項12】
 
各入力ベクトルの属性の数値が正規分布化されるように変数変換する手段を有することを特徴とする請求項11に記載の自己組織化マップ表示装置。

【請求項13】
 
各入力ベクトルの属性の数値を基準化する手段を有することを特徴とする請求項11~請求項12のいずれか1項に記載の自己組織化マップ表示装置。

【請求項14】
 
コンピュータを自己組織化マップ表示装置として機能させるためのプログラムであって、請求項1~請求項10のいずれか1項に記載の自己組織化マップ法の特徴地図を作成する手順、及び意味空間地図を作成する手順を実行することを特徴とするプログラム。

【請求項15】
 
請求項14に記載のプログラムを記録したことを特徴とするコンピュータ読み取り可能な記録媒体。
IPC(International Patent Classification)
F-term
Drawing

※Click image to enlarge.

JP2006014396thum.jpg
State of application right Registered
Please contact us by E-mail or facsimile if you have any interests on this patent.


PAGE TOP

close
close
close
close
close
close
close