信息处理装置、程序和信息处理方法制造方法及图纸

具有：存储部(102)，其存储特征向量集合、质量标签集合和多个非质量标签集合；非质量标签聚类部(107)，其针对多个非质量标签集合中的各个非质量标签集合计算平均聚类精度，由此计算分别与多个非质量标签集合中的各个非质量标签集合对应的多个平均聚类精度，平均聚类精度是使用质量标签集合对通过由多个非质量标签分别表示的多个要素中的各个要素分割多个特征向量而成的子集进行了聚类时的聚类精度的平均值；以及处理部(108)，其生成能够使用多个平均聚类精度确定对多个数字数据的质量造成不良影响的至少一个非质量标签的种类的画面图像。画面图像。画面图像。

【技术实现步骤摘要】
【国外来华专利技术】信息处理装置、程序和信息处理方法


[0001]本专利技术涉及信息处理装置、程序和信息处理方法。

技术介绍

[0002]由于深层学习及其关联技术的进步，能够进行与图像或声音有关的复杂的识别任务的系统已经成为一般的系统。在这种系统中，能够根据大量的学习数据自动地发现其潜在构造，由此，实现在深层学习以前的传统方法中无法实现的高通用性能。
[0003]但是，这种系统在未得到学习中能够利用的丰富的带标签数据的状况下不发挥功能。另一方面，在现实存在的各种任务中，得到丰富的学习数据的状况非常稀少。因此，在绝大多数情况下，实际情况是以深层学习为首的非传统方法不发挥作用。
[0004]例如，很早就开始研究根据从设备产生的声音或振动自动地诊断该设备的健全性的方法，迄今为止已开发出各种方法。例如，非专利文献1记载的MT(马氏田口)法是其中最具代表性的方法之一。在MT法中，事先学习正常样本分布的特征空间作为基准空间，根据诊断时观测到的特征向量从基准空间偏离何种程度，进行正常或异常的判定。
[0005]在MT法等传统方法中，在特征的提取中加入经验性的知识和见解，进行与特征向量的分布有关的假设，由此，能够容易地对被学习的模型施加适当的制约。因此，在这种方法中，不需要深层学习所需要的大量数据。
[0006]现有技术文献
[0007]非专利文献
[0008]非专利文献1：立林和夫著、“入门田口方法”、株式会社日科技连出版社、2004年、P.167
‑
185

技术实现思路
/>[0009]专利技术要解决的课题
[0010]但是，在传统方法中，学习所需要的数据为少量即可，相应地，存在如果其质量不高则不发挥功能这样的问题。但是，在这种领域中，提高要测定的数据的质量这样的观点的技术非常少。特别地，几乎不存在不需要作为对象的任务固有的知识的一般方法，而且，在测定出的数据的质量差的情况下，无法确定使数据的质量变差的原因。
[0011]因此，本专利技术的一个或多个方式的目的在于，能够确定被使用的数据集合的质量变差的原因。
[0012]用于解决课题的手段
[0013]本专利技术的第1方式的信息处理装置的特征在于，所述信息处理装置具有：存储部，其存储特征向量集合、质量标签集合和多个非质量标签集合，所述特征向量集合包含通过从表示从对象计测出的计测值的多个数字数据中分别提取预定的特征而生成的多个特征向量，所述质量标签集合包含分别与所述多个数字数据中的各个数字数据对应的、表示所述对象的质量好坏的多个质量标签，所述多个非质量标签集合分别包含期待与所述对象的
质量好坏无关的种类的多个非质量标签，所述多个非质量标签分别与所述多个数字数据中的各个数字数据对应；非质量标签聚类部，其针对所述多个非质量标签集合中的各个非质量标签集合计算平均聚类精度，由此计算分别与所述多个非质量标签集合中的各个非质量标签集合对应的多个所述平均聚类精度，所述平均聚类精度是使用所述质量标签集合对通过由所述多个非质量标签分别表示的多个要素中的各个要素分割所述多个特征向量而成的子集进行了聚类时的聚类精度的平均值；以及处理部，其生成能够使用所述多个平均聚类精度确定对所述多个数字数据的质量造成不良影响的至少一个非质量标签的种类的画面图像。
[0014]本专利技术的第2方式的信息处理装置的特征在于，所述信息处理装置具有：存储部，其存储特征向量集合、质量标签集合和多个非质量标签集合，所述特征向量集合包含通过从表示从对象计测出的计测值的多个数字数据中分别提取预定的特征而生成的多个特征向量，所述质量标签集合包含分别与所述多个数字数据中的各个数字数据对应的、表示所述对象的质量好坏的多个质量标签，所述多个非质量标签集合分别包含期待与所述对象的质量好坏无关的种类的多个非质量标签，所述多个非质量标签分别与所述多个数字数据中的各个数字数据对应；非质量标签聚类部，其针对与从所述多个非质量标签中选择出的一个种类的非质量标签对应的非质量标签集合计算聚类精度，由此计算多个所述聚类精度，所述聚类精度是使用所述质量标签集合对通过由所述多个非质量标签表示的多个要素中的各个要素分割所述多个特征向量而成的子集进行了聚类时的聚类精度；以及处理部，其生成能够使用所述多个聚类精度确定对所述多个数字数据的质量造成不良影响的至少一个要素的画面图像。
[0015]本专利技术的第3方式的信息处理装置的特征在于，所述信息处理装置具有：存储部，其存储特征向量集合、质量标签集合和多个非质量标签集合，所述特征向量集合包含通过从表示从对象计测出的计测值的多个数字数据中分别提取预定的特征而生成的多个特征向量，所述质量标签集合包含分别与所述多个数字数据中的各个数字数据对应的、表示所述对象的质量好坏的多个质量标签，所述多个非质量标签集合分别包含期待与所述对象的质量好坏无关的种类的多个非质量标签，所述多个非质量标签分别与所述多个数字数据中的各个数字数据对应；非质量标签聚类部，其针对所述多个非质量标签集合中的各个非质量标签集合计算聚类精度的方差，由此计算分别与所述多个非质量标签集合中的各个非质量标签集合对应的多个所述方差，所述聚类精度是使用所述质量标签集合对通过由所述多个非质量标签分别表示的多个要素中的各个要素分割所述多个特征向量而成的子集进行了聚类时的聚类精度；以及处理部，其生成能够使用所述多个方差确定对所述多个数字数据的质量造成不良影响的至少一个非质量标签的种类的画面图像。
[0016]本专利技术的第1方式的程序的特征在于，所述程序使计算机作为以下部分发挥功能：存储部，其存储特征向量集合、质量标签集合和多个非质量标签集合，所述特征向量集合包含通过从表示从对象计测出的计测值的多个数字数据中分别提取预定的特征而生成的多个特征向量，所述质量标签集合包含分别与所述多个数字数据中的各个数字数据对应的、表示所述对象的质量好坏的多个质量标签，所述多个非质量标签集合分别包含期待与所述对象的质量好坏无关的种类的多个非质量标签，所述多个非质量标签分别与所述多个数字数据中的各个数字数据对应；非质量标签聚类部，其针对所述多个非质量标签集合中的各
个非质量标签集合计算平均聚类精度，由此计算分别与所述多个非质量标签集合中的各个非质量标签集合对应的多个所述平均聚类精度，所述平均聚类精度是使用所述质量标签集合对通过由所述多个非质量标签分别表示的多个要素中的各个要素分割所述多个特征向量而成的子集进行了聚类时的聚类精度的平均值；以及处理部，其生成能够使用所述多个平均聚类精度确定对所述多个数字数据的质量造成不良影响的至少一个非质量标签的种类的画面图像。
[0017]本专利技术的第2方式的程序的特征在于，所述程序使计算机作为以下部分发挥功能：存储部，其存储特征向量集合、质量标签集合和多个非质量标签集合，所述特征向量集合包含通过从表示从对象计测出的计测值的多个数字数据中分别提取预定的特征而生成的多个特征向量，所述质量标签集合包含分别与所述多个数字数据中的各个数字数据对应的、表示所述对象的质量好坏的多个质量标签，所述多个非质量标签本文档来自技高网...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】1.一种信息处理装置，其特征在于，该信息处理装置具有：存储部，其存储特征向量集合、质量标签集合和多个非质量标签集合，所述特征向量集合包含通过从表示从对象计测出的计测值的多个数字数据中分别提取预定的特征而生成的多个特征向量，所述质量标签集合包含分别与所述多个数字数据中的各个数字数据对应的、表示所述对象的质量好坏的多个质量标签，所述多个非质量标签集合分别包含期待与所述对象的质量好坏无关的种类的多个非质量标签，所述多个非质量标签分别与所述多个数字数据中的各个数字数据对应；非质量标签聚类部，其针对所述多个非质量标签集合中的各个非质量标签集合计算平均聚类精度，由此计算分别与所述多个非质量标签集合中的各个非质量标签集合对应的多个所述平均聚类精度，所述平均聚类精度是使用所述质量标签集合对通过由所述多个非质量标签分别表示的多个要素中的各个要素分割所述多个特征向量而成的子集进行了聚类时的聚类精度的平均值；以及处理部，其生成能够使用所述多个平均聚类精度确定对所述多个数字数据的质量造成不良影响的至少一个非质量标签的种类的画面图像。2.根据权利要求1所述的信息处理装置，其特征在于，所述处理部生成标签种类评价画面图像作为所述画面图像，该标签种类评价画面图像按照所述多个平均聚类精度从高到低的顺序示出多个所述种类中的至少一方。3.根据权利要求1所述的信息处理装置，其特征在于，所述信息处理装置还具有质量标签聚类部，该质量标签聚类部计算使用所述质量标签集合对所述多个特征向量进行了聚类时的聚类精度即基准聚类精度，所述处理部从所述多个平均聚类精度分别减去所述基准聚类精度，由此计算多个改善量，生成精度改善量画面图像作为所述画面图像，该精度改善量画面图像按照所述多个改善量从大到小的顺序，与对应的改善量一起示出多个所述种类中的至少一方。4.根据权利要求1～3中的任意一项所述的信息处理装置，其特征在于，所述聚类精度是聚类成功的比例或聚类失败的比例。5.根据权利要求1～4中的任意一项所述的信息处理装置，其特征在于，所述信息处理装置还具有显示部，该显示部显示所述画面图像。6.一种信息处理装置，其特征在于，该信息处理装置具有：存储部，其存储特征向量集合、质量标签集合和多个非质量标签集合，所述特征向量集合包含通过从表示从对象计测出的计测值的多个数字数据中分别提取预定的特征而生成的多个特征向量，所述质量标签集合包含分别与所述多个数字数据中的各个数字数据对应的、表示所述对象的质量好坏的多个质量标签，所述多个非质量标签集合分别包含期待与所述对象的质量好坏无关的种类的多个非质量标签，所述多个非质量标签分别与所述多个数字数据中的各个数字数据对应；非质量标签聚类部，其针对与从所述多个非质量标签中选择出的一个种类的非质量标签对应的非质量标签集合计算聚类精度，由此计算多个所述聚类精度，所述聚类精度是使用所述质量标签集合对通过由所述多个非质量标签表示的多个要素中的各个要素分割所述多个特征向量而成的子集进行了聚类时的聚类精度；以及处理部，其生成能够使用所述多个聚类精度确定对所述多个数字数据的质量造成不良
影响的至少一个要素的画面图像。7.根据权利要求6所述的信息处理装置，其特征在于，所述处理部生成精度影响要素评价画面图像作为所述画面图像，该精度影响要素评价画面图像按照所述多个聚类精度从低到高的顺序示出所述多个要素中的至少一方。8.根据权利要求6或7所述的信息处理装置，其特征在于，所述聚类精度是聚类成功的比例或聚类失败的比例。9.根据权利要求6～8中的任意一项所述的信息处理装置，其特征在于，所述信息处理装置还具有显示部，该显示部显示所述画面图像。10.一种信息处理装置，其特征在于，该信息处理装置具有：存储部，其存储特征向量集合、质量标签集合和多个非质量标签集合，所述特征向量集合包含通过从表示从对象计测出的计测值的多个数字数据中分别提取预定的特征而生成的多个特征向量，所述质量标签集合包含分别与所述多个数字数据中的各个数字数据对应的、表示所述对象的质量好坏的多个质量标签，所述多个非质量标签集合分别包含期待与所述对象的质量好坏无关的种类的多个非质量标签，所述多个非质量标签分别与所述多个数字数据中的各个数字数据对应；非质量标签聚类部，其针对所述多个非质量标签集合中的各个非质量标签集合计算聚类精度的方差，由此计算分别与所述多个非质量标签集合中的各个非质量标签集合对应的多个所述方差，所述聚类精度是使用所述质量标签集合对通过由所述多个非质量标签分别表示的多个要素中的各个要素分割所述多个特征向量而成的子集进行了聚类时的聚类精度；以及处理部，其生成能够使用所述多个方差确定对所述多个数字数据的质量造成不良影响的至少一个非质量标签的种类的画面图像。11.根据权利要求10所述的信息处理装置，其特征在于，所述处理部生成标签种类评价画面图像作为所述画面图像，该标签种类评价画面图像按照所述多个方差从大到小的顺序示出多个所述种类中的至少一方。12.根据权利要求10或11所述的信息处理装置，其特征在于，所述聚类精度是聚类成功的比例或聚类失败的比例。13.根据权利要求10～12中的任意一项所述的信息处理装置，其特征在于，所述信息处理装置还具有显示部，该显示部显示所述画面图像。14.一种程序，其特征在于，该程序使计算机作为以下部分发挥功能：存储部，其存储特征向量集合、质量标签集合和多个非质量标签集合，所述特征向量集合包含通过从表示从对象计测出的计测值的多个数字数据中分别提取预定的特征而生成的多个特征向量，所述质量标签集合包含分别与所述多个数字数据中的各个数字数据对应的、表示所述对象的质量好坏的多个质量标签，所述多个非质量标签集合分别包含期待与所述对象的质量好坏无关的种类的多个非质量标签，所述多个非质量标签...

【专利技术属性】
技术研发人员：田中信秋，
申请(专利权)人：三菱电机株式会社，
类型：发明
国别省市：