特許ウォッチ

公開番号2025008642
公報種別公開特許公報(A)
公開日2025-01-20
出願番号2023110975
出願日2023-07-05
発明の名称クラスタ分析装置、および、クラスタ分析方法
出願人株式会社日立製作所
代理人弁理士法人磯野国際特許商標事務所
主分類G06F 18/23213 20230101AFI20250109BHJP(計算;計数)
要約【課題】入力条件の精度に影響されず、高い出力精度のクラスタを出力可能な非階層クラスタ分析を提供すること。
【解決手段】クラスタ分析装置100のCPU13は、各回ランダムに設定した重心初期位置を第1入力条件として、複数回の非階層クラスタ分析を実行することで、複数のランダムクラスタを取得し、複数のランダムクラスタに共通して所属するデータ点群をもとに共通クラスタを形成し、その共通クラスタの数と、各共通クラスタに所属するデータ点群の重心初期位置とを第2入力条件として作成し、作成した第2入力条件をもとに非階層クラスタ分析を実行することで取得した出力クラスタを出力する。
【選択図】図1
特許請求の範囲【請求項１】
クラスタ分析装置は、データ点群をクラスタに分類する非階層クラスタ分析を実行する処理部を有しており、
前記処理部は、
各回ランダムに設定した重心初期位置を第１入力条件として、複数回の前記非階層クラスタ分析を実行することで、複数の第１クラスタを取得し、
前記複数の第１クラスタに共通して所属する前記データ点群をもとに共通クラスタを形成し、その共通クラスタの数と、前記各共通クラスタに所属する前記データ点群の重心初期位置とを第２入力条件として作成し、
作成した前記第２入力条件をもとに前記非階層クラスタ分析を実行することで取得した第２クラスタを出力することを特徴とする
クラスタ分析装置。
続きを表示（約 690 文字）【請求項２】
前記処理部は、前記非階層クラスタ分析として、k-means法を用いたクラスタリングを実行することを特徴とする
請求項１に記載のクラスタ分析装置。
【請求項３】
前記処理部は、前記複数の第１クラスタから前記共通クラスタを形成する処理において、前記複数の第１クラスタ間の類似度が所定値よりも低い場合には、その複数の第１クラスタ間の前記共通クラスタを形成対象から除外することを特徴とする
請求項１に記載のクラスタ分析装置。
【請求項４】
前記処理部は、母集団の中心極限定理から母平均の信頼区間を用いることで、前記複数の第１クラスタ間の類似度を計算することを特徴とする
請求項３に記載のクラスタ分析装置。
【請求項５】
クラスタ分析装置は、データ点群をクラスタに分類する非階層クラスタ分析を実行する処理部を有しており、
前記処理部は、
各回ランダムに設定した重心初期位置を第１入力条件として、複数回の前記非階層クラスタ分析を実行することで、複数の第１クラスタを取得するステップと、
前記複数の第１クラスタに共通して所属する前記データ点群をもとに共通クラスタを形成し、その共通クラスタの数と、前記各共通クラスタに所属する前記データ点群の重心初期位置とを第２入力条件として作成するステップと、
作成した前記第２入力条件をもとに前記非階層クラスタ分析を実行することで取得した第２クラスタを出力するステップとを実行することを特徴とする
クラスタ分析方法。

発明の詳細な説明【技術分野】
【０００１】
本発明は、クラスタ分析装置、および、クラスタ分析方法に関する。
続きを表示（約 1,800 文字）【背景技術】
【０００２】
クラスタ分析は、複数のサンプル（データ点群）が与えられると、類似性を持った集合（クラスタ）に分類する手法であり、ビックデータの解析などに有用である。クラスタ分析の手法は、以下の２種類が代表的である。
・階層クラスタ分析は、データ点群から最も近いデータ同士でクラスタを形成し、徐々にクラスタの数を少なくしていく手法である。
・非階層クラスタ分析は、最終的なクラスタ数を決めてから、自動的にグルーピングを行う手法である。
【０００３】
非階層クラスタ分析の１つであるk-means法を用いたクラスタリング（以下「k-meansクラスタリング」）を用いる場合は、分類後のクラスタ数と、各クラスタの重心初期位置（以下「重心初期位置」）とが入力条件（初期条件）として指定される。また、特許文献１には、クラスタを構成するデータ数の下限値のみを入力条件として指定するクラスタ分析装置が記載されている。
【先行技術文献】
【特許文献】
【０００４】
特開２００５－２２２１３８号公報
【発明の概要】
【発明が解決しようとする課題】
【０００５】
k-meansクラスタリングなどの非階層クラスタ分析は、入力条件の良し悪しによって、出力されるクラスタの精度が大きく変動する。よって、ユーザは、個別のデータ点群に適した入力条件を試行錯誤で設定する手間がかかっていた。
【０００６】
図１３は、k-meansクラスタリングの対象となるデータ点群が配置されたデータ空間の説明図である。
データ点群３００は、黒丸で図示する各データ点が、データ空間内に点在する集合体である。
【０００７】
図１４は、図１３のデータ点群３００に対するk-meansクラスタリングの結果の第１例を示す説明図である。
クラスタ数＝３の入力条件に従い、クラスタリング結果３１０のデータ点群を構成する各データ点は、各クラスタ３１１，３１２，３１３のいずれかに含まれる。また、入力条件として指定された各クラスタ重心の重心初期位置３１１Ｈ，３１２Ｈ，３１３Ｈが、互いにほぼ等距離の間隔で適切な位置である。
よって、重心初期位置３１１Ｈから形成されるクラスタ３１１と、重心初期位置３１２Ｈから形成されるクラスタ３１２と、重心初期位置３１３Ｈから形成されるクラスタ３１３とは、それぞれクラスタ間でのデータ点数のバラツキが少なく、良好な結果と言える。
【０００８】
図１５は、図１３のデータ点群３００に対するk-meansクラスタリングの結果の第２例を示す説明図である。
クラスタ数＝３の入力条件に従い、クラスタリング結果３２０のデータ点群を構成する各データ点は、各クラスタ３２１，３２２，３２３のいずれかに含まれる。しかし、入力条件として指定された各クラスタ重心の重心初期位置３２１Ｈ，３２２Ｈ，３２３Ｈの配置に偏りがあり、重心初期位置３２２Ｈ，３２３Ｈ間の距離が短すぎる。
よって、クラスタ３２１はデータ数が多すぎる一方、クラスタ３２２はデータ数が少ないので、不良な結果と言える。
【０００９】
このように、k-meansクラスタリングという同じ手法を用いても出力精度がばらつくので、その入力条件の精度に精度されないような非階層クラスタ分析の手法が求められる。しかし、従来のk-meansクラスタリングでは、各クラスタの重心初期位置を入力条件にする必要上、入力条件の精度に左右されてしまう。
また、特許文献１の手法では、各クラスタの重心初期位置は入力条件として求められないが、代わりにクラスタを構成するデータ数の下限値を入力条件にする必要上、入力条件の精度に左右されてしまう。例えば、入力条件であるデータ数の下限値よりも１つ少ないクラスタの個数が多く形成できるようなデータ点群では、うまくクラスタを形成できない。
【００１０】
そこで、本発明は、入力条件の精度に影響されず、高い出力精度のクラスタを出力可能な非階層クラスタ分析を提供することを、主な課題とする。
【課題を解決するための手段】
（【００１１】以降は省略されています）

関連特許