帰納学習を用いた図面部品の抽出と分類のための規則の形成

• Item type: Journal(1)
• 公開日: 1995-03-15
• タイトル: 帰納学習を用いた図面部品の抽出と分類のための規則の形成
• タイトル / 言語: en
• タイトル: Rule Formulation Based on Inductive Learning for Extraction and Classification of Diagram Symbols
• 言語: jpn
• キーワード / 主題Scheme: Other
• キーワード / 主題: 論文
• 資源タイプ / 資源タイプ識別子: http://purl.org/coar/resource_type/c_6501
• 資源タイプ: journal article
• その他タイトル / その他のタイトル: パターン認識
• 著者所属: 電子技術総合研究所知能情報部推論研究室
• 著者所属: 京都大学工学部高度情報開発実験施設
• 著者所属: 京都大学工学部情報工学教室
• 著者所属(英): en
• 著者所属(英): Machine Inference Section, Machine Understanding Division, Electrotechnical Laboratory
• 著者所属(英): en
• 著者所属(英): Integrated Media Environment Experimental Laboratory, Faculty of Engineering, Kyoto University
• 著者所属(英): en
• 著者所属(英): Department of Information Science, Faculty of Engineering, Kyoto University
• 著者名: 神嶌, 敏弘; 美濃導彦; 池田, 克夫
• 著者名(英): Toshihiro, Kamishima; Michihiko, Minoh; Katsuo, Ikeda
• 論文抄録 / 内容記述タイプ: Other
• 論文抄録 / 内容記述: ベクトル化された論理回路図面からゲートや接続線といった部品を抽出し分類する処理を取り上げ、その処理の過程で用いられる規則を形成する。従来の画像理解分野の規則形成の研究は、対象の形状や色などによる分類、もしくは、図面の記号的な記述だけを対象としたものなどがほとんどであった。これらの研究では、対象の抽出法や記号的な記述が獲得されていることを前提としているが、実際にはこれらの獲得は困難であることが多い。そこで、本研究では、図面から得られた非記号的記述から、図面部品の抽出と分類の両方を行うための規則を形成することを目標とした。実際の抽出と分類は次の方法で行う。ベクトル化された図面中の任意の線分対が同じ図面部品（同じ種類の図面部品ではない）を構成する確率を求める。この確率を類似度とみなして線分をクラスタリングすることで図面部品を抽出する。次に、抽出された各部品を、それらを構成する線分群の特徴から分類する。上記の確率を計算するために、規則の記述言語（拡張決定リスト）とその形成アルゴリズム（MOKSHA）を考案した。MOKSHAでは確率的な結論を出力する規則を形成するためにRissanenのMDL基準を利用した。これらの手法により、図面部品の抽出と分類がある程度可能であることを実験的に示した。
• 書誌レコードID / 収録物識別子タイプ: NCID
• 書誌レコードID / 収録物識別子: AN00116647
• 書誌情報: 情報処理学会論文誌; 巻 36, 号 3, p. 614-626, 発行日 1995-03-15
• ISSN / 収録物識別子タイプ: ISSN
• ISSN / 収録物識別子: 1882-7764