JPH1075218A - データ群の特性境界識別方法及び装置 - Google Patents
データ群の特性境界識別方法及び装置Info
- Publication number
- JPH1075218A JPH1075218A JP24541696A JP24541696A JPH1075218A JP H1075218 A JPH1075218 A JP H1075218A JP 24541696 A JP24541696 A JP 24541696A JP 24541696 A JP24541696 A JP 24541696A JP H1075218 A JPH1075218 A JP H1075218A
- Authority
- JP
- Japan
- Prior art keywords
- boundary
- data
- characteristic
- evaluation value
- error
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims description 52
- 238000012545 processing Methods 0.000 claims abstract description 28
- 238000011156 evaluation Methods 0.000 claims description 36
- 238000000611 regression analysis Methods 0.000 claims description 20
- 238000012935 Averaging Methods 0.000 claims description 2
- 238000010586 diagram Methods 0.000 description 6
- 238000011835 investigation Methods 0.000 description 5
- 238000004891 communication Methods 0.000 description 3
- 230000005684 electric field Effects 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 238000007621 cluster analysis Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
Landscapes
- Complex Calculations (AREA)
- Monitoring And Testing Of Transmission In General (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
(57)【要約】
【課題】 特性の異なるデータ群が混在している集合に
おいて、各クラスの事前モデルがゆるやかに与えらる場
合に、分類境界の識別と同時にモデルの正確な推定を行
う。 【解決手段】 識別境界ｂi を仮定してデータ群をＣi
とＣi+1 とにクラス分けし、それぞれのクラスＣi 、Ｃ
i+1 における正しい分布が先験的知識に基づく回帰線ｌ
i 、ｌi+1 でモデル化されるものとして各クラス毎に回
帰分析処理を施し、回帰線ｌi 、ｌi+1 との誤差を算出
する。そして、各クラスでの誤差を同時に勘案する重み
付け平均値を評価値とし、仮定する識別境界ｂi をパラ
メータとして評価値の最小化を行う。そして最小評価値
のときの境界が適切な識別境界であり、そのときの回帰
線が最適なモデルであると判断する。
おいて、各クラスの事前モデルがゆるやかに与えらる場
合に、分類境界の識別と同時にモデルの正確な推定を行
う。 【解決手段】 識別境界ｂi を仮定してデータ群をＣi
とＣi+1 とにクラス分けし、それぞれのクラスＣi 、Ｃ
i+1 における正しい分布が先験的知識に基づく回帰線ｌ
i 、ｌi+1 でモデル化されるものとして各クラス毎に回
帰分析処理を施し、回帰線ｌi 、ｌi+1 との誤差を算出
する。そして、各クラスでの誤差を同時に勘案する重み
付け平均値を評価値とし、仮定する識別境界ｂi をパラ
メータとして評価値の最小化を行う。そして最小評価値
のときの境界が適切な識別境界であり、そのときの回帰
線が最適なモデルであると判断する。
Description
【０００１】
【発明の属する技術分野】本発明は、特性の変化する境
界を有するデ−タ群からその特性境界を識別する方法お
よび装置に関する。
界を有するデ−タ群からその特性境界を識別する方法お
よび装置に関する。
【０００２】
【従来の技術】従来より、特性が異なるデータ群の混在
した集合を性質の類似したクラスに分類するための代表
的な統計的処理手法として、クラスタ分析法が知られて
いる。その基本的な考え方は、個々のデータ毎にユーク
リッド距離やマハラノビス距離等を求め、それらの距離
の近さを類似度とみなしてクラス分類を行うというもの
である。
した集合を性質の類似したクラスに分類するための代表
的な統計的処理手法として、クラスタ分析法が知られて
いる。その基本的な考え方は、個々のデータ毎にユーク
リッド距離やマハラノビス距離等を求め、それらの距離
の近さを類似度とみなしてクラス分類を行うというもの
である。
【０００３】
【発明が解決しようとする課題】例えば、無線通信分野
における移動無線通信システム等の回線設計において
は、電波伝搬損失特性を推定することが必要である。一
般に地上波は、送信局から所定の距離までは距離の２乗
で減衰し、それよりも遠い距離においては３〜４乗で減
衰することが知られており、この伝搬係数が急激に変化
する位置を実測デ−タ等から識別することが電波伝搬損
失特性を把握するために重要である。しかしながら、前
述したクラスタ分析法は、このように各クラス（すなわ
ち同一減衰定数の距離範囲）の事前モデル（すなわち減
衰定数）がゆるやかに与えられている場合に、分類境界
の識別と同時に正確なモデル推定を行うといった問題に
は対応していない。
における移動無線通信システム等の回線設計において
は、電波伝搬損失特性を推定することが必要である。一
般に地上波は、送信局から所定の距離までは距離の２乗
で減衰し、それよりも遠い距離においては３〜４乗で減
衰することが知られており、この伝搬係数が急激に変化
する位置を実測デ−タ等から識別することが電波伝搬損
失特性を把握するために重要である。しかしながら、前
述したクラスタ分析法は、このように各クラス（すなわ
ち同一減衰定数の距離範囲）の事前モデル（すなわち減
衰定数）がゆるやかに与えられている場合に、分類境界
の識別と同時に正確なモデル推定を行うといった問題に
は対応していない。
【０００４】そこで本発明は、特性の異なるデータ群が
混在している集合において、各クラスの事前モデルがゆ
るやかに与えられる場合に、分類境界の識別と同時にモ
デルの正確な推定を行うことのできる特性境界識別方法
および装置を提供することを目的としている。
混在している集合において、各クラスの事前モデルがゆ
るやかに与えられる場合に、分類境界の識別と同時にモ
デルの正確な推定を行うことのできる特性境界識別方法
および装置を提供することを目的としている。
【０００５】
【課題を解決するための手段】上記目的を達成するため
に、本発明の、特性の変化する境界を有するデータ群か
ら、その境界を識別するための特性境界識別方法は、
（ａ）特性の変化する境界を仮定するステップ、（ｂ）
前記ステップ（ａ）において仮定された境界により分割
される各領域に属するデータに対して、回帰分析を施し
て適切な回帰線を決定してそのときの誤差を求めるステ
ップ、（ｃ）前記ステップ（ｂ）において求めた各領域
毎の誤差について重み付け平均を計算してその境界に対
する評価値とするステップ、（ｄ）調査範囲内において
新たな値を特性境界と仮定し、前記ステップ（ｂ）〜
（ｃ）を順次繰り返すステップ、および、（ｅ）前記ス
テップ（ｃ）において算出した各特性境界に対応する評
価値が最小となる特性境界を正しい境界であると識別す
るステップの各ステップからなるデータ群の特性境界識
別方法である。
に、本発明の、特性の変化する境界を有するデータ群か
ら、その境界を識別するための特性境界識別方法は、
（ａ）特性の変化する境界を仮定するステップ、（ｂ）
前記ステップ（ａ）において仮定された境界により分割
される各領域に属するデータに対して、回帰分析を施し
て適切な回帰線を決定してそのときの誤差を求めるステ
ップ、（ｃ）前記ステップ（ｂ）において求めた各領域
毎の誤差について重み付け平均を計算してその境界に対
する評価値とするステップ、（ｄ）調査範囲内において
新たな値を特性境界と仮定し、前記ステップ（ｂ）〜
（ｃ）を順次繰り返すステップ、および、（ｅ）前記ス
テップ（ｃ）において算出した各特性境界に対応する評
価値が最小となる特性境界を正しい境界であると識別す
るステップの各ステップからなるデータ群の特性境界識
別方法である。
【０００６】また、前記ステップ（ｂ）における回帰分
析において、隣接した領域の回帰線は、仮定した両領域
の境界において交点を生じる回帰式により近似されるも
のとされている。さらに、前記ステップ（ｃ）における
各領域毎の誤差について重み付け平均を行い評価値とす
る処理において、デ−タのばらつきが大きくて回帰線か
らの外れが大きい領域では、その回帰分析の誤差に対す
る重みを小さくして評価値を算出するようになされてい
るものである。
析において、隣接した領域の回帰線は、仮定した両領域
の境界において交点を生じる回帰式により近似されるも
のとされている。さらに、前記ステップ（ｃ）における
各領域毎の誤差について重み付け平均を行い評価値とす
る処理において、デ−タのばらつきが大きくて回帰線か
らの外れが大きい領域では、その回帰分析の誤差に対す
る重みを小さくして評価値を算出するようになされてい
るものである。
【０００７】さらにまた、上記目的を達成するための本
発明の特性境界識別装置は、特性の変化する境界を有す
るデータ群を入力するための入力装置と、前記入力装置
により入力されたデータ群を記憶する記録装置と、前記
記録装置に記憶されたデータ群から、前記データ群の特
性境界を識別する特性境界識別演算を実行する演算処理
装置と、前記演算処理装置により実行された特性境界識
別演算の結果を出力する出力装置とを有するデータ群の
特性境界識別装置であって、前記演算処理装置は、最初
に特性境界を仮定する処理と、仮定した特性境界で分割
される各領域のデータに対して回帰分析を施して適切な
回帰線を決定してそのときの誤差を求める処理と、その
各領域毎の誤差について重み付け平均を計算して評価値
を算出する処理と、前記仮定した特性境界を変化させて
評価値を算出して、該評価値が最小となるときが正しい
特性境界であると識別する処理を実行するものである。
発明の特性境界識別装置は、特性の変化する境界を有す
るデータ群を入力するための入力装置と、前記入力装置
により入力されたデータ群を記憶する記録装置と、前記
記録装置に記憶されたデータ群から、前記データ群の特
性境界を識別する特性境界識別演算を実行する演算処理
装置と、前記演算処理装置により実行された特性境界識
別演算の結果を出力する出力装置とを有するデータ群の
特性境界識別装置であって、前記演算処理装置は、最初
に特性境界を仮定する処理と、仮定した特性境界で分割
される各領域のデータに対して回帰分析を施して適切な
回帰線を決定してそのときの誤差を求める処理と、その
各領域毎の誤差について重み付け平均を計算して評価値
を算出する処理と、前記仮定した特性境界を変化させて
評価値を算出して、該評価値が最小となるときが正しい
特性境界であると識別する処理を実行するものである。
【０００８】さらにまた、前記回帰分析処理において、
隣接した領域の回帰線は仮定した両領域の境界において
交点を生じる回帰式とされており、さらにまた、前記評
価値を算出する処理において、データのばらつきが大き
くて回帰線からの外れが大きい領域については、その回
帰分析の誤差に対する重みが小さくされているものであ
る。
隣接した領域の回帰線は仮定した両領域の境界において
交点を生じる回帰式とされており、さらにまた、前記評
価値を算出する処理において、データのばらつきが大き
くて回帰線からの外れが大きい領域については、その回
帰分析の誤差に対する重みが小さくされているものであ
る。
【０００９】
【発明の実施の形態】図１を参照して、本発明の第１の
特性境界識別方法について説明する。この図において、
各点は雑音や測定誤差等を含むデータである。これらの
データは、本来、所定の識別境界を境として複数のクラ
スに分類され、各クラスのデータは先験的に知られてい
る回帰線でモデル化されるデータ群である。本発明の特
性境界識別方法においては、まず、任意の識別位置ｂi
を定め、該識別位置ｂi に基づいてデータ群を各区間毎
に分割する。すなわち、ｂi ＜ｘの領域にあるデータ群
をクラスＣi とし、ｂi ≧ｘの領域にあるデータ群をク
ラスＣi+1 と分割している。
特性境界識別方法について説明する。この図において、
各点は雑音や測定誤差等を含むデータである。これらの
データは、本来、所定の識別境界を境として複数のクラ
スに分類され、各クラスのデータは先験的に知られてい
る回帰線でモデル化されるデータ群である。本発明の特
性境界識別方法においては、まず、任意の識別位置ｂi
を定め、該識別位置ｂi に基づいてデータ群を各区間毎
に分割する。すなわち、ｂi ＜ｘの領域にあるデータ群
をクラスＣi とし、ｂi ≧ｘの領域にあるデータ群をク
ラスＣi+1 と分割している。
【００１０】そして、クラスＣi に属するデータ群とク
ラスＣi+1 に属するデータ群とにそれぞれ着目し、各区
間毎に回帰線ｌi とｌi+1 により回帰分析処理を実行
し、そのときの回帰分析誤差ｅi 、ｅi+1 を求める。そ
して、評価関数Ｅとして、次式に示すように、各区間の
誤差ｅi 、ｅi+1 の重み付き平均を算出する。
ラスＣi+1 に属するデータ群とにそれぞれ着目し、各区
間毎に回帰線ｌi とｌi+1 により回帰分析処理を実行
し、そのときの回帰分析誤差ｅi 、ｅi+1 を求める。そ
して、評価関数Ｅとして、次式に示すように、各区間の
誤差ｅi 、ｅi+1 の重み付き平均を算出する。
【数１】 ここで、ａi 、ａi+1 は各区間の誤差に乗算される重み
であり、データのばらつきが大きくて回帰線からの外れ
が大きい領域については、この重みａi 、ａi+ 1 を小さ
く設定する。なお、Ｎは全クラス数である。
であり、データのばらつきが大きくて回帰線からの外れ
が大きい領域については、この重みａi 、ａi+ 1 を小さ
く設定する。なお、Ｎは全クラス数である。
【００１１】次に、識別位置ｂi を変化させ、データ群
を再区分した新たなクラス毎に同様に各区間の回帰分析
誤差を算出して評価関数を求める。調査範囲内の全ての
識別位置について上述した処理を繰り返し、評価関数が
最小となる識別位置を妥当な特性境界であると推定す
る。また、そのときの回帰分析の結果より正確なモデル
を推定することができる、なお、上記においては事前モ
デルとして回帰線を例にとったが、本発明は必ずしも事
前モデルが回帰線に限定されるものではない。
を再区分した新たなクラス毎に同様に各区間の回帰分析
誤差を算出して評価関数を求める。調査範囲内の全ての
識別位置について上述した処理を繰り返し、評価関数が
最小となる識別位置を妥当な特性境界であると推定す
る。また、そのときの回帰分析の結果より正確なモデル
を推定することができる、なお、上記においては事前モ
デルとして回帰線を例にとったが、本発明は必ずしも事
前モデルが回帰線に限定されるものではない。
【００１２】クラス数が２の場合における、前記評価関
数の例を次式に示す。
数の例を次式に示す。
【数２】 ここで、右辺の１項目及び２項目は、重み付き平均２乗
誤差を表わしている。
誤差を表わしている。
【００１３】正しい特性境界をＢとすると、ｂ1 ＜Ｂの
ときはｌ2 に対する回帰分析対象データ（データ数ｎ
2 ）中にクラスＣ1 のデータがΔＢ1 ＝Ｂ−ｂ1 だけ誤
って含まれ、ｂ1 ＞Ｂのときはｌ1 に対する回帰分析対
象データ（データ数ｎ1 ）中にクラスＣ2 のデータがΔ
Ｂ2 ＝ｂ1 −Ｂだけ誤って含まれることになる。したが
って、ｂ1 ＜Ｂのときには、右辺１項目はΔＢ2 ＝０と
考えられ誤差は小さいが、右辺２項目はΔＢ1 の影響で
誤差が大きくなる。逆に、ｂ1 ＞Ｂのときには、右辺２
項目はΔＢ1 ＝０と考えられ誤差は小さいが、右辺１項
目はΔＢ2 の影響で誤差が大きくなる。したがって、ｂ
1 ＝Ｂのときが右辺１項目と２項目の誤差の和が最も小
さくなると期待される。
ときはｌ2 に対する回帰分析対象データ（データ数ｎ
2 ）中にクラスＣ1 のデータがΔＢ1 ＝Ｂ−ｂ1 だけ誤
って含まれ、ｂ1 ＞Ｂのときはｌ1 に対する回帰分析対
象データ（データ数ｎ1 ）中にクラスＣ2 のデータがΔ
Ｂ2 ＝ｂ1 −Ｂだけ誤って含まれることになる。したが
って、ｂ1 ＜Ｂのときには、右辺１項目はΔＢ2 ＝０と
考えられ誤差は小さいが、右辺２項目はΔＢ1 の影響で
誤差が大きくなる。逆に、ｂ1 ＞Ｂのときには、右辺２
項目はΔＢ1 ＝０と考えられ誤差は小さいが、右辺１項
目はΔＢ2 の影響で誤差が大きくなる。したがって、ｂ
1 ＝Ｂのときが右辺１項目と２項目の誤差の和が最も小
さくなると期待される。
【００１４】図２を用いて、本発明の第２の特性境界識
別方法について説明する。この第２の特性境界識別方法
は、回帰分析における回帰線の設定処理において、前記
図１に示した第１の特性境界識別方法と差異がある。前
記第１の方法では、図１に示すように識別位置ｂi と回
帰線ｌi 及びｌi+1 の交点の位置とが必ずしも一致する
保証がなかっため、そのずれ分が誤差として生じる可能
性があった。そこでこの第２の方法では、仮定した境界
ｂi 上に交点を設定して、その交点を必ず通過する回帰
線ｌi ’及びｌi+1 ’を使用して近似誤差ｅi ’及びｅ
i+1 ’を求め、評価値を算出するようにしている。
別方法について説明する。この第２の特性境界識別方法
は、回帰分析における回帰線の設定処理において、前記
図１に示した第１の特性境界識別方法と差異がある。前
記第１の方法では、図１に示すように識別位置ｂi と回
帰線ｌi 及びｌi+1 の交点の位置とが必ずしも一致する
保証がなかっため、そのずれ分が誤差として生じる可能
性があった。そこでこの第２の方法では、仮定した境界
ｂi 上に交点を設定して、その交点を必ず通過する回帰
線ｌi ’及びｌi+1 ’を使用して近似誤差ｅi ’及びｅ
i+1 ’を求め、評価値を算出するようにしている。
【００１５】そして、その境界ｂi 上で前記交点を順次
変化させて新たな回帰線を使用して評価値を同様に調べ
て行き、最小評価値をその識別位置ｂi の評価値とす
る。次に、識別位置ｂi を変化させ、同様に評価値を算
出していく。このようにして算出された評価値が最小と
なる識別位置を妥当な特性境界であると推定する。この
第２の方法では、仮定した１つの境界毎に交点位置を変
化させて最小評価値を探索するという処理が付加される
ため、演算処理量は大幅に増加するが、その代わりに高
精度な識別が可能となる。
変化させて新たな回帰線を使用して評価値を同様に調べ
て行き、最小評価値をその識別位置ｂi の評価値とす
る。次に、識別位置ｂi を変化させ、同様に評価値を算
出していく。このようにして算出された評価値が最小と
なる識別位置を妥当な特性境界であると推定する。この
第２の方法では、仮定した１つの境界毎に交点位置を変
化させて最小評価値を探索するという処理が付加される
ため、演算処理量は大幅に増加するが、その代わりに高
精度な識別が可能となる。
【００１６】図３に、上述した特性境界識別方法を実行
するための本発明の特性境界識別装置のシステム構成例
を示す。図３（ａ）は特性境界識別装置の一構成例であ
り、データを入力装置１０から演算処理装置２０に入力
して適宜記録装置３０に記憶させる。そして、演算処理
装置２０により特性境界識別演算を実行し、その結果を
記録装置３０に記録するとともに出力装置４０に出力す
る。
するための本発明の特性境界識別装置のシステム構成例
を示す。図３（ａ）は特性境界識別装置の一構成例であ
り、データを入力装置１０から演算処理装置２０に入力
して適宜記録装置３０に記憶させる。そして、演算処理
装置２０により特性境界識別演算を実行し、その結果を
記録装置３０に記録するとともに出力装置４０に出力す
る。
【００１７】図３（ｂ）は、前記演算処理装置２０にお
いて実行される特性境界識別処理のの処理手順である。
この図に示す処理手順は、前記第１の特性境界識別方法
に該当する処理を実行するものである。まずデータを入
力し（Ｓ１１）、位置ｂ及び最小値ｍを初期化する（Ｓ
１２）。具体的には、入力されたデータにおける位置情
報の最大値と最小値とから位置の調査範囲を決定し、識
別位置ｂの初期値をレジスタに設定する。また、最小値
ｍとしてかなり大きな値を初期値として最小値レジスタ
に設定する。
いて実行される特性境界識別処理のの処理手順である。
この図に示す処理手順は、前記第１の特性境界識別方法
に該当する処理を実行するものである。まずデータを入
力し（Ｓ１１）、位置ｂ及び最小値ｍを初期化する（Ｓ
１２）。具体的には、入力されたデータにおける位置情
報の最大値と最小値とから位置の調査範囲を決定し、識
別位置ｂの初期値をレジスタに設定する。また、最小値
ｍとしてかなり大きな値を初期値として最小値レジスタ
に設定する。
【００１８】次に、位置ｂ未満のデータと位置ｂ以上の
データをそれぞれ回帰分析して、各平均２乗誤差を計算
し（Ｓ１３）、その重み付き平均を評価値として求める
（Ｓ１４）。そして、求めた評価値が最小値ｍよりも小
さければ、それを新たな最小値ｍに設定する（Ｓ１
５）。以上のステップＳ１３〜Ｓ１６までの処理を、識
別位置ｂを調査範囲内で変化させて繰り返した後（Ｓ１
７）、最終的に得られた最小値ｍとなるときの識別位置
ｂを適切な特性境界と推定して結果を出力する（Ｓ１
８）。
データをそれぞれ回帰分析して、各平均２乗誤差を計算
し（Ｓ１３）、その重み付き平均を評価値として求める
（Ｓ１４）。そして、求めた評価値が最小値ｍよりも小
さければ、それを新たな最小値ｍに設定する（Ｓ１
５）。以上のステップＳ１３〜Ｓ１６までの処理を、識
別位置ｂを調査範囲内で変化させて繰り返した後（Ｓ１
７）、最終的に得られた最小値ｍとなるときの識別位置
ｂを適切な特性境界と推定して結果を出力する（Ｓ１
８）。
【００１９】図４に、特性境界と回帰線の交点とを一致
させるようにした、本発明の第２の特性境界識別方法を
実行する場合の処理手順を示す。まず、前記図３（ｂ）
の場合と同様に、データを入力して（Ｓ２１）、距離ｂ
及び最小値ｍを初期化する（Ｓ２３）。続いて、データ
の値の最小値と最大値を調べて交点の変化範囲として設
定する（Ｓ２４）。次に、ｘ＝ｂにおいて交点位置Ｙ＝
ｄと、最小値ｍd とを初期化する（２４）。次に、ｂ未
満のデータとｂ以上のデータをそれぞれｄを通過する拘
束条件を伴った回帰線に近似し、各平均２乗誤差を求め
（Ｓ２５）、その重み付き平均を評価値として計算する
（Ｓ２６）。そして、その評価値が最小値ｍd よりも小
さければその評価値を新たなｍd として入れ替える（Ｓ
２７）。
させるようにした、本発明の第２の特性境界識別方法を
実行する場合の処理手順を示す。まず、前記図３（ｂ）
の場合と同様に、データを入力して（Ｓ２１）、距離ｂ
及び最小値ｍを初期化する（Ｓ２３）。続いて、データ
の値の最小値と最大値を調べて交点の変化範囲として設
定する（Ｓ２４）。次に、ｘ＝ｂにおいて交点位置Ｙ＝
ｄと、最小値ｍd とを初期化する（２４）。次に、ｂ未
満のデータとｂ以上のデータをそれぞれｄを通過する拘
束条件を伴った回帰線に近似し、各平均２乗誤差を求め
（Ｓ２５）、その重み付き平均を評価値として計算する
（Ｓ２６）。そして、その評価値が最小値ｍd よりも小
さければその評価値を新たなｍd として入れ替える（Ｓ
２７）。
【００２０】上記ステップＳ２５〜Ｓ２７の処理を、ｄ
を変化させて前記ステップＳ２４において設定した交点
範囲内を外れるまで繰り返す（Ｓ２９）。交点範囲内で
の最小値ｍd が得られたら、識別位置ｂの調査範囲内で
の最小値ｍと比較して、ｍdがｍより小さければｍd を
新たなｍとして設定する（Ｓ３０）。そして、識別位置
ｂを変化させて調査範囲内を外れるまで、ステップＳ２
４〜Ｓ３１の処理を繰り返し（Ｓ３２）、最小値となっ
たときの識別位置ｂを適切な特性境界と推定して結果を
出力する（Ｓ３３）。このようにして、各識別位置ｂ毎
に、交点位置を順次変化させながら、識別位置を変更し
て、評価値が最小値となる識別位置を求める。
を変化させて前記ステップＳ２４において設定した交点
範囲内を外れるまで繰り返す（Ｓ２９）。交点範囲内で
の最小値ｍd が得られたら、識別位置ｂの調査範囲内で
の最小値ｍと比較して、ｍdがｍより小さければｍd を
新たなｍとして設定する（Ｓ３０）。そして、識別位置
ｂを変化させて調査範囲内を外れるまで、ステップＳ２
４〜Ｓ３１の処理を繰り返し（Ｓ３２）、最小値となっ
たときの識別位置ｂを適切な特性境界と推定して結果を
出力する（Ｓ３３）。このようにして、各識別位置ｂ毎
に、交点位置を順次変化させながら、識別位置を変更し
て、評価値が最小値となる識別位置を求める。
【００２１】次に、本発明の特性境界識別方法を実測電
界強度データから電波の伝搬特性を推定する電波伝搬損
失推定問題に適用した例について説明する。電波伝搬損
失推定問題において、損失特性を示すパラメータである
減衰定数が送信局と受信局との間で急激に変化する位置
（以下、ブレイクポイントと呼ぶ）を識別することは、
損失特性把握のために重要である。そのためには、測定
ばらつきを含んだ実測電界強度データから数値処理によ
り定量的に精度良くブレイクポイント位置を識別する必
要がある。
界強度データから電波の伝搬特性を推定する電波伝搬損
失推定問題に適用した例について説明する。電波伝搬損
失推定問題において、損失特性を示すパラメータである
減衰定数が送信局と受信局との間で急激に変化する位置
（以下、ブレイクポイントと呼ぶ）を識別することは、
損失特性把握のために重要である。そのためには、測定
ばらつきを含んだ実測電界強度データから数値処理によ
り定量的に精度良くブレイクポイント位置を識別する必
要がある。
【００２２】図５に、ブレイクポイント推定のためのテ
スト用データを示す。このデータは、送信局の設置位置
から１０１３ｍ離れた位置まで受信局を移動させながら
受信電界強度の瞬時値を測定し、後処理で移動平均（区
間１０ｍで２ｍずつ移動）処理を施し、測定電界強度を
伝搬損に換算して得られたデータである。実測データで
あるため測定のばらつきが含まれており、このデータを
一見しただけではブレイクポイント位置を推察すること
は極めて困難であることが分かる。
スト用データを示す。このデータは、送信局の設置位置
から１０１３ｍ離れた位置まで受信局を移動させながら
受信電界強度の瞬時値を測定し、後処理で移動平均（区
間１０ｍで２ｍずつ移動）処理を施し、測定電界強度を
伝搬損に換算して得られたデータである。実測データで
あるため測定のばらつきが含まれており、このデータを
一見しただけではブレイクポイント位置を推察すること
は極めて困難であることが分かる。
【００２３】図６は、前述した本発明の第１の特性境界
識別方法によるブレイクポイントの推定結果を示す。ブ
レイクポイントが送信局から距離ｄの位置にあると仮定
して、ｄ以内のデータに対しては物理的知見から２乗則
減衰線を適用し、ｄ以遠のデータに対しては４乗則減衰
線を用いて回帰分析処理を行う。そして各々の平均２乗
誤差を求め、その平均を評価値ｒ（ｄ）とする。なおこ
の場合には、重み付けａ１およびａ２を同等とした。ま
た図６では、ｄを１０ｍづつ変化させたときの、評価値
の平方根を表示している。図６より、最小の評価値はｄ
＝１８０ｍの位置に顕著に現れていることが分かり、ブ
レイクポイント位置は送信局から１８０ｍ離れた地点で
あると識別することができた。
識別方法によるブレイクポイントの推定結果を示す。ブ
レイクポイントが送信局から距離ｄの位置にあると仮定
して、ｄ以内のデータに対しては物理的知見から２乗則
減衰線を適用し、ｄ以遠のデータに対しては４乗則減衰
線を用いて回帰分析処理を行う。そして各々の平均２乗
誤差を求め、その平均を評価値ｒ（ｄ）とする。なおこ
の場合には、重み付けａ１およびａ２を同等とした。ま
た図６では、ｄを１０ｍづつ変化させたときの、評価値
の平方根を表示している。図６より、最小の評価値はｄ
＝１８０ｍの位置に顕著に現れていることが分かり、ブ
レイクポイント位置は送信局から１８０ｍ離れた地点で
あると識別することができた。
【００２４】また、上記においては、事前モデルとして
回帰式の形が定められている場合について説明したが、
これに限られることはなく、例えば回帰式の次数も未知
パラメータとして、推定を行うこともできる。
回帰式の形が定められている場合について説明したが、
これに限られることはなく、例えば回帰式の次数も未知
パラメータとして、推定を行うこともできる。
【００２５】
【発明の効果】以上説明したように、本発明によれば、
特性の異なるデータ群が混在している集合において、各
クラスの事前モデルがゆるやかに与えられる場合に、分
類境界の識別と同時にモデルの正確な推定を行う処理が
可能となる。また、特性境界と回帰線の交点とを一致さ
せて回帰分析処理を行う場合には、より高精度な識別を
行うことができる。さらに、データのばらつきが大きい
領域の誤差については、その重みを小さくするようにし
た場合には、データに含まれる誤差の影響を少なくする
ことができる。
特性の異なるデータ群が混在している集合において、各
クラスの事前モデルがゆるやかに与えられる場合に、分
類境界の識別と同時にモデルの正確な推定を行う処理が
可能となる。また、特性境界と回帰線の交点とを一致さ
せて回帰分析処理を行う場合には、より高精度な識別を
行うことができる。さらに、データのばらつきが大きい
領域の誤差については、その重みを小さくするようにし
た場合には、データに含まれる誤差の影響を少なくする
ことができる。
【図１】 本発明の第１の特性境界識別方法を説明する
ための図である。
ための図である。
【図２】 本発明の第２の特性境界識別方法を説明する
ための図である。
ための図である。
【図３】 本発明の特性境界識別装置のシステム構成例
と第１の特性境界識別方法を実行するための処理手順を
示す図である。
と第１の特性境界識別方法を実行するための処理手順を
示す図である。
【図４】 本発明の第２の特性境界識別方法を実行する
ための処理手順を示す図である。
ための処理手順を示す図である。
【図５】 本発明の方法を用いてブレイクポイントを推
定するときに使用したテスト用データの一例を示す図で
ある。
定するときに使用したテスト用データの一例を示す図で
ある。
【図６】 本発明の方法を用いたブレイクポイント推定
処理の結果を示す図である。
処理の結果を示す図である。
１０ 入力装置 ２０ 演算処理装置 ３０ 記録装置 ４０ 出力装置
───────────────────────────────────────────────────── フロントページの続き (72)発明者 平 和昌 東京都小金井市貫井北町４丁目２番１号 郵政省通信総合研究所内
Claims (6)
- 【請求項１】 特性の変化する境界を有するデータ群か
ら、その境界を識別するための方法であって、次の
（ａ）〜（ｅ）のステップからなるデータ群の特性境界
識別方法。 （ａ）特性の変化する境界を仮定するステップ、 （ｂ）前記ステップ（ａ）において仮定された境界によ
り分割される各領域に属するデータに対して、回帰分析
を施して適切な回帰線を決定してそのときの誤差を求め
るステップ、 （ｃ）前記ステップ（ｂ）において求めた各領域毎の誤
差について重み付け平均を計算してその境界に対する評
価値とするステップ、 （ｄ）調査範囲内において新たな値を特性境界と仮定
し、前記ステップ（ｂ）〜（ｃ）を順次繰り返すステッ
プ、 （ｅ）前記ステップ（ｃ）において算出した各特性境界
に対応する評価値が最小となる特性境界を正しい境界で
あると識別するステップ。 - 【請求項２】 前記ステップ（ｂ）における回帰分析に
おいて、隣接した領域の回帰線は、仮定した両領域の境
界において交点を生じる回帰式により近似されることを
特徴とする前記請求項１記載のデータ群の特性境界識別
方法。 - 【請求項３】 前記ステップ（ｃ）における各領域毎の
誤差について重み付け平均を行い評価値とする処理にお
いて、デ−タのばらつきが大きくて回帰線からの外れが
大きい領域では、その回帰分析の誤差に対する重みを小
さくして評価値を算出することを特徴とする前記請求項
１記載のデータ群の特性境界識別方法。 - 【請求項４】 特性の変化する境界を有するデータ群を
入力するための入力装置と、 前記入力装置により入力されたデータ群を記憶する記録
装置と、 前記記録装置に記憶されたデータ群から、前記データ群
の特性境界を識別する特性境界識別演算を実行する演算
処理装置と、 前記演算処理装置により実行された特性境界識別演算の
結果を出力する出力装置とを有するデータ群の特性境界
識別装置であって、 前記演算処理装置は、 最初に特性境界を仮定する処理と、 仮定した特性境界で分割される各領域のデータに対して
回帰分析を施して適切な回帰線を決定してそのときの誤
差を求める処理と、 その各領域毎の誤差について重み付け平均を計算して評
価値を算出する処理と、 前記仮定した特性境界を変化させて評価値を算出して、
該評価値が最小となるときが正しい特性境界であると識
別する処理を実行するものであることを特徴とするデー
タ群の特性境界識別装置。 - 【請求項５】 前記演算処理装置における前記回帰分析
処理において、隣接した領域の回帰線は、仮定した両領
域の境界において交点を生じる回帰式とされていること
を特徴とする前記請求項４記載のデータ群の特性境界識
別装置。 - 【請求項６】 前記演算処理装置における前記各領域毎
の誤差について重み付け平均を計算して評価値を算出す
る処理において、データのばらつきが大きくて回帰線か
らの外れが大きい領域については、その回帰分析の誤差
に対する重みが小さくされていることを特徴とする前記
請求項４記載のデータ群の特性境界識別装置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP24541696A JP3155954B2 (ja) | 1996-08-29 | 1996-08-29 | 電波伝搬損失特性推定方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP24541696A JP3155954B2 (ja) | 1996-08-29 | 1996-08-29 | 電波伝搬損失特性推定方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPH1075218A true JPH1075218A (ja) | 1998-03-17 |
| JP3155954B2 JP3155954B2 (ja) | 2001-04-16 |
Family
ID=17133337
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP24541696A Expired - Lifetime JP3155954B2 (ja) | 1996-08-29 | 1996-08-29 | 電波伝搬損失特性推定方法 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP3155954B2 (ja) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2009187061A (ja) * | 2008-02-01 | 2009-08-20 | Quick Corp | 信用評価処理システム、信用評価処理方法及び信用評価処理プログラム |
| JP2015130550A (ja) * | 2014-01-06 | 2015-07-16 | 富士通株式会社 | 音響処理装置、音響処理方法および音響処理プログラム |
| JP2017120992A (ja) * | 2015-12-28 | 2017-07-06 | 富士通株式会社 | 推定装置、推定方法、および推定プログラム |
| JP2020057261A (ja) * | 2018-10-03 | 2020-04-09 | トヨタ自動車株式会社 | 重回帰分析装置及び重回帰分析方法 |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| GB201615647D0 (en) * | 2016-09-14 | 2016-10-26 | Sir Jacob Behrens & Sons Ltd | Improvements in and relating to curtains |
-
1996
- 1996-08-29 JP JP24541696A patent/JP3155954B2/ja not_active Expired - Lifetime
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2009187061A (ja) * | 2008-02-01 | 2009-08-20 | Quick Corp | 信用評価処理システム、信用評価処理方法及び信用評価処理プログラム |
| JP2015130550A (ja) * | 2014-01-06 | 2015-07-16 | 富士通株式会社 | 音響処理装置、音響処理方法および音響処理プログラム |
| JP2017120992A (ja) * | 2015-12-28 | 2017-07-06 | 富士通株式会社 | 推定装置、推定方法、および推定プログラム |
| JP2020057261A (ja) * | 2018-10-03 | 2020-04-09 | トヨタ自動車株式会社 | 重回帰分析装置及び重回帰分析方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| JP3155954B2 (ja) | 2001-04-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109949290B (zh) | 路面裂缝检测方法、装置、设备及存储介质 | |
| US9930541B2 (en) | Maintaining the integrity of configuration information of a network of access points for use in positioning an apparatus | |
| CN113127342B (zh) | 基于电网信息系统特征选择的缺陷预测方法及装置 | |
| CN109521725A (zh) | 检测异常数据的方法、装置和设备以及机器可读介质 | |
| CN108377508B (zh) | 基于测量报告数据的用户感知分类方法和装置 | |
| CN118509333B (zh) | 一种基于python的射频测试网络构建与评估方法及系统 | |
| CN117892842B (zh) | 电池故障预测模型的训练方法、装置及电子设备 | |
| CN108470194B (zh) | 一种特征筛选方法及装置 | |
| CN114861825A (zh) | 数字钥匙端定位性能分类方法及装置、分类设备及介质 | |
| CN114547101B (zh) | 数据中台的数据质量评估方法、装置、设备及存储介质 | |
| CN112529112B (zh) | 一种矿物识别的方法和装置 | |
| CN111062448A (zh) | 设备类型的识别模型训练方法、设备类型识别方法和装置 | |
| CN113610167A (zh) | 基于度量学习与视觉感知的设备风险检测方法 | |
| JPH1075218A (ja) | データ群の特性境界識別方法及び装置 | |
| CN112381456A (zh) | 基于冲突数据融合的装备研制阶段测试性评估及系统 | |
| CN110083777B (zh) | 一种社交网络用户分组方法、装置及服务器 | |
| CN117523324B (zh) | 图像处理方法和图像样本分类方法、装置和存储介质 | |
| CN105743756A (zh) | WiFi系统中基于adaboost算法的帧检测方法 | |
| CN113837237A (zh) | 基于证据置信熵与相似性的多传感器融合目标识别方法 | |
| CN111026661B (zh) | 一种软件易用性全面测试方法及系统 | |
| CN112566013B (zh) | 目标设备的定位方法、装置、设备及计算机存储介质 | |
| CN116307734A (zh) | 项目的风险等级的确定方法、装置、设备及可读存储介质 | |
| CN109145887B (zh) | 一种基于光谱潜变量混淆判别的阈值分析方法 | |
| CN112749998A (zh) | 收入信息输出方法、装置、电子设备及计算机存储介质 | |
| CN119399857B (zh) | 基于信号强度的钥匙定位方法、装置、设备及存储介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20000613 |
|
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20000926 |
|
| S533 | Written request for registration of change of name |
Free format text: JAPANESE INTERMEDIATE CODE: R313533 |
|
| R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |
|
| S533 | Written request for registration of change of name |
Free format text: JAPANESE INTERMEDIATE CODE: R313533 |
|
| R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |
|
| EXPY | Cancellation because of completion of term |