[发明专利]归属度判别装置

说明书

本发明涉及通过综合2群线性判别的分析结果进行多群判别，从而判别被检测数据归属哪一群的归属度判别装置。该装置可以有效地用于例如疾病的诊断(患者属于何种疾病群的诊断)。

2群线性判别分析，作为统计判别所着眼的对象属于2群内哪一群的方法，是最普通的方法。另外从获得知识的观点看，由于2群线性判别分析最后是根据2群线性判别函数的判别值的正负来判别属于2群内的哪一群的，所以，信息压缩率非常高。

另一方面，对于某种疾病数据，作为从所考虑的多群中决定1群的方法(诊断系统)，有以专家系统为代表的符号化的知识和利用推论法进行演绎而实现的方法、利用神经元网络学习的方法和像作为多元分析的应用的多群判别那样归纳实现的方法等。

如果人们考虑一下例如经验丰富的专科医生是经过什么样的思考过程从多群中决定1群的，就会知道，决不是一下就从多群中决定1群的，而是将所能考虑的群压缩为数群，通过对它们进行相互比较，决定出最像的群。这种过程叫作“选优过程”，这是人们比较擅长的。

关于这种多群模型的认识，在电子情报通信学会论文誌A Vol.J 72-A No.1 pp.41-48(1989年1月)上有关于利用对判别的多群模型认识的记载。

在这种多群模型的认识中，对于所有的对，进行2群间的判别，综合这些结果得出对多群的判断结果。即，不是对全群假定共同的方差协方差矩阵，而是对每个对，假定方差协方差矩阵，对未知输入模型X，计算到各群∏i，∏j的马哈赖诺毕斯距离Di²，Dj²和后验概率P(∏i|x)，P(∏j|x)，根据马哈赖诺毕斯距离Di²，Dj²的大小或后验概率P(∏i|x)，P(∏j|x)的大小得出判别结果，并在将其进行标准化(标准化对统计量)综合的基础上，最后得出未知输入模型x的分类结果。但是，对于后验概率P(∏i|x)，P(∏j|x)没有登载具体的计算方法。

此外，其中，作为得出最后结果的方法，给出了多数决定法、极大极小法、以及利用期望值决定的方法。所谓多数决定法，就是集中2群判别结果，根据多数决定得出正确的答案。所谓极大极小法，就是在马哈赖诺毕斯距离中求极大值，当距离增大时就否定属于该群，对群数多的情况是有效的。所谓利用期望值决定的方法，就是取关于群∏i的标准化对统计量的期望值，以给出最佳结果的群为解的方法。

但是，在这种先有的多群判别中，例如在实际构筑判别各种疾病的系统时，由于用于获得知识(线性判别函数的计算等)的数据的质的差别，通常，得到的线性判别函数的可靠性不同。

另外，在实际的疾病的判别中，有具有非常重要意义的组合的2群判别和不怎么有意义的组合的2群判别，平等地考虑所有组合的2群判别是不能令人满意。可以认为，专科医生是在无意识中根据经验进行处理的。

上述情况，对于现实中的多群判别系统，特别是进行疾病判别的系统，是非常重要的问题。

本发明就是考虑了这些情况而提出的，其目的是提供一种可靠性比先有的归属度判别装置高的归属度判别装置，该装置根据2群线性判别，计算被检测数据属于多群中的哪一群，同时，对每个2群的组合判别均求出其支持度，通过参照其支持度，判断被检测数据的归属度而进行归属度的判别。

图1是本发明的结构框图，如图所示，本发明的归属度判别装置包括：存储装置101、判别函数设定装置102、2群判别结果计算装置103、支持度确定装置104和归属度计算装置105。

存储装置101用于对大量的群预先存储各群的特征模型；

判别函数设定装置102用于对存储装置101中存储的许多群全部进行组合，从其中选择任意的2群，并对每一个2群分别设定将所选择的各2群进行最佳二分的线性判别函数；

2群判别结果计算装置103用于使用由判别函数设定装置102设定的各2群的线性判别函数，对各2群计算出被检测数据属于哪一群的2群判别结果：

支持度确定装置104用于对各2群确定由2群判别结果计算装置103计算出的2群判别结果的支持程度；

归属度计算装置105用于根据各2群的2群判别结果和支持度计算被检测数据对各群的归属度。

作为本发明中的存储装置101，可以使用软盘装置及磁盘装置等各种外部存储装置。

作为判别函数设定装置102、2群判别结果计算装置103、支持度确定装置104和归属度计算装置105，可以使用由CPU、ROM、RAM、I/O通道构成的微处理器。