知財求人 - 知財ポータルサイト「IP Force」
(19)【発行国】日本国特許庁(JP)
(12)【公報種別】公開特許公報(A)
(11)【公開番号】P2024166064
(43)【公開日】2024-11-28
(54)【発明の名称】バックグラウンドを取り除いた特性曲線を求める方法
(51)【国際特許分類】
G06F 17/10 20060101AFI20241121BHJP
【ＦＩ】
G06F17/10 Z
【審査請求】未請求
【請求項の数】8
【出願形態】ＯＬ
(21)【出願番号】P 2024008113
(22)【出願日】2024-01-23
(31)【優先権主張番号】P 2023080549
(32)【優先日】2023-05-16
(33)【優先権主張国・地域又は機関】JP
(71)【出願人】
【識別番号】301023238
【氏名又は名称】国立研究開発法人物質・材料研究機構
(72)【発明者】
【氏名】柳生 進二郎
(72)【発明者】
【氏名】松本 明善
(72)【発明者】
【氏名】長田 貴弘
【テーマコード（参考）】
5B056
【Ｆターム（参考）】
5B056BB55
5B056BB61
5B056HH00
(57)【要約】
【課題】人為に左右されず、簡便にバックグラウンド除去精度の高いべき乗則、指数則特性曲線を求める方法の提供。
【解決手段】特性関数Ｙ＝Ｆ（ｘ）に対してセグメント回帰区分線形関数法を適用して情報量基準により区分および区分数を求めるステップと、区分毎の特性関数の曲線の傾きａ［ｉ］を求めるステップと、特性関数の平均的な傾きａｖｅＳを求めるステップと、全区分を通してのデータの値の平均値と中央値から非対称性指標ＡＳＹを求めるステップと、判定基準ＤＳを平均的な傾きａｖｅＳと非対称性指標ＡＳＹを用いて求めるステップと、傾きａ［ｉ］の線形成分がａ［ｉ］＜ＤＳの場合はバックグラウンド成分、ａ［ｉ］≧ＤＳの場合は非バックグラウンド成分として選別判定するステップと、Ｆ（０）とバックグラウンド成分を特性関数から減ずるステップからなる。
【選択図】図１
【解決手段】特性関数Ｙ＝Ｆ（ｘ）に対してセグメント回帰区分線形関数法を適用して情報量基準により区分および区分数を求めるステップと、区分毎の特性関数の曲線の傾きａ［ｉ］を求めるステップと、特性関数の平均的な傾きａｖｅＳを求めるステップと、全区分を通してのデータの値の平均値と中央値から非対称性指標ＡＳＹを求めるステップと、判定基準ＤＳを平均的な傾きａｖｅＳと非対称性指標ＡＳＹを用いて求めるステップと、傾きａ［ｉ］の線形成分がａ［ｉ］＜ＤＳの場合はバックグラウンド成分、ａ［ｉ］≧ＤＳの場合は非バックグラウンド成分として選別判定するステップと、Ｆ（０）とバックグラウンド成分を特性関数から減ずるステップからなる。
【選択図】図１
【特許請求の範囲】
【請求項1】
バックグラウンド除去対象の特性関数Ｙ＝Ｆ（ｘ）に対してセグメント回帰区分線形関数法を適用し、情報量基準により区分、区分数ｍおよび区分境界点（ＢＰ［ｊ］）（ここでｊは０からｍまでの整数、ＢＰ［０］はｘの最小値、ＢＰ［ｍ］はｘの最大値）を求めるステップと、
前記情報基準により求められた区分ｉ（ｉは１からｍまでの整数）毎の前記特性関数Ｙ＝Ｆ（ｘ）の曲線の傾きａ［ｉ］およびＦ（０）を求めるステップと、
ａ［ｉ］≧ａ［ｉ＋１］を満たすａ［ｉ］がある場合は、前記ｉの最小値をｎとし、前記ｉが１からｍまでａ［ｉ］＜ａ［ｉ＋１］を満たす場合は、ｎ＝ｍとして計算対象の区間を区分ｎまでの区間として求めるステップと、
第１の指標として、前記区分の１からｎまでの区間で、前記Ｙの最大値Ｙｍａｘ、最小値Ｙｍｉｎ、前記ｘの最大値ｘｍａｘおよび最小値ｘｍｉｎを用いて、（Ｙｍａｘ－Ｙｍｉｎ）／（ｘｍａｘ－ｘｍｉｎ）で定義される前記特性関数Ｙ＝Ｆ（ｘ）の平均的な傾き（ａｖｅＳ）を求めるステップと、
第２の指標として、前記区分の１からｎまでの区分を通してのデータ（Ｙ）の値の平均値（Ｄａｖｅ）と中央値（Ｄｃｎｔ）の比から非対称性指標（ＡＳＹ＝Ｄｃｎｔ／Ｄａｖｅ）を求めるステップと、
判定基準（ＤＳ）を前記平均的な傾き（ａｖｅＳ）と前記非対称性指標（ＡＳＹ）および０．８０以上０．９５以下の値の中からあらかじめ定めた基準値Ｌを用いて
０≦ＡＳＹ＜Ｌの場合 ＤＳ＝ａｖｅＳ×ＡＳＹ、
ＡＳＹ≧Ｌの場合 ＤＳ＝ａｖｅＳ
として求めるステップと、
前記傾きａ［ｉ］（ｉは１からｎまでの整数）の線形成分が、
ａ［ｉ］＜ＤＳの場合はバックグラウンド成分
ａ［ｉ］≧ＤＳの場合は非バックグラウンド成分として選別判定するステップと、
Ｆ（０）および前記バックグラウンド成分を前記特性関数Ｙ＝Ｆ（ｘ）から減ずるステップ、を含むステップからなる、特性曲線を求める方法。
前記情報基準により求められた区分ｉ（ｉは１からｍまでの整数）毎の前記特性関数Ｙ＝Ｆ（ｘ）の曲線の傾きａ［ｉ］およびＦ（０）を求めるステップと、
ａ［ｉ］≧ａ［ｉ＋１］を満たすａ［ｉ］がある場合は、前記ｉの最小値をｎとし、前記ｉが１からｍまでａ［ｉ］＜ａ［ｉ＋１］を満たす場合は、ｎ＝ｍとして計算対象の区間を区分ｎまでの区間として求めるステップと、
第１の指標として、前記区分の１からｎまでの区間で、前記Ｙの最大値Ｙｍａｘ、最小値Ｙｍｉｎ、前記ｘの最大値ｘｍａｘおよび最小値ｘｍｉｎを用いて、（Ｙｍａｘ－Ｙｍｉｎ）／（ｘｍａｘ－ｘｍｉｎ）で定義される前記特性関数Ｙ＝Ｆ（ｘ）の平均的な傾き（ａｖｅＳ）を求めるステップと、
第２の指標として、前記区分の１からｎまでの区分を通してのデータ（Ｙ）の値の平均値（Ｄａｖｅ）と中央値（Ｄｃｎｔ）の比から非対称性指標（ＡＳＹ＝Ｄｃｎｔ／Ｄａｖｅ）を求めるステップと、
判定基準（ＤＳ）を前記平均的な傾き（ａｖｅＳ）と前記非対称性指標（ＡＳＹ）および０．８０以上０．９５以下の値の中からあらかじめ定めた基準値Ｌを用いて
０≦ＡＳＹ＜Ｌの場合 ＤＳ＝ａｖｅＳ×ＡＳＹ、
ＡＳＹ≧Ｌの場合 ＤＳ＝ａｖｅＳ
として求めるステップと、
前記傾きａ［ｉ］（ｉは１からｎまでの整数）の線形成分が、
ａ［ｉ］＜ＤＳの場合はバックグラウンド成分
ａ［ｉ］≧ＤＳの場合は非バックグラウンド成分として選別判定するステップと、
Ｆ（０）および前記バックグラウンド成分を前記特性関数Ｙ＝Ｆ（ｘ）から減ずるステップ、を含むステップからなる、特性曲線を求める方法。
【請求項2】
バックグラウンド除去対象の特性関数Ｙ＝Ｆ（ｘ）に対してセグメント回帰区分線形関数法を適用し、情報量基準により区分、区分数ｍおよび区分境界点（ＢＰ［ｊ］）（ここでｊは０からｍまでの整数、ＢＰ［０］はｘの最小値、ＢＰ［ｍ］はｘの最大値）を求めるステップと、
前記情報基準により求められた区分ｉ（ｉは１からｍまでの整数）毎の前記特性関数Ｙ＝Ｆ（ｘ）の曲線の傾き（ａ［ｉ］）を前記各区分の始点と終点間の傾きとして求めるステップと、
ａ［ｉ］≧ａ［ｉ＋１］を満たすａ［ｉ］がある場合は、前記ｉの最小値をｎとし、前記ｉが１からｍまでａ［ｉ］＜ａ［ｉ＋１］を満たす場合は、ｎ＝ｍとして、計算対象の区間を区分ｎまでの区間として求めるステップと、
第１の指標として、前記区分の１からｎまでの区間で、前記Ｙの最大値Ｙｍａｘ、最小値Ｙｍｉｎ、前記ｘの最大値ｘｍａｘおよび最小値ｘｍｉｎを用いて、（Ｙｍａｘ－Ｙｍｉｎ）／（ｘｍａｘ－ｘｍｉｎ）で定義される前記特性関数Ｙ＝Ｆ（ｘ）の平均的な傾き（ａｖｅＳ）を求めるステップと、
第２の指標として、前記区分の１からｎまでの区分を通してのデータ（Ｙ）の値の平均値（Ｄａｖｅ）と中央値（Ｄｃｎｔ）の比から、下記（式２）で与えられる非対称性指標（ＡＳＹ）を計算するステップと、
判定基準（ＤＳ）を前記平均的な傾き（ａｖｅＳ）と前記非対称性指標（ＡＳＹ）および０．８０以上０．９５以下の値の中からあらかじめ定めた基準値Ｌを用いて、０≦ＡＳＹ＜Ｌの場合は下記（式３）、ＡＳＹ≧Ｌの場合は下記（式４）により求めるステップと、
前記ａ［ｉ］（ｉは１からｎまでの整数）と前記判定基準（ＤＳ）を比較して、ｉが１からｎまでの範囲で、ａ［ｉ］≧ＤＳとなるｉがある場合はａ［ｉ］≧ＤＳを満たす最小のｉをｔ、ａ［ｉ］＜ＤＳの場合はｔ＝ｎとして、線形バックグラウンド区分区間範囲を示す最大区間区分ｔを求めるステップと、
線形バックグラウンドが取り除かれた特性曲線Ｙ´を下記（式５）から（式７）より求めるステップからなる、特性曲線を求める方法。
ａｖｅＳ＝（Ｙｍａｘ－Ｙｍｉｎ）／（ｘｍａｘ－ｘｍｉｎ） ・・・（式１）
ＡＳＹ＝Ｄｃｎｔ／Ｄａｖｅ ・・・（式２）
ＤＳ＝ａｖｅＳ×ＡＳＹ ・・・（式３）
ＤＳ＝ａｖｅＳ ・・・（式４）
Ｙ´＝Ｆ（ｘ）－Ｆｂａｃｋｇｒｏｕｎｄ ・・・（式５）
前記情報基準により求められた区分ｉ（ｉは１からｍまでの整数）毎の前記特性関数Ｙ＝Ｆ（ｘ）の曲線の傾き（ａ［ｉ］）を前記各区分の始点と終点間の傾きとして求めるステップと、
ａ［ｉ］≧ａ［ｉ＋１］を満たすａ［ｉ］がある場合は、前記ｉの最小値をｎとし、前記ｉが１からｍまでａ［ｉ］＜ａ［ｉ＋１］を満たす場合は、ｎ＝ｍとして、計算対象の区間を区分ｎまでの区間として求めるステップと、
第１の指標として、前記区分の１からｎまでの区間で、前記Ｙの最大値Ｙｍａｘ、最小値Ｙｍｉｎ、前記ｘの最大値ｘｍａｘおよび最小値ｘｍｉｎを用いて、（Ｙｍａｘ－Ｙｍｉｎ）／（ｘｍａｘ－ｘｍｉｎ）で定義される前記特性関数Ｙ＝Ｆ（ｘ）の平均的な傾き（ａｖｅＳ）を求めるステップと、
第２の指標として、前記区分の１からｎまでの区分を通してのデータ（Ｙ）の値の平均値（Ｄａｖｅ）と中央値（Ｄｃｎｔ）の比から、下記（式２）で与えられる非対称性指標（ＡＳＹ）を計算するステップと、
判定基準（ＤＳ）を前記平均的な傾き（ａｖｅＳ）と前記非対称性指標（ＡＳＹ）および０．８０以上０．９５以下の値の中からあらかじめ定めた基準値Ｌを用いて、０≦ＡＳＹ＜Ｌの場合は下記（式３）、ＡＳＹ≧Ｌの場合は下記（式４）により求めるステップと、
前記ａ［ｉ］（ｉは１からｎまでの整数）と前記判定基準（ＤＳ）を比較して、ｉが１からｎまでの範囲で、ａ［ｉ］≧ＤＳとなるｉがある場合はａ［ｉ］≧ＤＳを満たす最小のｉをｔ、ａ［ｉ］＜ＤＳの場合はｔ＝ｎとして、線形バックグラウンド区分区間範囲を示す最大区間区分ｔを求めるステップと、
線形バックグラウンドが取り除かれた特性曲線Ｙ´を下記（式５）から（式７）より求めるステップからなる、特性曲線を求める方法。
ａｖｅＳ＝（Ｙｍａｘ－Ｙｍｉｎ）／（ｘｍａｘ－ｘｍｉｎ） ・・・（式１）
ＡＳＹ＝Ｄｃｎｔ／Ｄａｖｅ ・・・（式２）
ＤＳ＝ａｖｅＳ×ＡＳＹ ・・・（式３）
ＤＳ＝ａｖｅＳ ・・・（式４）
Ｙ´＝Ｆ（ｘ）－Ｆｂａｃｋｇｒｏｕｎｄ ・・・（式５）
【数1】
【請求項3】
前記情報量基準は、ベイズ情報量基準（Ｂａｙｅｓｉａｎ Ｉｎｆｏｒｍａｔｉｏｎ Ｃｒｉｔｅｒｉｏｎ；ＢＩＣ）または赤池情報量基準（Ａｋａｉｋｅ Ｉｎｆｏｒｍａｔｉｏｎ Ｃｒｉｔｅｒｉｏｎ；ＡＩＣ）である、請求項１または２記載の特性曲線を求める方法。
【請求項4】
前記基準値Ｌは０．９である、請求項１から３の何れか一項に記載の特性曲線を求める方法。
【請求項5】
前記特性関数は、超電導材料の臨界電流密度関数である、請求項１から４の何れか一項に記載の特性曲線を求める方法。
【請求項6】
バックグラウンド除去対象の特性関数Ｙ＝Ｆ（ｘ）に対してセグメント回帰区分線形関数法を適用し、情報量基準により区分、区分数ｍおよび区分境界点（ＢＰ［ｊ］）（ここでｊは０からｍまでの整数、ＢＰ［０］はｘの最小値ｘｍｉｎ、ＢＰ［ｍ］はｘの最大値ｘｍａｘ）を求めるステップと、
前記情報基準により求められた区分ｉ（ｉは１からｍまでの整数）毎の前記特性関数Ｙ＝Ｆ（ｘ）の曲線の傾き（ａ［ｉ］）を前記各区分の始点と終点間の傾きとして求めるステップと、
ａ［ｉ］≧ａ［ｉ＋１］を満たすａ［ｉ］がある場合は、前記ｉの最小値をｎとし、前記ｉが１からｍまでａ［ｉ］＜ａ［ｉ＋１］を満たす場合は、ｎ＝ｍとして、計算対象の区間を区分ｎまでの区間として求めるステップと、
第１ａの指標として、前記区分の１からｎまでの区間で、前記Ｙの最大値Ｙｍａｘ、最小値Ｙｍｉｎ、前記ｘの最大値ｘｍａｘおよび最小値ｘｍｉｎを用いて、下記（式１ａ）で定義される前記特性関数Ｙ＝Ｆ（ｘ）の平均的な傾き（ａｖｅＳ）を求めるステップと、
第２ａの指標として、前記ｘｍｉｎを０、前記ｘｍａｘを１、Ｆ（ｘｍｉｎ）を０、Ｆ（ｘｍａｘ）を１として（ｘ、Ｙ）を規格化しローレンツ曲線から求めたジニ係数（ＧｉＮｉ）より計算される（１－ＧｉＮｉ）を求めるステップと、
判定基準（ＤＳａ）を、前記平均的な傾き（ａｖｅＳ）と前記第２ａの指標である（１－ＧｉＮｉ）を用いて、下記（式２ａ）により求めるステップと、
前記ａ［ｉ］（ｉは１からｎまでの整数）と前記判定基準（ＤＳａ）を比較して、ｉが１からｎまでの範囲で、ａ［ｉ］≧ＤＳａとなるｉがある場合はａ［ｉ］≧ＤＳａを満たす最小のｉをｔａ、ａ［ｉ］＜ＤＳａの場合はｔａ＝ｎとして、線形バックグラウンド区分区間範囲を示す最大区間区分ｔａを求めるステップと、
線形バックグラウンドが取り除かれた特性曲線Ｙａ´を下記（式３ａ）より求めるステップからなる、特性曲線を求める方法。
ａｖｅＳ＝（Ｙｍａｘ－Ｙｍｉｎ）／（ｘｍａｘ－ｘｍｉｎ） ・・・（式１ａ）
ＤＳａ＝ａｖｅＳ×（１－ＧｉＮｉ） ・・・（式２ａ）
Ｙａ´＝Ｆ（ｘ）－Ｆｂａｃｋｇｒｏｕｎｄ，ａ ・・・（式３ａ）
前記情報基準により求められた区分ｉ（ｉは１からｍまでの整数）毎の前記特性関数Ｙ＝Ｆ（ｘ）の曲線の傾き（ａ［ｉ］）を前記各区分の始点と終点間の傾きとして求めるステップと、
ａ［ｉ］≧ａ［ｉ＋１］を満たすａ［ｉ］がある場合は、前記ｉの最小値をｎとし、前記ｉが１からｍまでａ［ｉ］＜ａ［ｉ＋１］を満たす場合は、ｎ＝ｍとして、計算対象の区間を区分ｎまでの区間として求めるステップと、
第１ａの指標として、前記区分の１からｎまでの区間で、前記Ｙの最大値Ｙｍａｘ、最小値Ｙｍｉｎ、前記ｘの最大値ｘｍａｘおよび最小値ｘｍｉｎを用いて、下記（式１ａ）で定義される前記特性関数Ｙ＝Ｆ（ｘ）の平均的な傾き（ａｖｅＳ）を求めるステップと、
第２ａの指標として、前記ｘｍｉｎを０、前記ｘｍａｘを１、Ｆ（ｘｍｉｎ）を０、Ｆ（ｘｍａｘ）を１として（ｘ、Ｙ）を規格化しローレンツ曲線から求めたジニ係数（ＧｉＮｉ）より計算される（１－ＧｉＮｉ）を求めるステップと、
判定基準（ＤＳａ）を、前記平均的な傾き（ａｖｅＳ）と前記第２ａの指標である（１－ＧｉＮｉ）を用いて、下記（式２ａ）により求めるステップと、
前記ａ［ｉ］（ｉは１からｎまでの整数）と前記判定基準（ＤＳａ）を比較して、ｉが１からｎまでの範囲で、ａ［ｉ］≧ＤＳａとなるｉがある場合はａ［ｉ］≧ＤＳａを満たす最小のｉをｔａ、ａ［ｉ］＜ＤＳａの場合はｔａ＝ｎとして、線形バックグラウンド区分区間範囲を示す最大区間区分ｔａを求めるステップと、
線形バックグラウンドが取り除かれた特性曲線Ｙａ´を下記（式３ａ）より求めるステップからなる、特性曲線を求める方法。
ａｖｅＳ＝（Ｙｍａｘ－Ｙｍｉｎ）／（ｘｍａｘ－ｘｍｉｎ） ・・・（式１ａ）
ＤＳａ＝ａｖｅＳ×（１－ＧｉＮｉ） ・・・（式２ａ）
Ｙａ´＝Ｆ（ｘ）－Ｆｂａｃｋｇｒｏｕｎｄ，ａ ・・・（式３ａ）
【数2】
【請求項7】
バックグラウンド除去対象の特性関数Ｙ＝Ｆ（ｘ）に対してセグメント回帰区分線形関数法を適用し、情報量基準により区分、区分数ｍおよび区分境界点（ＢＰ［ｊ］）（ここでｊは０からｍまでの整数、ＢＰ［０］はｘの最小値ｘｍｉｎ、ＢＰ［ｍ］はｘの最大値ｘｍａｘ）を求めるステップと、
前記情報基準により求められた区分ｉ（ｉは１からｍまでの整数）毎の前記特性関数Ｙ＝Ｆ（ｘ）の曲線の傾き（ａ［ｉ］）を前記各区分の始点と終点間の傾きとして求めるステップと、
ａ［ｉ］≧ａ［ｉ＋１］を満たすａ［ｉ］がある場合は、前記ｉの最小値をｎとし、前記ｉが１からｍまでａ［ｉ］＜ａ［ｉ＋１］を満たす場合は、ｎ＝ｍとして、計算対象の区間を区分ｎまでの区間として求めるステップと、
隣接する前記区分境界点（ＢＰ［ｊ］）間の距離ΔＢＰ［ｊｂ］＝ＢＰ［ｊ＋１］－ＢＰ［ｊ］（ｊｂは１からｎまでの整数、ｊは０からｎ‐１まで）を求めるステップと、
前記ΔＢＰ［ｊｂ］に対してＫ－ｍｅａｎｓ法を適用して前記ΔＢＰ［ｊｂ］を前記距離の短いグループＧａと長いグループＧｂの２グループに分類するステップと、
幅ΔＢＰ［ｊｂ］が前記グループＧａに属するときは０を、前記グループＧｂに属するときは１を区分ＢＤ［ｊｂ］の値として割り当てるステップと、
ΔＢＰ［ｎ＋１］およびΔＢＰ［ｎ＋２］の値として、ΔＢＰ［ｎ］と同じ値を割り当てた仮想のΔＢＰ［ｎ＋１］およびΔＢＰ［ｎ＋２］を作成するステップと、
ΔＢＰ［ｊｂ］の値が、ΔＢＰ［ｊｂ＋１］の値およびΔＢＰ［ｊｂ＋２］の値と同じ値になる最小のｊｂを求め、該値をｊｂ、Ｇａｍａｘとするステップと、
線形バックグラウンド区分区間範囲を示す最大区間区分ｔｂをｔｂ＝ｊｂ、Ｇａｍａｘとして計算するステップと、
線形バックグラウンドが取り除かれた特性曲線Ｙｂ´を下記（式１ｂ）より求めるステップからなる、特性曲線を求める方法。
Ｙｂ´＝Ｆ（ｘ）－Ｆｂａｃｋｇｒｏｕｎｄ，ｂ ・・・（式１ｂ）
前記情報基準により求められた区分ｉ（ｉは１からｍまでの整数）毎の前記特性関数Ｙ＝Ｆ（ｘ）の曲線の傾き（ａ［ｉ］）を前記各区分の始点と終点間の傾きとして求めるステップと、
ａ［ｉ］≧ａ［ｉ＋１］を満たすａ［ｉ］がある場合は、前記ｉの最小値をｎとし、前記ｉが１からｍまでａ［ｉ］＜ａ［ｉ＋１］を満たす場合は、ｎ＝ｍとして、計算対象の区間を区分ｎまでの区間として求めるステップと、
隣接する前記区分境界点（ＢＰ［ｊ］）間の距離ΔＢＰ［ｊｂ］＝ＢＰ［ｊ＋１］－ＢＰ［ｊ］（ｊｂは１からｎまでの整数、ｊは０からｎ‐１まで）を求めるステップと、
前記ΔＢＰ［ｊｂ］に対してＫ－ｍｅａｎｓ法を適用して前記ΔＢＰ［ｊｂ］を前記距離の短いグループＧａと長いグループＧｂの２グループに分類するステップと、
幅ΔＢＰ［ｊｂ］が前記グループＧａに属するときは０を、前記グループＧｂに属するときは１を区分ＢＤ［ｊｂ］の値として割り当てるステップと、
ΔＢＰ［ｎ＋１］およびΔＢＰ［ｎ＋２］の値として、ΔＢＰ［ｎ］と同じ値を割り当てた仮想のΔＢＰ［ｎ＋１］およびΔＢＰ［ｎ＋２］を作成するステップと、
ΔＢＰ［ｊｂ］の値が、ΔＢＰ［ｊｂ＋１］の値およびΔＢＰ［ｊｂ＋２］の値と同じ値になる最小のｊｂを求め、該値をｊｂ、Ｇａｍａｘとするステップと、
線形バックグラウンド区分区間範囲を示す最大区間区分ｔｂをｔｂ＝ｊｂ、Ｇａｍａｘとして計算するステップと、
線形バックグラウンドが取り除かれた特性曲線Ｙｂ´を下記（式１ｂ）より求めるステップからなる、特性曲線を求める方法。
Ｙｂ´＝Ｆ（ｘ）－Ｆｂａｃｋｇｒｏｕｎｄ，ｂ ・・・（式１ｂ）
【数3】
【請求項8】
バックグラウンド除去対象の特性関数Ｙ＝Ｆ（ｘ）に対してセグメント回帰区分線形関数法を適用し、情報量基準により区分、区分数ｍおよび区分境界点（ＢＰ［ｊ］）（ここでｊは０からｍまでの整数、ｘの最小値ｘｍｉｎ、ＢＰ［ｍ］はｘの最大値ｘｍａｘ）を求めるステップと、
前記情報基準により求められた区分ｉ（ｉは１からｍまでの整数）毎の前記特性関数Ｙ＝Ｆ（ｘ）の曲線の傾き（ａ［ｉ］）を前記各区分の始点と終点間の傾きとして求めるステップと、
ａ［ｉ］≧ａ［ｉ＋１］を満たすａ［ｉ］がある場合は、前記ｉの最小値をｎとし、前記ｉが１からｍまでａ［ｉ］＜ａ［ｉ＋１］を満たす場合は、ｎ＝ｍとして、計算対象の区間を区分ｎまでの区間として求めるステップと、
第１の指標として、前記区分の１からｎまでの区間で、前記Ｙの最大値Ｙｍａｘ、最小値Ｙｍｉｎ、前記ｘの最大値ｘｍａｘおよび最小値ｘｍｉｎを用いて、下記（式１１）で定義される前記特性関数Ｙ＝Ｆ（ｘ）の平均的な傾き（ａｖｅＳ）を求めるステップと、
第２の指標として、前記区分の１からｎまでの区分を通してのデータ（Ｙ）の値の平均値（Ｄａｖｅ）と中央値（Ｄｃｎｔ）の比から、下記（式１２）で与えられる非対称性指標（ＡＳＹ）を計算するステップと、
第１の判定基準（ＤＳ）を前記平均的な傾き（ａｖｅＳ）と前記非対称性指標（ＡＳＹ）および０．８０以上０．９５以下の値の中からあらかじめ定めた基準値Ｌを用いて、０≦ＡＳＹ＜Ｌの場合は下記（式１３）、ＡＳＹ≧Ｌの場合は下記（式１４）により求めるステップと、
前記ａ［ｉ］（ｉは１からｎまでの整数）と前記第１の判定基準（ＤＳ）を比較して、ｉが１からｎまでの範囲で、ａ［ｉ］≧ＤＳとなるｉがある場合はａ［ｉ］≧ＤＳを満たす最小のｉをｔ、ａ［ｉ］＜ＤＳの場合はｔ＝ｎとして、線形バックグラウンド区分区間範囲を示す最大区間区分ｔを求めるステップと、
第３の指標として、前記ｘｍｉｎを０、前記ｘｍａｘを１、Ｆ（ｘｍｉｎ）を０、Ｆ（ｘｍａｘ）を１として（ｘ、Ｙ）を規格化しローレンツ曲線からジニ係数（ＧｉＮｉ）より計算される（１－ＧｉＮｉ）を求めるステップと、
第２の判定基準（ＤＳａ）を、前記平均的な傾き（ａｖｅＳ）と前記第３の指標である（１－ＧｉＮｉ）を用いて、下記（式１５）により求めるステップと、
前記ａ［ｉ］（ｉは１からｎまでの整数）と前記第２の判定基準（ＤＳａ）を比較して、ｉが１からｎまでの範囲で、ａ［ｉ］≧ＤＳａとなるｉがある場合はａ［ｉ］≧ＤＳａを満たす最小のｉをｔａ、ａ［ｉ］＜ＤＳａの場合はｔａ＝ｎとして、線形バックグラウンド区分区間範囲を示す最大区間区分ｔａを求めるステップと、
隣接する前記区分境界点（ＢＰ［ｊ］）間の距離ΔＢＰ［ｊｂ］＝ＢＰ［ｊ＋１］－ＢＰ［ｊ］（ｊｂは１からｎまでの整数、ｊは０からｎ‐１まで）を求めるステップと、
前記ΔＢＰ［ｊｂ］に対してＫ－ｍｅａｎｓ法を適用して前記ΔＢＰ［ｊｂ］を前記距離の短いグループＧａと長いグループＧｂの２グループに分類するステップと、
ΔＢＰ［ｎ＋１］およびΔＢＰ［ｎ＋２］の値として、ΔＢＰ［ｎ］と同じ値を割り当てた仮想のΔＢＰ［ｎ＋１］およびΔＢＰ［ｎ＋２］を作成するステップと、
ΔＢＰ［ｊｂ］の値が、ΔＢＰ［ｊｂ＋１］の値およびΔＢＰ［ｊｂ＋２］の値と同じ値になる最小のｊｂを求め、該値をｊｂ、Ｇａｍａｘとするステップと、
線形バックグラウンド区分区間範囲を示す最大区間区分ｔｂをｔｂ＝ｊｂ、Ｇａｍａｘとして計算するステップと、
前記最大区間区分ｔ、ｔａおよびｔｂの内の最頻値をｔｃ、またはｔ、ｔａおよびｔｂの値が３つとも異なる場合は、ｔ、ｔａおよびｔｂの中の２番目に大きい値をｔｃとして定めるステップと、
線形バックグラウンドが取り除かれた特性曲線Ｙｃ´を下記（式１６）より求めるステップからなる、特性曲線を求める方法。
ａｖｅＳ＝（Ｙｍａｘ－Ｙｍｉｎ）／（ｘｍａｘ－ｘｍｉｎ） ・・・（式１１）
ＡＳＹ＝Ｄｃｎｔ／Ｄａｖｅ ・・・（式１２）
ＤＳ＝ａｖｅＳ×ＡＳＹ ・・・（式１３）
ＤＳ＝ａｖｅＳ ・・・（式１４）
ＤＳａ＝ａｖｅＳ×（１－ＧｉＮｉ） ・・・（式１５）
Ｙｃ´＝Ｆ（ｘ）－Ｆｂａｃｋｇｒｏｕｎｄ，ｃ ・・・（式１６）
前記情報基準により求められた区分ｉ（ｉは１からｍまでの整数）毎の前記特性関数Ｙ＝Ｆ（ｘ）の曲線の傾き（ａ［ｉ］）を前記各区分の始点と終点間の傾きとして求めるステップと、
ａ［ｉ］≧ａ［ｉ＋１］を満たすａ［ｉ］がある場合は、前記ｉの最小値をｎとし、前記ｉが１からｍまでａ［ｉ］＜ａ［ｉ＋１］を満たす場合は、ｎ＝ｍとして、計算対象の区間を区分ｎまでの区間として求めるステップと、
第１の指標として、前記区分の１からｎまでの区間で、前記Ｙの最大値Ｙｍａｘ、最小値Ｙｍｉｎ、前記ｘの最大値ｘｍａｘおよび最小値ｘｍｉｎを用いて、下記（式１１）で定義される前記特性関数Ｙ＝Ｆ（ｘ）の平均的な傾き（ａｖｅＳ）を求めるステップと、
第２の指標として、前記区分の１からｎまでの区分を通してのデータ（Ｙ）の値の平均値（Ｄａｖｅ）と中央値（Ｄｃｎｔ）の比から、下記（式１２）で与えられる非対称性指標（ＡＳＹ）を計算するステップと、
第１の判定基準（ＤＳ）を前記平均的な傾き（ａｖｅＳ）と前記非対称性指標（ＡＳＹ）および０．８０以上０．９５以下の値の中からあらかじめ定めた基準値Ｌを用いて、０≦ＡＳＹ＜Ｌの場合は下記（式１３）、ＡＳＹ≧Ｌの場合は下記（式１４）により求めるステップと、
前記ａ［ｉ］（ｉは１からｎまでの整数）と前記第１の判定基準（ＤＳ）を比較して、ｉが１からｎまでの範囲で、ａ［ｉ］≧ＤＳとなるｉがある場合はａ［ｉ］≧ＤＳを満たす最小のｉをｔ、ａ［ｉ］＜ＤＳの場合はｔ＝ｎとして、線形バックグラウンド区分区間範囲を示す最大区間区分ｔを求めるステップと、
第３の指標として、前記ｘｍｉｎを０、前記ｘｍａｘを１、Ｆ（ｘｍｉｎ）を０、Ｆ（ｘｍａｘ）を１として（ｘ、Ｙ）を規格化しローレンツ曲線からジニ係数（ＧｉＮｉ）より計算される（１－ＧｉＮｉ）を求めるステップと、
第２の判定基準（ＤＳａ）を、前記平均的な傾き（ａｖｅＳ）と前記第３の指標である（１－ＧｉＮｉ）を用いて、下記（式１５）により求めるステップと、
前記ａ［ｉ］（ｉは１からｎまでの整数）と前記第２の判定基準（ＤＳａ）を比較して、ｉが１からｎまでの範囲で、ａ［ｉ］≧ＤＳａとなるｉがある場合はａ［ｉ］≧ＤＳａを満たす最小のｉをｔａ、ａ［ｉ］＜ＤＳａの場合はｔａ＝ｎとして、線形バックグラウンド区分区間範囲を示す最大区間区分ｔａを求めるステップと、
隣接する前記区分境界点（ＢＰ［ｊ］）間の距離ΔＢＰ［ｊｂ］＝ＢＰ［ｊ＋１］－ＢＰ［ｊ］（ｊｂは１からｎまでの整数、ｊは０からｎ‐１まで）を求めるステップと、
前記ΔＢＰ［ｊｂ］に対してＫ－ｍｅａｎｓ法を適用して前記ΔＢＰ［ｊｂ］を前記距離の短いグループＧａと長いグループＧｂの２グループに分類するステップと、
ΔＢＰ［ｎ＋１］およびΔＢＰ［ｎ＋２］の値として、ΔＢＰ［ｎ］と同じ値を割り当てた仮想のΔＢＰ［ｎ＋１］およびΔＢＰ［ｎ＋２］を作成するステップと、
ΔＢＰ［ｊｂ］の値が、ΔＢＰ［ｊｂ＋１］の値およびΔＢＰ［ｊｂ＋２］の値と同じ値になる最小のｊｂを求め、該値をｊｂ、Ｇａｍａｘとするステップと、
線形バックグラウンド区分区間範囲を示す最大区間区分ｔｂをｔｂ＝ｊｂ、Ｇａｍａｘとして計算するステップと、
前記最大区間区分ｔ、ｔａおよびｔｂの内の最頻値をｔｃ、またはｔ、ｔａおよびｔｂの値が３つとも異なる場合は、ｔ、ｔａおよびｔｂの中の２番目に大きい値をｔｃとして定めるステップと、
線形バックグラウンドが取り除かれた特性曲線Ｙｃ´を下記（式１６）より求めるステップからなる、特性曲線を求める方法。
ａｖｅＳ＝（Ｙｍａｘ－Ｙｍｉｎ）／（ｘｍａｘ－ｘｍｉｎ） ・・・（式１１）
ＡＳＹ＝Ｄｃｎｔ／Ｄａｖｅ ・・・（式１２）
ＤＳ＝ａｖｅＳ×ＡＳＹ ・・・（式１３）
ＤＳ＝ａｖｅＳ ・・・（式１４）
ＤＳａ＝ａｖｅＳ×（１－ＧｉＮｉ） ・・・（式１５）
Ｙｃ´＝Ｆ（ｘ）－Ｆｂａｃｋｇｒｏｕｎｄ，ｃ ・・・（式１６）
【数4】
【発明の詳細な説明】
【技術分野】
【0001】
本発明は、バックグラウンドを取り除いた特性曲線を求める方法に関する。
【背景技術】
【0002】
べき乗則あるいは指数則に即した物理現象は多い。そして、その法則にしたがった特性関数から導き出される特性指標は、物性評価やそれの産業利用に大変有用である。
ここで、べき乗則に即した特性の指標としては、超電導材料の臨界電流密度Ｊｃ、光電子放出（光電効果）閾値、バンドギャップ、指数則に即した特性の指標としては半導体のショットキー閾値を挙げることができる。また、べき乗則の活用としては、特許文献１に開示があるトランジスタの特性劣化予測、および特許文献２に開示がある粘度測定への適用などを挙げることができる。
このため、べき乗則や指数則に従った特性関数は重要であるが、その算出にあたっては、重畳されているバックグラウンド成分の除去と、人為に左右されない自動化された算出方法の確立という２つの課題があった。
ここで、べき乗則に即した特性の指標としては、超電導材料の臨界電流密度Ｊｃ、光電子放出（光電効果）閾値、バンドギャップ、指数則に即した特性の指標としては半導体のショットキー閾値を挙げることができる。また、べき乗則の活用としては、特許文献１に開示があるトランジスタの特性劣化予測、および特許文献２に開示がある粘度測定への適用などを挙げることができる。
このため、べき乗則や指数則に従った特性関数は重要であるが、その算出にあたっては、重畳されているバックグラウンド成分の除去と、人為に左右されない自動化された算出方法の確立という２つの課題があった。
【0003】
測定されたデータには様々なバックグラウンド成分が本来の特性曲線に乗っている。バックグラウンドは、その多くが線形成分であるが、それを取り除くことが重要である。従来は、その算出作業を人手で行っていた。しかし、人手では効率が悪いとともに、人為による不確実性、曖昧性が発生していた。
【先行技術文献】
【特許文献】
【0004】
【特許文献1】特開２００１－３５２０５９号公報
【特許文献2】特開２０２２－１８５５６８号公報
【非特許文献】
【0005】
【非特許文献1】Ｐｉｌｉｇｒｉｍ．Ｃ，Ｐｉｃｅｗｉｓｅ－ｒｅｇｒｅｓｓｉｏｎ（ａｋａ ｓｅｇｍｅｎｔｅｄ ｒｅｇｒｅｓｓｉｏｎ） ｉｎ Ｐｙｔｈｏｎ，Ｊｏｕｒｎａｌ ｏｆ Ｏｐｅｎ Ｓｏｕｒｃｅ Ｓｏｆｔｗａｒｅ，６（６８），３８５９（２０２１）
【発明の概要】
【発明が解決しようとする課題】
【0006】
本発明の課題は、特性関数を算出する際の上記従来の問題を解決し、人為に左右されずに安定に算出され、簡便な方法でありながら、バックグラウンド除去精度の高い特性曲線を求める方法を提供することである。
【課題を解決するための手段】
【0007】
課題を解決するための本発明の構成を下記に示す。
（構成１）
バックグラウンド除去対象の特性関数Ｙ＝Ｆ（ｘ）に対してセグメント回帰区分線形関数法を適用し、情報量基準により区分、区分数ｍおよび区分境界点（ＢＰ［ｊ］）（ここでｊは０からｍまでの整数、ＢＰ［０］はｘの最小値、ＢＰ［ｍ］はｘの最大値）を求めるステップと、
前記情報基準により求められた区分ｉ（ｉは１からｍまでの整数）毎の前記特性関数Ｙ＝Ｆ（ｘ）の曲線の傾きａ［ｉ］およびＦ（０）を求めるステップと、
ａ［ｉ］≧ａ［ｉ＋１］を満たすａ［ｉ］がある場合は、前記ｉの最小値をｎとし、前記ｉが１からｍまでａ［ｉ］＜ａ［ｉ＋１］を満たす場合は、ｎ＝ｍとして計算対象の区間を区分ｎまでの区間として求めるステップと、
第１の指標として、前記区分の１からｎまでの区間で、前記Ｙの最大値Ｙｍａｘ、最小値Ｙｍｉｎ、前記ｘの最大値ｘｍａｘおよび最小値ｘｍｉｎを用いて、（Ｙｍａｘ－Ｙｍｉｎ）／（ｘｍａｘ－ｘｍｉｎ）で定義される前記特性関数Ｙ＝Ｆ（ｘ）の平均的な傾き（ａｖｅＳ）を求めるステップと、
第２の指標として、前記区分の１からｎまでの区分を通してのデータ（Ｙ）の値の平均値（Ｄａｖｅ）と中央値（Ｄｃｎｔ）の比から非対称性指標（ＡＳＹ＝Ｄｃｎｔ／Ｄａｖｅ）を求めるステップと、
判定基準（ＤＳ）を前記平均的な傾き（ａｖｅＳ）と前記非対称性指標（ＡＳＹ）および０．８０以上０．９５以下の値の中からあらかじめ定めた基準値Ｌを用いて
０≦ＡＳＹ＜Ｌの場合 ＤＳ＝ａｖｅＳ×ＡＳＹ、
ＡＳＹ≧Ｌの場合 ＤＳ＝ａｖｅＳ
として求めるステップと、
前記傾きａ［ｉ］（ｉは１からｎまでの整数）の線形成分が、
ａ［ｉ］＜ＤＳの場合はバックグラウンド成分
ａ［ｉ］≧ＤＳの場合は非バックグラウンド成分として選別判定するステップと、
Ｆ（０）および前記バックグラウンド成分を前記特性関数Ｙ＝Ｆ（ｘ）から減ずるステップ、を含むステップからなる、特性曲線を求める方法。
（構成２）
バックグラウンド除去対象の特性関数Ｙ＝Ｆ（ｘ）に対してセグメント回帰区分線形関数法を適用し、情報量基準により区分、区分数ｍおよび区分境界点（ＢＰ［ｊ］）（ここでｊは０からｍまでの整数、ＢＰ［０］はｘの最小値、ＢＰ［ｍ］はｘの最大値）を求めるステップと、
前記情報基準により求められた区分ｉ（ｉは１からｍまでの整数）毎の前記特性関数Ｙ＝Ｆ（ｘ）の曲線の傾き（ａ［ｉ］）を前記各区分の始点と終点間の傾きとして求めるステップと、
ａ［ｉ］≧ａ［ｉ＋１］を満たすａ［ｉ］がある場合は、前記ｉの最小値をｎとし、前記ｉが１からｍまでａ［ｉ］＜ａ［ｉ＋１］を満たす場合は、ｎ＝ｍとして、計算対象の区間を区分ｎまでの区間として求めるステップと、
第１の指標として、前記区分の１からｎまでの区間で、前記Ｙの最大値Ｙｍａｘ、最小値Ｙｍｉｎ、前記ｘの最大値ｘｍａｘおよび最小値ｘｍｉｎを用いて、（Ｙｍａｘ－Ｙｍｉｎ）／（ｘｍａｘ－ｘｍｉｎ）で定義される前記特性関数Ｙ＝Ｆ（ｘ）の平均的な傾き（ａｖｅＳ）を求めるステップと、
第２の指標として、前記区分の１からｎまでの区分を通してのデータ（Ｙ）の値の平均値（Ｄａｖｅ）と中央値（Ｄｃｎｔ）の比から、下記（式２）で与えられる非対称性指標（ＡＳＹ）を計算するステップと、
判定基準（ＤＳ）を前記平均的な傾き（ａｖｅＳ）と前記非対称性指標（ＡＳＹ）および０．８０以上０．９５以下の値の中からあらかじめ定めた基準値Ｌを用いて、０≦ＡＳＹ＜Ｌの場合は下記（式３）、ＡＳＹ≧Ｌの場合は下記（式４）により求めるステップと、
前記ａ［ｉ］（ｉは１からｎまでの整数）と前記判定基準（ＤＳ）を比較して、ｉが１からｎまでの範囲で、ａ［ｉ］≧ＤＳとなるｉがある場合はａ［ｉ］≧ＤＳを満たす最小のｉをｔ、ａ［ｉ］＜ＤＳの場合はｔ＝ｎとして、線形バックグラウンド区分区間範囲を示す最大区間区分ｔを求めるステップと、
線形バックグラウンドが取り除かれた特性曲線Ｙ´を下記（式５）から（式７）より求めるステップからなる、特性曲線を求める方法。
ａｖｅＳ＝（Ｙｍａｘ－Ｙｍｉｎ）／（ｘｍａｘ－ｘｍｉｎ） ・・・（式１）
ＡＳＹ＝Ｄｃｎｔ／Ｄａｖｅ ・・・（式２）
ＤＳ＝ａｖｅＳ×ＡＳＹ ・・・（式３）
ＤＳ＝ａｖｅＳ ・・・（式４）
Ｙ´＝Ｆ（ｘ）－Ｆｂａｃｋｇｒｏｕｎｄ ・・・（式５）
（構成３）
前記情報量基準は、ベイズ情報量基準（Ｂａｙｅｓｉａｎ Ｉｎｆｏｒｍａｔｉｏｎ Ｃｒｉｔｅｒｉｏｎ；ＢＩＣ）または赤池情報量基準（Ａｋａｉｋｅ Ｉｎｆｏｒｍａｔｉｏｎ Ｃｒｉｔｅｒｉｏｎ；ＡＩＣ）である、構成１または２記載の特性曲線を求める方法。
（構成４）
前記基準値Ｌは０．９である、構成１から３の何れか一項に記載の特性曲線を求める方法。
（構成５）
前記特性関数は、超電導材料の臨界電流密度関数である、構成１から４の何れか一項に記載の特性曲線を求める方法。
（構成１）
バックグラウンド除去対象の特性関数Ｙ＝Ｆ（ｘ）に対してセグメント回帰区分線形関数法を適用し、情報量基準により区分、区分数ｍおよび区分境界点（ＢＰ［ｊ］）（ここでｊは０からｍまでの整数、ＢＰ［０］はｘの最小値、ＢＰ［ｍ］はｘの最大値）を求めるステップと、
前記情報基準により求められた区分ｉ（ｉは１からｍまでの整数）毎の前記特性関数Ｙ＝Ｆ（ｘ）の曲線の傾きａ［ｉ］およびＦ（０）を求めるステップと、
ａ［ｉ］≧ａ［ｉ＋１］を満たすａ［ｉ］がある場合は、前記ｉの最小値をｎとし、前記ｉが１からｍまでａ［ｉ］＜ａ［ｉ＋１］を満たす場合は、ｎ＝ｍとして計算対象の区間を区分ｎまでの区間として求めるステップと、
第１の指標として、前記区分の１からｎまでの区間で、前記Ｙの最大値Ｙｍａｘ、最小値Ｙｍｉｎ、前記ｘの最大値ｘｍａｘおよび最小値ｘｍｉｎを用いて、（Ｙｍａｘ－Ｙｍｉｎ）／（ｘｍａｘ－ｘｍｉｎ）で定義される前記特性関数Ｙ＝Ｆ（ｘ）の平均的な傾き（ａｖｅＳ）を求めるステップと、
第２の指標として、前記区分の１からｎまでの区分を通してのデータ（Ｙ）の値の平均値（Ｄａｖｅ）と中央値（Ｄｃｎｔ）の比から非対称性指標（ＡＳＹ＝Ｄｃｎｔ／Ｄａｖｅ）を求めるステップと、
判定基準（ＤＳ）を前記平均的な傾き（ａｖｅＳ）と前記非対称性指標（ＡＳＹ）および０．８０以上０．９５以下の値の中からあらかじめ定めた基準値Ｌを用いて
０≦ＡＳＹ＜Ｌの場合 ＤＳ＝ａｖｅＳ×ＡＳＹ、
ＡＳＹ≧Ｌの場合 ＤＳ＝ａｖｅＳ
として求めるステップと、
前記傾きａ［ｉ］（ｉは１からｎまでの整数）の線形成分が、
ａ［ｉ］＜ＤＳの場合はバックグラウンド成分
ａ［ｉ］≧ＤＳの場合は非バックグラウンド成分として選別判定するステップと、
Ｆ（０）および前記バックグラウンド成分を前記特性関数Ｙ＝Ｆ（ｘ）から減ずるステップ、を含むステップからなる、特性曲線を求める方法。
（構成２）
バックグラウンド除去対象の特性関数Ｙ＝Ｆ（ｘ）に対してセグメント回帰区分線形関数法を適用し、情報量基準により区分、区分数ｍおよび区分境界点（ＢＰ［ｊ］）（ここでｊは０からｍまでの整数、ＢＰ［０］はｘの最小値、ＢＰ［ｍ］はｘの最大値）を求めるステップと、
前記情報基準により求められた区分ｉ（ｉは１からｍまでの整数）毎の前記特性関数Ｙ＝Ｆ（ｘ）の曲線の傾き（ａ［ｉ］）を前記各区分の始点と終点間の傾きとして求めるステップと、
ａ［ｉ］≧ａ［ｉ＋１］を満たすａ［ｉ］がある場合は、前記ｉの最小値をｎとし、前記ｉが１からｍまでａ［ｉ］＜ａ［ｉ＋１］を満たす場合は、ｎ＝ｍとして、計算対象の区間を区分ｎまでの区間として求めるステップと、
第１の指標として、前記区分の１からｎまでの区間で、前記Ｙの最大値Ｙｍａｘ、最小値Ｙｍｉｎ、前記ｘの最大値ｘｍａｘおよび最小値ｘｍｉｎを用いて、（Ｙｍａｘ－Ｙｍｉｎ）／（ｘｍａｘ－ｘｍｉｎ）で定義される前記特性関数Ｙ＝Ｆ（ｘ）の平均的な傾き（ａｖｅＳ）を求めるステップと、
第２の指標として、前記区分の１からｎまでの区分を通してのデータ（Ｙ）の値の平均値（Ｄａｖｅ）と中央値（Ｄｃｎｔ）の比から、下記（式２）で与えられる非対称性指標（ＡＳＹ）を計算するステップと、
判定基準（ＤＳ）を前記平均的な傾き（ａｖｅＳ）と前記非対称性指標（ＡＳＹ）および０．８０以上０．９５以下の値の中からあらかじめ定めた基準値Ｌを用いて、０≦ＡＳＹ＜Ｌの場合は下記（式３）、ＡＳＹ≧Ｌの場合は下記（式４）により求めるステップと、
前記ａ［ｉ］（ｉは１からｎまでの整数）と前記判定基準（ＤＳ）を比較して、ｉが１からｎまでの範囲で、ａ［ｉ］≧ＤＳとなるｉがある場合はａ［ｉ］≧ＤＳを満たす最小のｉをｔ、ａ［ｉ］＜ＤＳの場合はｔ＝ｎとして、線形バックグラウンド区分区間範囲を示す最大区間区分ｔを求めるステップと、
線形バックグラウンドが取り除かれた特性曲線Ｙ´を下記（式５）から（式７）より求めるステップからなる、特性曲線を求める方法。
ａｖｅＳ＝（Ｙｍａｘ－Ｙｍｉｎ）／（ｘｍａｘ－ｘｍｉｎ） ・・・（式１）
ＡＳＹ＝Ｄｃｎｔ／Ｄａｖｅ ・・・（式２）
ＤＳ＝ａｖｅＳ×ＡＳＹ ・・・（式３）
ＤＳ＝ａｖｅＳ ・・・（式４）
Ｙ´＝Ｆ（ｘ）－Ｆｂａｃｋｇｒｏｕｎｄ ・・・（式５）
【数1】
前記情報量基準は、ベイズ情報量基準（Ｂａｙｅｓｉａｎ Ｉｎｆｏｒｍａｔｉｏｎ Ｃｒｉｔｅｒｉｏｎ；ＢＩＣ）または赤池情報量基準（Ａｋａｉｋｅ Ｉｎｆｏｒｍａｔｉｏｎ Ｃｒｉｔｅｒｉｏｎ；ＡＩＣ）である、構成１または２記載の特性曲線を求める方法。
（構成４）
前記基準値Ｌは０．９である、構成１から３の何れか一項に記載の特性曲線を求める方法。
（構成５）
前記特性関数は、超電導材料の臨界電流密度関数である、構成１から４の何れか一項に記載の特性曲線を求める方法。
【0008】
（構成６）
バックグラウンド除去対象の特性関数Ｙ＝Ｆ（ｘ）に対してセグメント回帰区分線形関数法を適用し、情報量基準により区分、区分数ｍおよび区分境界点（ＢＰ［ｊ］）（ここでｊは０からｍまでの整数、ＢＰ［０］はｘの最小値ｘｍｉｎ、ＢＰ［ｍ］はｘの最大値ｘｍａｘ）を求めるステップと、
前記情報基準により求められた区分ｉ（ｉは１からｍまでの整数）毎の前記特性関数Ｙ＝Ｆ（ｘ）の曲線の傾き（ａ［ｉ］）を前記各区分の始点と終点間の傾きとして求めるステップと、
ａ［ｉ］≧ａ［ｉ＋１］を満たすａ［ｉ］がある場合は、前記ｉの最小値をｎとし、前記ｉが１からｍまでａ［ｉ］＜ａ［ｉ＋１］を満たす場合は、ｎ＝ｍとして、計算対象の区間を区分ｎまでの区間として求めるステップと、
第１ａの指標として、前記区分の１からｎまでの区間で、前記Ｙの最大値Ｙｍａｘ、最小値Ｙｍｉｎ、前記ｘの最大値ｘｍａｘおよび最小値ｘｍｉｎを用いて、下記（式１ａ）で定義される前記特性関数Ｙ＝Ｆ（ｘ）の平均的な傾き（ａｖｅＳ）を求めるステップと、
第２ａの指標として、前記ｘｍｉｎを０、前記ｘｍａｘを１、Ｆ（ｘｍｉｎ）を０、Ｆ（ｘｍａｘ）を１として（ｘ、Ｙ）を規格化しローレンツ曲線から求めたジニ係数（ＧｉＮｉ）より計算される（１－ＧｉＮｉ）を求めるステップと、
判定基準（ＤＳａ）を、前記平均的な傾き（ａｖｅＳ）と前記第２ａの指標である（１－ＧｉＮｉ）を用いて、下記（式２ａ）により求めるステップと、
前記ａ［ｉ］（ｉは１からｎまでの整数）と前記判定基準（ＤＳａ）を比較して、ｉが１からｎまでの範囲で、ａ［ｉ］≧ＤＳａとなるｉがある場合はａ［ｉ］≧ＤＳａを満たす最小のｉをｔａ、ａ［ｉ］＜ＤＳａの場合はｔａ＝ｎとして、線形バックグラウンド区分区間範囲を示す最大区間区分ｔａを求めるステップと、
線形バックグラウンドが取り除かれた特性曲線Ｙａ´を下記（式３ａ）より求めるステップからなる、特性曲線を求める方法。
ａｖｅＳ＝（Ｙｍａｘ－Ｙｍｉｎ）／（ｘｍａｘ－ｘｍｉｎ） ・・・（式１ａ）
ＤＳａ＝ａｖｅＳ×（１－ＧｉＮｉ） ・・・（式２ａ）
Ｙａ´＝Ｆ（ｘ）－Ｆｂａｃｋｇｒｏｕｎｄ，ａ ・・・（式３ａ）
（構成７）
バックグラウンド除去対象の特性関数Ｙ＝Ｆ（ｘ）に対してセグメント回帰区分線形関数法を適用し、情報量基準により区分、区分数ｍおよび区分境界点（ＢＰ［ｊ］）（ここでｊは０からｍまでの整数、ＢＰ［０］はｘの最小値ｘｍｉｎ、ＢＰ［ｍ］はｘの最大値ｘｍａｘ）を求めるステップと、
前記情報基準により求められた区分ｉ（ｉは１からｍまでの整数）毎の前記特性関数Ｙ＝Ｆ（ｘ）の曲線の傾き（ａ［ｉ］）を前記各区分の始点と終点間の傾きとして求めるステップと、
ａ［ｉ］≧ａ［ｉ＋１］を満たすａ［ｉ］がある場合は、前記ｉの最小値をｎとし、前記ｉが１からｍまでａ［ｉ］＜ａ［ｉ＋１］を満たす場合は、ｎ＝ｍとして、計算対象の区間を区分ｎまでの区間として求めるステップと、
隣接する前記区分境界点（ＢＰ［ｊ］）間の距離ΔＢＰ［ｊｂ］＝ＢＰ［ｊ＋１］－ＢＰ［ｊ］（ｊｂは１からｎまでの整数、ｊは０からｎ‐１まで）を求めるステップと、
前記ΔＢＰ［ｊｂ］に対してＫ－ｍｅａｎｓ法を適用して前記ΔＢＰ［ｊｂ］を前記距離の短いグループＧａと長いグループＧｂの２グループに分類するステップと、
幅ΔＢＰ［ｊｂ］が前記グループＧａに属するときは０を、前記グループＧｂに属するときは１を区分ＢＤ［ｊｂ］の値として割り当てるステップと、
ΔＢＰ［ｎ＋１］およびΔＢＰ［ｎ＋２］の値として、ΔＢＰ［ｎ］と同じ値を割り当てた仮想のΔＢＰ［ｎ＋１］およびΔＢＰ［ｎ＋２］を作成するステップと、
ΔＢＰ［ｊｂ］の値が、ΔＢＰ［ｊｂ＋１］の値およびΔＢＰ［ｊｂ＋２］の値と同じ値になる最小のｊｂを求め、該値をｊｂ、Ｇａｍａｘとするステップと、
線形バックグラウンド区分区間範囲を示す最大区間区分ｔｂをｔｂ＝ｊｂ、Ｇａｍａｘとして計算するステップと、
線形バックグラウンドが取り除かれた特性曲線Ｙｂ´を下記（式１ｂ）より求めるステップからなる、特性曲線を求める方法。
Ｙｂ´＝Ｆ（ｘ）－Ｆｂａｃｋｇｒｏｕｎｄ，ｂ ・・・（式１ｂ）
（構成８）
バックグラウンド除去対象の特性関数Ｙ＝Ｆ（ｘ）に対してセグメント回帰区分線形関数法を適用し、情報量基準により区分、区分数ｍおよび区分境界点（ＢＰ［ｊ］）（ここでｊは０からｍまでの整数、ｘの最小値ｘｍｉｎ、ＢＰ［ｍ］はｘの最大値ｘｍａｘ）を求めるステップと、
前記情報基準により求められた区分ｉ（ｉは１からｍまでの整数）毎の前記特性関数Ｙ＝Ｆ（ｘ）の曲線の傾き（ａ［ｉ］）を前記各区分の始点と終点間の傾きとして求めるステップと、
ａ［ｉ］≧ａ［ｉ＋１］を満たすａ［ｉ］がある場合は、前記ｉの最小値をｎとし、前記ｉが１からｍまでａ［ｉ］＜ａ［ｉ＋１］を満たす場合は、ｎ＝ｍとして、計算対象の区間を区分ｎまでの区間として求めるステップと、
第１の指標として、前記区分の１からｎまでの区間で、前記Ｙの最大値Ｙｍａｘ、最小値Ｙｍｉｎ、前記ｘの最大値ｘｍａｘおよび最小値ｘｍｉｎを用いて、下記（式１１）で定義される前記特性関数Ｙ＝Ｆ（ｘ）の平均的な傾き（ａｖｅＳ）を求めるステップと、
第２の指標として、前記区分の１からｎまでの区分を通してのデータ（Ｙ）の値の平均値（Ｄａｖｅ）と中央値（Ｄｃｎｔ）の比から、下記（式１２）で与えられる非対称性指標（ＡＳＹ）を計算するステップと、
第１の判定基準（ＤＳ）を前記平均的な傾き（ａｖｅＳ）と前記非対称性指標（ＡＳＹ）および０．８０以上０．９５以下の値の中からあらかじめ定めた基準値Ｌを用いて、０≦ＡＳＹ＜Ｌの場合は下記（式１３）、ＡＳＹ≧Ｌの場合は下記（式１４）により求めるステップと、
前記ａ［ｉ］（ｉは１からｎまでの整数）と前記第１の判定基準（ＤＳ）を比較して、ｉが１からｎまでの範囲で、ａ［ｉ］≧ＤＳとなるｉがある場合はａ［ｉ］≧ＤＳを満たす最小のｉをｔ、ａ［ｉ］＜ＤＳの場合はｔ＝ｎとして、線形バックグラウンド区分区間範囲を示す最大区間区分ｔを求めるステップと、
第３の指標として、前記ｘｍｉｎを０、前記ｘｍａｘを１、Ｆ（ｘｍｉｎ）を０、Ｆ（ｘｍａｘ）を１として（ｘ、Ｙ）を規格化しローレンツ曲線からジニ係数（ＧｉＮｉ）より計算される（１－ＧｉＮｉ）を求めるステップと、
第２の判定基準（ＤＳａ）を、前記平均的な傾き（ａｖｅＳ）と前記第３の指標である（１－ＧｉＮｉ）を用いて、下記（式１５）により求めるステップと、
前記ａ［ｉ］（ｉは１からｎまでの整数）と前記第２の判定基準（ＤＳａ）を比較して、ｉが１からｎまでの範囲で、ａ［ｉ］≧ＤＳａとなるｉがある場合はａ［ｉ］≧ＤＳａを満たす最小のｉをｔａ、ａ［ｉ］＜ＤＳａの場合はｔａ＝ｎとして、線形バックグラウンド区分区間範囲を示す最大区間区分ｔａを求めるステップと、
隣接する前記区分境界点（ＢＰ［ｊ］）間の距離ΔＢＰ［ｊｂ］＝ＢＰ［ｊ＋１］－ＢＰ［ｊ］（ｊｂは１からｎまでの整数、ｊは０からｎ‐１まで）を求めるステップと、
前記ΔＢＰ［ｊｂ］に対してＫ－ｍｅａｎｓ法を適用して前記ΔＢＰ［ｊｂ］を前記距離の短いグループＧａと長いグループＧｂの２グループに分類するステップと、
ΔＢＰ［ｎ＋１］およびΔＢＰ［ｎ＋２］の値として、ΔＢＰ［ｎ］と同じ値を割り当てた仮想のΔＢＰ［ｎ＋１］およびΔＢＰ［ｎ＋２］を作成するステップと、
ΔＢＰ［ｊｂ］の値が、ΔＢＰ［ｊｂ＋１］の値およびΔＢＰ［ｊｂ＋２］の値と同じ値になる最小のｊｂを求め、該値をｊｂ、Ｇａｍａｘとするステップと、
線形バックグラウンド区分区間範囲を示す最大区間区分ｔｂをｔｂ＝ｊｂ、Ｇａｍａｘとして計算するステップと、
前記最大区間区分ｔ、ｔａおよびｔｂの内の最頻値をｔｃ、またはｔ、ｔａおよびｔｂの値が３つとも異なる場合は、ｔ、ｔａおよびｔｂの中の２番目に大きい値をｔｃとして定めるステップと、
線形バックグラウンドが取り除かれた特性曲線Ｙｃ´を下記（式１６）より求めるステップからなる、特性曲線を求める方法。
ａｖｅＳ＝（Ｙｍａｘ－Ｙｍｉｎ）／（ｘｍａｘ－ｘｍｉｎ） ・・・（式１１）
ＡＳＹ＝Ｄｃｎｔ／Ｄａｖｅ ・・・（式１２）
ＤＳ＝ａｖｅＳ×ＡＳＹ ・・・（式１３）
ＤＳ＝ａｖｅＳ ・・・（式１４）
ＤＳａ＝ａｖｅＳ×（１－ＧｉＮｉ） ・・・（式１５）
Ｙｃ´＝Ｆ（ｘ）－Ｆｂａｃｋｇｒｏｕｎｄ，ｃ ・・・（式１６）
バックグラウンド除去対象の特性関数Ｙ＝Ｆ（ｘ）に対してセグメント回帰区分線形関数法を適用し、情報量基準により区分、区分数ｍおよび区分境界点（ＢＰ［ｊ］）（ここでｊは０からｍまでの整数、ＢＰ［０］はｘの最小値ｘｍｉｎ、ＢＰ［ｍ］はｘの最大値ｘｍａｘ）を求めるステップと、
前記情報基準により求められた区分ｉ（ｉは１からｍまでの整数）毎の前記特性関数Ｙ＝Ｆ（ｘ）の曲線の傾き（ａ［ｉ］）を前記各区分の始点と終点間の傾きとして求めるステップと、
ａ［ｉ］≧ａ［ｉ＋１］を満たすａ［ｉ］がある場合は、前記ｉの最小値をｎとし、前記ｉが１からｍまでａ［ｉ］＜ａ［ｉ＋１］を満たす場合は、ｎ＝ｍとして、計算対象の区間を区分ｎまでの区間として求めるステップと、
第１ａの指標として、前記区分の１からｎまでの区間で、前記Ｙの最大値Ｙｍａｘ、最小値Ｙｍｉｎ、前記ｘの最大値ｘｍａｘおよび最小値ｘｍｉｎを用いて、下記（式１ａ）で定義される前記特性関数Ｙ＝Ｆ（ｘ）の平均的な傾き（ａｖｅＳ）を求めるステップと、
第２ａの指標として、前記ｘｍｉｎを０、前記ｘｍａｘを１、Ｆ（ｘｍｉｎ）を０、Ｆ（ｘｍａｘ）を１として（ｘ、Ｙ）を規格化しローレンツ曲線から求めたジニ係数（ＧｉＮｉ）より計算される（１－ＧｉＮｉ）を求めるステップと、
判定基準（ＤＳａ）を、前記平均的な傾き（ａｖｅＳ）と前記第２ａの指標である（１－ＧｉＮｉ）を用いて、下記（式２ａ）により求めるステップと、
前記ａ［ｉ］（ｉは１からｎまでの整数）と前記判定基準（ＤＳａ）を比較して、ｉが１からｎまでの範囲で、ａ［ｉ］≧ＤＳａとなるｉがある場合はａ［ｉ］≧ＤＳａを満たす最小のｉをｔａ、ａ［ｉ］＜ＤＳａの場合はｔａ＝ｎとして、線形バックグラウンド区分区間範囲を示す最大区間区分ｔａを求めるステップと、
線形バックグラウンドが取り除かれた特性曲線Ｙａ´を下記（式３ａ）より求めるステップからなる、特性曲線を求める方法。
ａｖｅＳ＝（Ｙｍａｘ－Ｙｍｉｎ）／（ｘｍａｘ－ｘｍｉｎ） ・・・（式１ａ）
ＤＳａ＝ａｖｅＳ×（１－ＧｉＮｉ） ・・・（式２ａ）
Ｙａ´＝Ｆ（ｘ）－Ｆｂａｃｋｇｒｏｕｎｄ，ａ ・・・（式３ａ）
【数2】
バックグラウンド除去対象の特性関数Ｙ＝Ｆ（ｘ）に対してセグメント回帰区分線形関数法を適用し、情報量基準により区分、区分数ｍおよび区分境界点（ＢＰ［ｊ］）（ここでｊは０からｍまでの整数、ＢＰ［０］はｘの最小値ｘｍｉｎ、ＢＰ［ｍ］はｘの最大値ｘｍａｘ）を求めるステップと、
前記情報基準により求められた区分ｉ（ｉは１からｍまでの整数）毎の前記特性関数Ｙ＝Ｆ（ｘ）の曲線の傾き（ａ［ｉ］）を前記各区分の始点と終点間の傾きとして求めるステップと、
ａ［ｉ］≧ａ［ｉ＋１］を満たすａ［ｉ］がある場合は、前記ｉの最小値をｎとし、前記ｉが１からｍまでａ［ｉ］＜ａ［ｉ＋１］を満たす場合は、ｎ＝ｍとして、計算対象の区間を区分ｎまでの区間として求めるステップと、
隣接する前記区分境界点（ＢＰ［ｊ］）間の距離ΔＢＰ［ｊｂ］＝ＢＰ［ｊ＋１］－ＢＰ［ｊ］（ｊｂは１からｎまでの整数、ｊは０からｎ‐１まで）を求めるステップと、
前記ΔＢＰ［ｊｂ］に対してＫ－ｍｅａｎｓ法を適用して前記ΔＢＰ［ｊｂ］を前記距離の短いグループＧａと長いグループＧｂの２グループに分類するステップと、
幅ΔＢＰ［ｊｂ］が前記グループＧａに属するときは０を、前記グループＧｂに属するときは１を区分ＢＤ［ｊｂ］の値として割り当てるステップと、
ΔＢＰ［ｎ＋１］およびΔＢＰ［ｎ＋２］の値として、ΔＢＰ［ｎ］と同じ値を割り当てた仮想のΔＢＰ［ｎ＋１］およびΔＢＰ［ｎ＋２］を作成するステップと、
ΔＢＰ［ｊｂ］の値が、ΔＢＰ［ｊｂ＋１］の値およびΔＢＰ［ｊｂ＋２］の値と同じ値になる最小のｊｂを求め、該値をｊｂ、Ｇａｍａｘとするステップと、
線形バックグラウンド区分区間範囲を示す最大区間区分ｔｂをｔｂ＝ｊｂ、Ｇａｍａｘとして計算するステップと、
線形バックグラウンドが取り除かれた特性曲線Ｙｂ´を下記（式１ｂ）より求めるステップからなる、特性曲線を求める方法。
Ｙｂ´＝Ｆ（ｘ）－Ｆｂａｃｋｇｒｏｕｎｄ，ｂ ・・・（式１ｂ）
【数3】
バックグラウンド除去対象の特性関数Ｙ＝Ｆ（ｘ）に対してセグメント回帰区分線形関数法を適用し、情報量基準により区分、区分数ｍおよび区分境界点（ＢＰ［ｊ］）（ここでｊは０からｍまでの整数、ｘの最小値ｘｍｉｎ、ＢＰ［ｍ］はｘの最大値ｘｍａｘ）を求めるステップと、
前記情報基準により求められた区分ｉ（ｉは１からｍまでの整数）毎の前記特性関数Ｙ＝Ｆ（ｘ）の曲線の傾き（ａ［ｉ］）を前記各区分の始点と終点間の傾きとして求めるステップと、
ａ［ｉ］≧ａ［ｉ＋１］を満たすａ［ｉ］がある場合は、前記ｉの最小値をｎとし、前記ｉが１からｍまでａ［ｉ］＜ａ［ｉ＋１］を満たす場合は、ｎ＝ｍとして、計算対象の区間を区分ｎまでの区間として求めるステップと、
第１の指標として、前記区分の１からｎまでの区間で、前記Ｙの最大値Ｙｍａｘ、最小値Ｙｍｉｎ、前記ｘの最大値ｘｍａｘおよび最小値ｘｍｉｎを用いて、下記（式１１）で定義される前記特性関数Ｙ＝Ｆ（ｘ）の平均的な傾き（ａｖｅＳ）を求めるステップと、
第２の指標として、前記区分の１からｎまでの区分を通してのデータ（Ｙ）の値の平均値（Ｄａｖｅ）と中央値（Ｄｃｎｔ）の比から、下記（式１２）で与えられる非対称性指標（ＡＳＹ）を計算するステップと、
第１の判定基準（ＤＳ）を前記平均的な傾き（ａｖｅＳ）と前記非対称性指標（ＡＳＹ）および０．８０以上０．９５以下の値の中からあらかじめ定めた基準値Ｌを用いて、０≦ＡＳＹ＜Ｌの場合は下記（式１３）、ＡＳＹ≧Ｌの場合は下記（式１４）により求めるステップと、
前記ａ［ｉ］（ｉは１からｎまでの整数）と前記第１の判定基準（ＤＳ）を比較して、ｉが１からｎまでの範囲で、ａ［ｉ］≧ＤＳとなるｉがある場合はａ［ｉ］≧ＤＳを満たす最小のｉをｔ、ａ［ｉ］＜ＤＳの場合はｔ＝ｎとして、線形バックグラウンド区分区間範囲を示す最大区間区分ｔを求めるステップと、
第３の指標として、前記ｘｍｉｎを０、前記ｘｍａｘを１、Ｆ（ｘｍｉｎ）を０、Ｆ（ｘｍａｘ）を１として（ｘ、Ｙ）を規格化しローレンツ曲線からジニ係数（ＧｉＮｉ）より計算される（１－ＧｉＮｉ）を求めるステップと、
第２の判定基準（ＤＳａ）を、前記平均的な傾き（ａｖｅＳ）と前記第３の指標である（１－ＧｉＮｉ）を用いて、下記（式１５）により求めるステップと、
前記ａ［ｉ］（ｉは１からｎまでの整数）と前記第２の判定基準（ＤＳａ）を比較して、ｉが１からｎまでの範囲で、ａ［ｉ］≧ＤＳａとなるｉがある場合はａ［ｉ］≧ＤＳａを満たす最小のｉをｔａ、ａ［ｉ］＜ＤＳａの場合はｔａ＝ｎとして、線形バックグラウンド区分区間範囲を示す最大区間区分ｔａを求めるステップと、
隣接する前記区分境界点（ＢＰ［ｊ］）間の距離ΔＢＰ［ｊｂ］＝ＢＰ［ｊ＋１］－ＢＰ［ｊ］（ｊｂは１からｎまでの整数、ｊは０からｎ‐１まで）を求めるステップと、
前記ΔＢＰ［ｊｂ］に対してＫ－ｍｅａｎｓ法を適用して前記ΔＢＰ［ｊｂ］を前記距離の短いグループＧａと長いグループＧｂの２グループに分類するステップと、
ΔＢＰ［ｎ＋１］およびΔＢＰ［ｎ＋２］の値として、ΔＢＰ［ｎ］と同じ値を割り当てた仮想のΔＢＰ［ｎ＋１］およびΔＢＰ［ｎ＋２］を作成するステップと、
ΔＢＰ［ｊｂ］の値が、ΔＢＰ［ｊｂ＋１］の値およびΔＢＰ［ｊｂ＋２］の値と同じ値になる最小のｊｂを求め、該値をｊｂ、Ｇａｍａｘとするステップと、
線形バックグラウンド区分区間範囲を示す最大区間区分ｔｂをｔｂ＝ｊｂ、Ｇａｍａｘとして計算するステップと、
前記最大区間区分ｔ、ｔａおよびｔｂの内の最頻値をｔｃ、またはｔ、ｔａおよびｔｂの値が３つとも異なる場合は、ｔ、ｔａおよびｔｂの中の２番目に大きい値をｔｃとして定めるステップと、
線形バックグラウンドが取り除かれた特性曲線Ｙｃ´を下記（式１６）より求めるステップからなる、特性曲線を求める方法。
ａｖｅＳ＝（Ｙｍａｘ－Ｙｍｉｎ）／（ｘｍａｘ－ｘｍｉｎ） ・・・（式１１）
ＡＳＹ＝Ｄｃｎｔ／Ｄａｖｅ ・・・（式１２）
ＤＳ＝ａｖｅＳ×ＡＳＹ ・・・（式１３）
ＤＳ＝ａｖｅＳ ・・・（式１４）
ＤＳａ＝ａｖｅＳ×（１－ＧｉＮｉ） ・・・（式１５）
Ｙｃ´＝Ｆ（ｘ）－Ｆｂａｃｋｇｒｏｕｎｄ，ｃ ・・・（式１６）
【数4】
【発明の効果】
【0009】
本発明によれば、人為に左右されずに安定に算出され、簡便な方法でありながら、バックグラウンド除去精度の高い特性曲線を求める方法が提供される。
【図面の簡単な説明】
【0010】
【図1】本発明の第１の処理フローを示すフローチャート図である。
【図2】本発明で使用する処理装置の構成を示す構成図である。
【図3】本発明の第２の処理フローを示すフローチャート図である。
【図4】臨界電流密度関数に対してセグメント回帰区分線形関数法を適用して区分を行った例を示す特性図である。
【図5】臨界電流密度測定データに対して本発明の方法を適用してバックグラウンド成分を除去した例である。
【図6】本発明の第３の処理フローを示すフローチャート図である。
【図7】本発明の第４の処理フローを示すフローチャート図である。
【図8】実施例３による臨界電流密度測定データに対して本発明の方法を適用してバックグラウンド成分を除去した例である。
【図9】臨界電流密度測定データに対してバックグラウンド成分を、（ａ）はＢＰ［１］区分境界点まで、（ｂ）はＢＰ［２］区分境界点まで除去した例で、（ｃ）は両者を比較した図である。
【発明を実施するための形態】
【0011】
（実施の形態１）
＜概要＞
本発明の特性曲線から一次関数からなるバックグラウンド成分（線形のバックグラウンド成分）を除去する方法は、
（１）バックグラウンドの除去を受ける特性曲線Ｙ＝Ｆ（ｘ）を、複数の区間に分けてその区間内を一次関数で近似し、区間毎に傾きを求めること。すなわち、区間区分と区間毎の特性曲線の傾き算出と、
（２）バックグラウンドかどうかの判定を行う評価指標、判定基準を基に選別判定し、バックグラウンドを除去した本来の特性関数導出を行うことを特徴にする。
＜概要＞
本発明の特性曲線から一次関数からなるバックグラウンド成分（線形のバックグラウンド成分）を除去する方法は、
（１）バックグラウンドの除去を受ける特性曲線Ｙ＝Ｆ（ｘ）を、複数の区間に分けてその区間内を一次関数で近似し、区間毎に傾きを求めること。すなわち、区間区分と区間毎の特性曲線の傾き算出と、
（２）バックグラウンドかどうかの判定を行う評価指標、判定基準を基に選別判定し、バックグラウンドを除去した本来の特性関数導出を行うことを特徴にする。
【0012】
＜＜区間区分＞＞
本発明では、特性曲線を区分して、各区分に対して適当な線形のバックグラウンド成分を除去する。この実施に当たっては、曲面の近似などに用いられるセグメント回帰区分線形関数法を用いる（Ｓｅｇｍｅｎｔｅｄ ｌｉｎｅａｒ ｒｅｇｒｅｓｓｉｏｎ法）。
一般に、区分数は多いほど近似値と測定データとの乖離が少なくなる、すなわち区分数が多いほど高いデータフィッティングが得られる。一方で、その場合は処理が重くなるという問題が生じる。情報処理基準を用いることで、十分なフィッティングが得られる最適な区分数を得ることができる。
本発明では、特性曲線を区分して、各区分に対して適当な線形のバックグラウンド成分を除去する。この実施に当たっては、曲面の近似などに用いられるセグメント回帰区分線形関数法を用いる（Ｓｅｇｍｅｎｔｅｄ ｌｉｎｅａｒ ｒｅｇｒｅｓｓｉｏｎ法）。
一般に、区分数は多いほど近似値と測定データとの乖離が少なくなる、すなわち区分数が多いほど高いデータフィッティングが得られる。一方で、その場合は処理が重くなるという問題が生じる。情報処理基準を用いることで、十分なフィッティングが得られる最適な区分数を得ることができる。
【0013】
有用な情報処理基準としては、ベイズ情報量基準（Ｂａｙｅｓｉａｎ Ｉｎｆｏｒｍａｔｉｏｎ Ｃｒｉｔｅｒｉｏｎ；ＢＩＣ）または赤池情報量基準（Ａｋａｉｋｅ Ｉｎｆｏｒｍａｔｉｏｎ Ｃｒｉｔｅｒｉｏｎ；ＡＩＣ）がある。
【0014】
ＢＩＣは、最尤法によって推定されたパラメータ数や観測データの数を考慮してモデルの複雑さと適合度を評価する統計量で、以下の式で表される。
ＢＩＣ＝－２×ｌｏｇ（Ｌ）＋ｋ×ｌｏｇ（ｎ）
ここで、Ｌは最尤法によって推定された尤度関数、ｋはモデルのパラメータ数、ｎは観測データの数である。
ＢＩＣ＝－２×ｌｏｇ（Ｌ）＋ｋ×ｌｏｇ（ｎ）
ここで、Ｌは最尤法によって推定された尤度関数、ｋはモデルのパラメータ数、ｎは観測データの数である。
【0015】
ＡＩＣは、ＢＩＣと同様に最尤法によって推定されたパラメータ数や観測データの数を考慮してモデルの複雑さと適合度を評価する統計量であり、以下の式で表される。
ＡＩＣ＝－２×ｌｏｇ（Ｌ）＋２×ｋ
ここで、Ｌは最尤法によって推定された尤度関数、ｋはモデルのパラメータ数である。
ＡＩＣ＝－２×ｌｏｇ（Ｌ）＋２×ｋ
ここで、Ｌは最尤法によって推定された尤度関数、ｋはモデルのパラメータ数である。
【0016】
ＢＩＣとＡＩＣは、どちらもモデルの複雑さと適合度を考慮してモデルの適合度を評価する指標であるが、ＢＩＣは、モデルの複雑さによりペナルティを課すため、よりシンプルなモデルを好む傾向がある。一方、ＡＩＣはペナルティが小さく、より複雑なモデルを好む傾向がある。したがって、特性曲線の性質やデータの性質によってＢＩＣを選ぶかＡＩＣを選ぶかの選択をすることが好ましい。例えば、比較的ノイズの少ない特性曲線においてはＢＩＣが適しており、ノイズ成分が多い特性曲線においてはＡＩＣが適している。
【0017】
＜＜評価区間＞＞
本発明は、加速度的に右肩上がりの特性曲線部分に対して線形のバックグラウンドを除去する方法を提供する。特性曲線Ｙ＝Ｆ（x）が途中の区間で極大値をもつ場合は、その極大値をもつ区間までで線形のバックグラウンドを除去する。
その処理を行うために、前記情報基準により求められた区分ｉ（ｉは１からｍまでの整数）毎の特性関数Ｙ＝Ｆ（ｘ）の曲線の傾き（ａ［ｉ］）を各区分の始点と終点間の傾きとして求め、ａ［ｉ］≧ａ［ｉ＋１］を満たすａ［ｉ］がある場合は、この関係を満たした上で最小のｉをｎとし、ｉが１からｍまでａ［ｉ］＜ａ［ｉ＋１］を満たす場合は、ｎ＝ｍとして、計算対象の区間を区分ｎまでの区間として求める。
本発明は、加速度的に右肩上がりの特性曲線部分に対して線形のバックグラウンドを除去する方法を提供する。特性曲線Ｙ＝Ｆ（x）が途中の区間で極大値をもつ場合は、その極大値をもつ区間までで線形のバックグラウンドを除去する。
その処理を行うために、前記情報基準により求められた区分ｉ（ｉは１からｍまでの整数）毎の特性関数Ｙ＝Ｆ（ｘ）の曲線の傾き（ａ［ｉ］）を各区分の始点と終点間の傾きとして求め、ａ［ｉ］≧ａ［ｉ＋１］を満たすａ［ｉ］がある場合は、この関係を満たした上で最小のｉをｎとし、ｉが１からｍまでａ［ｉ］＜ａ［ｉ＋１］を満たす場合は、ｎ＝ｍとして、計算対象の区間を区分ｎまでの区間として求める。
【0018】
＜＜評価指標＞＞
発明者は、べき乗や指数関数に則る曲線は、バックグラウンド成分に比べて、曲線部分の傾きが大きくなる傾向があることに着目して、バックグラウンド判定用の評価指標を導出した。その評価指標は、平均的な傾き（ａｖｅＳ）と非対称性指標（ＡＳＹ）の２つからなる。
発明者は、べき乗や指数関数に則る曲線は、バックグラウンド成分に比べて、曲線部分の傾きが大きくなる傾向があることに着目して、バックグラウンド判定用の評価指標を導出した。その評価指標は、平均的な傾き（ａｖｅＳ）と非対称性指標（ＡＳＹ）の２つからなる。
【0019】
平均的な傾き（ａｖｅＳ）は、特性関数Ｙ＝Ｆ（ｘ）のＹの最大値Ｙｍａｘ、最小値Ｙｍｉｎ、ｘの最大値ｘｍａｘおよび最小値ｘｍｉｎを用いて、（Ｙｍａｘ－Ｙｍｉｎ）／（ｘｍａｘ－ｘｍｉｎ）で定義される傾きである。
【0020】
非対称性指標（ＡＳＹ）は、全ての区間区分を通してのデータ（Ｙ）の値の平均値（Ｄａｖｅ）と中央値（Ｄｃｎｔ）の比（Ｄｃｎｔ／Ｄａｖｅ）として定義される。
１次関数的な直線であれば平均値と中央値は一致し、この直線からずれていくと平均値と中央値の値はずれていく。加速度的に右肩が上がっていく特性曲線では、中央値に対して、平均値は必ず大きくなる。そこで、平均値と中央値の比を取ると、１の場合は平均的な傾きと同じになり、べき乗や指数項が大きくなると０に近づくことになる。この性質を利用して本来の特性を表す曲線かバックグラウンドかを判定する指標の１つとする。
１次関数的な直線であれば平均値と中央値は一致し、この直線からずれていくと平均値と中央値の値はずれていく。加速度的に右肩が上がっていく特性曲線では、中央値に対して、平均値は必ず大きくなる。そこで、平均値と中央値の比を取ると、１の場合は平均的な傾きと同じになり、べき乗や指数項が大きくなると０に近づくことになる。この性質を利用して本来の特性を表す曲線かバックグラウンドかを判定する指標の１つとする。
【0021】
＜＜判定基準＞＞
判定基準（ＤＳ）は、平均的な傾き（ａｖｅＳ）と非対称性指標（ＡＳＹ）および０．８０以上０．９５以下の値の中からあらかじめ定めた基準値Ｌを用いて
０≦ＡＳＹ＜Ｌの場合 ＤＳ＝ａｖｅＳ×ＡＳＹ、
ＡＳＹ≧Ｌの場合 ＤＳ＝ａｖｅＳ
として求める。
判定基準（ＤＳ）は、平均的な傾き（ａｖｅＳ）と非対称性指標（ＡＳＹ）および０．８０以上０．９５以下の値の中からあらかじめ定めた基準値Ｌを用いて
０≦ＡＳＹ＜Ｌの場合 ＤＳ＝ａｖｅＳ×ＡＳＹ、
ＡＳＹ≧Ｌの場合 ＤＳ＝ａｖｅＳ
として求める。
【0022】
＜＜選別判定＞＞
そして、情報基準により求められた各区分ｉ（ｉは１からｎまでの整数）に対して特性関数Ｙ＝Ｆ（ｘ）の曲線の傾き（ａ［ｉ］）を求め、区分ｉ毎に傾きａ［ｉ］と判定基準ＤＳを比較して、
ａ［ｉ］＜ＤＳの場合は、バックグラウンド成分、
ａ［ｉ］≧ＤＳの場合は、非バックグラウンド成分として選別判定する。
そして、情報基準により求められた各区分ｉ（ｉは１からｎまでの整数）に対して特性関数Ｙ＝Ｆ（ｘ）の曲線の傾き（ａ［ｉ］）を求め、区分ｉ毎に傾きａ［ｉ］と判定基準ＤＳを比較して、
ａ［ｉ］＜ＤＳの場合は、バックグラウンド成分、
ａ［ｉ］≧ＤＳの場合は、非バックグラウンド成分として選別判定する。
【0023】
＜＜バックグラウンド成分を排除した特性曲線導出＞＞
ここでは、Ｙ（０）および前記バックグラウンド成分を前記特性関数Ｙ＝Ｆ（ｘ）から減ずる。具体的には、前述の（式５）から（式７）を用いてバックグラウンド成分を排除した特性曲線Ｙ´を導出する。ここで、ＣＭａｘ（ｘ－ＢＰ［ｉ］）は、ｘ―ＢＰ［ｉ］≦０を満たすときは０、ｘ―ＢＰ［ｉ］＞０を満たすときはｘ－ＢＰ［ｉ］である関数である。
本方法により導出された特性曲線Ｙ´は、人為に左右されずに安定に算出され、簡便な方法でありながら、バックグラウンド除去精度の高いものである。
ここでは、Ｙ（０）および前記バックグラウンド成分を前記特性関数Ｙ＝Ｆ（ｘ）から減ずる。具体的には、前述の（式５）から（式７）を用いてバックグラウンド成分を排除した特性曲線Ｙ´を導出する。ここで、ＣＭａｘ（ｘ－ＢＰ［ｉ］）は、ｘ―ＢＰ［ｉ］≦０を満たすときは０、ｘ―ＢＰ［ｉ］＞０を満たすときはｘ－ＢＰ［ｉ］である関数である。
本方法により導出された特性曲線Ｙ´は、人為に左右されずに安定に算出され、簡便な方法でありながら、バックグラウンド除去精度の高いものである。
【0024】
【0025】
処理装置１０１は、入力設備１１、演算設備１４、記憶設備１５および出力設備１７を具備し、入力設備１１から出力設備１７までの各設備は、情報路（情報パス）１６を介して情報伝達できるように配置されている。測定データ（入力データ）１２は入力設備１１に入力され、情報路（情報パス）１６を介して演算設備１４および記憶設備１５により情報が処理される。情報処理の結果は出力設備１７に送られ、出力データ（バックグラウンド除去特性曲線）１８が出力される。
【0026】
ここで、演算設備１４はＣＰＵ、ＭＰＵ、ＧＰＵなど主に半導体演算デバイスによって構成される演算装置であり、記憶設備１５はＤＲＡＭ、ＳＲＡＭなどの一時記憶装置、ＦＬＡＳＨメモリ、ＦＲＡＭ（登録商標）、ＥＰＲＯＭ、ハードディスク、フロッピーディスク、磁気テープなどの長期記憶装置（ストレッジ）などからなる記憶装置からなる。長期記憶装置は必ずしも備えておく必要はないが、オプションとしてデータ参照機能など閾値データの高度な解析を行う際に役立つ。また、一時記憶装置をもたず長期記憶装置のみで記憶設備１５を構成することも可能ではあるが、その場合はデータ転送に時間がかかる。よって、一時記憶装置と長期記憶装置の両者を備えておくことが好ましい。
情報路１６は、入力設備１１、演算設備１４、記憶設備１５および出力設備１７間を結んでデータ、情報を伝える設備で、一般には配線からなる（光インターコネクトでもよい）。
情報路１６は、入力設備１１、演算設備１４、記憶設備１５および出力設備１７間を結んでデータ、情報を伝える設備で、一般には配線からなる（光インターコネクトでもよい）。
【0027】
コンピュータを用いた処理装置１０１により下記に示す一連のステップが完全自動で処理されるため、人為に左右されずに安定的に線形バックグラウンド成分が排除された特性曲線を導出できるシステムになっている。
【0028】
次に、各手順（ステップ）を説明する。
最初に、データを入力設備１１に入力する（図１のステップＳ１０）。ここで、データはバッチ式にため込んですべて入力してもよいし、測定装置と閾値算出解析装置１０１をオンライン接続して測定ごとに逐次入力してもよい。
次に、バックグラウンド除去対象の特性関数Ｙ＝Ｆ（ｘ）に対してセグメント回帰区分線形関数法を適用し、情報量基準により区分、区分数ｍおよび区分境界点ＢＰ［ｉ］を求める（ステップＳ１１）。ここで、情報基準としてはＡＩＣまたはＢＩＣを好んで用いることができる。
その後、情報基準により求められた各区分ｉ（ｉは１からｍまでの整数）毎の前記特性関数Ｙ＝Ｆ（ｘ）の曲線の傾き（ａ［ｉ］）を求める（ステップＳ１２）。
しかる後、ａ［ｉ］≧ａ［ｉ＋１］を満たすａ［ｉ］がある場合は、その最小のｉをｎとし、前記ｉが１からｍまでａ［ｉ］＜ａ［ｉ＋１］を満たす場合は、ｎ＝ｍとして、計算対象の区間を区分ｎまでの区間として求める（ステップＳ１３）。
次に、第１の指標として、前記区分の１からｎまでの区間で、特性関数Ｙの最大値Ｙｍａｘ、最小値Ｙｍｉｎ、ｘの最大値ｘｍａｘおよび最小値ｘｍｉｎを用いて、（Ｙｍａｘ－Ｙｍｉｎ）／（ｘｍａｘ－ｘｍｉｎ）で定義される特性関数Ｙ＝Ｆ（ｘ）の平均的な傾き（ａｖｅＳ）を求める（ステップＳ１４）。
また、第２の指標として、１からｎまでの区分を通してのデータ（Ｙ）の値の平均値（Ｄａｖｅ）と中央値（Ｄｃｎｔ）の比から非対称性指標（ＡＳＹ＝Ｄｃｎｔ／Ｄａｖｅ）を求める（ステップＳ１５）。
最初に、データを入力設備１１に入力する（図１のステップＳ１０）。ここで、データはバッチ式にため込んですべて入力してもよいし、測定装置と閾値算出解析装置１０１をオンライン接続して測定ごとに逐次入力してもよい。
次に、バックグラウンド除去対象の特性関数Ｙ＝Ｆ（ｘ）に対してセグメント回帰区分線形関数法を適用し、情報量基準により区分、区分数ｍおよび区分境界点ＢＰ［ｉ］を求める（ステップＳ１１）。ここで、情報基準としてはＡＩＣまたはＢＩＣを好んで用いることができる。
その後、情報基準により求められた各区分ｉ（ｉは１からｍまでの整数）毎の前記特性関数Ｙ＝Ｆ（ｘ）の曲線の傾き（ａ［ｉ］）を求める（ステップＳ１２）。
しかる後、ａ［ｉ］≧ａ［ｉ＋１］を満たすａ［ｉ］がある場合は、その最小のｉをｎとし、前記ｉが１からｍまでａ［ｉ］＜ａ［ｉ＋１］を満たす場合は、ｎ＝ｍとして、計算対象の区間を区分ｎまでの区間として求める（ステップＳ１３）。
次に、第１の指標として、前記区分の１からｎまでの区間で、特性関数Ｙの最大値Ｙｍａｘ、最小値Ｙｍｉｎ、ｘの最大値ｘｍａｘおよび最小値ｘｍｉｎを用いて、（Ｙｍａｘ－Ｙｍｉｎ）／（ｘｍａｘ－ｘｍｉｎ）で定義される特性関数Ｙ＝Ｆ（ｘ）の平均的な傾き（ａｖｅＳ）を求める（ステップＳ１４）。
また、第２の指標として、１からｎまでの区分を通してのデータ（Ｙ）の値の平均値（Ｄａｖｅ）と中央値（Ｄｃｎｔ）の比から非対称性指標（ＡＳＹ＝Ｄｃｎｔ／Ｄａｖｅ）を求める（ステップＳ１５）。
【0029】
その後、判定基準（ＤＳ）を、平均的な傾き（ａｖｅＳ）と非対称性指標（ＡＳＹ）および０．８０以上０．９５以下の値の中からあらかじめ定めた基準値Ｌを用いて
０≦ＡＳＹ＜Ｌの場合 ＤＳ＝ａｖｅＳ×ＡＳＹ（前述の（式３））、
ＡＳＹ≧Ｌの場合 ＤＳ＝ａｖｅＳ（前述の（式４））
として求める（ステップＳ１６）。
０≦ＡＳＹ＜Ｌの場合 ＤＳ＝ａｖｅＳ×ＡＳＹ（前述の（式３））、
ＡＳＹ≧Ｌの場合 ＤＳ＝ａｖｅＳ（前述の（式４））
として求める（ステップＳ１６）。
【0030】
しかる後、傾きａ［ｉ］（ｉは１からｎまでの整数）の線形成分がバックグラウンド成分か否かを、
ａ［ｉ］＜ＤＳの場合は、バックグラウンド成分
ａ［ｉ］≧ＤＳの場合は、非バックグラウンド成分として選別判定する（ステップＳ１７）。
その後、Ｆ（０）および前記バックグラウンド成分を特性関数Ｙ＝Ｆ（ｘ）から減じ（ステップＳ１８）、最後に、結果を出力設備１７から出力して終了する（ステップＳ２０）。
本方法により、人為に左右されずに安定的かつ簡便に、線形のバックグラウンド成分が除かれた特性曲線Ｙ´算出することが可能になる。
ａ［ｉ］＜ＤＳの場合は、バックグラウンド成分
ａ［ｉ］≧ＤＳの場合は、非バックグラウンド成分として選別判定する（ステップＳ１７）。
その後、Ｆ（０）および前記バックグラウンド成分を特性関数Ｙ＝Ｆ（ｘ）から減じ（ステップＳ１８）、最後に、結果を出力設備１７から出力して終了する（ステップＳ２０）。
本方法により、人為に左右されずに安定的かつ簡便に、線形のバックグラウンド成分が除かれた特性曲線Ｙ´算出することが可能になる。
【0031】
なお、ステップＳ１４の後、ステップＳ１５の前に、ステップＳ１４で求めた計算対象範囲の中で再度区分と傾きを求めて再度計算を行う、すなわち、ステップＳ１４の後、計算対象区間をｘ＝０からｘ＝ＢＰ［ｔ］に限って、ステップＳ１１に戻ってステップＳ２０まで再度計算を行うことも有効である。
【0032】
＜手順２＞
本発明の第２の手順（アルゴリズム）を、フローチャート図である図３を参照しながら下記に示す。
最初に、データを入力設備１１に入力する（図３のステップＳ５０）。ここで、データはバッチ式にため込んですべて入力してもよいし、測定装置と閾値算出解析装置１０１をオンライン接続して測定ごとに逐次入力してもよい。
次に、バックグラウンド除去対象の特性関数Ｙ＝Ｆ（ｘ）に対してセグメント回帰区分線形関数法を適用し、情報量基準により区分、区分数ｍおよび区分境界点ＢＰ［ｉ］を求める（ステップＳ５１）。ここで、情報基準としてはＡＩＣまたはＢＩＣを好んで用いることができる。
その後、情報基準により求められた各区分ｉ（ｉは１からｍまでの整数）毎の前記特性関数Ｙ＝Ｆ（ｘ）の曲線の傾き（ａ［ｉ］）を求める（ステップＳ５２）。
しかる後、ａ［ｉ］≧ａ［ｉ＋１］を満たすａ［ｉ］がある場合は、その条件を満たす最小のｉをｎとし、前記ｉが１からｍまでａ［ｉ］＜ａ［ｉ＋１］を満たす場合は、ｎ＝ｍとして、計算対象の区間を区分ｎまでの区間として求める（ステップＳ５３）。
次に、第１の指標として、前記区分の１からｎまでの区間で、特性関数Ｙの最大値Ｙｍａｘ、最小値Ｙｍｉｎ、ｘの最大値ｘｍａｘおよび最小値ｘｍｉｎを用いて、（Ｙｍａｘ－Ｙｍｉｎ）／（ｘｍａｘ－ｘｍｉｎ）で定義される特性関数Ｙ＝Ｆ（ｘ）の平均的な傾き（ａｖｅＳ）を求める（ステップＳ５４）。
また、第２の指標として、１からｎまでの区分を通してのデータ（Ｙ）の値の平均値（Ｄａｖｅ）と中央値（Ｄｃｎｔ）の比から非対称性指標（ＡＳＹ＝Ｄｃｎｔ／Ｄａｖｅ）を求める（ステップＳ５５）。
本発明の第２の手順（アルゴリズム）を、フローチャート図である図３を参照しながら下記に示す。
最初に、データを入力設備１１に入力する（図３のステップＳ５０）。ここで、データはバッチ式にため込んですべて入力してもよいし、測定装置と閾値算出解析装置１０１をオンライン接続して測定ごとに逐次入力してもよい。
次に、バックグラウンド除去対象の特性関数Ｙ＝Ｆ（ｘ）に対してセグメント回帰区分線形関数法を適用し、情報量基準により区分、区分数ｍおよび区分境界点ＢＰ［ｉ］を求める（ステップＳ５１）。ここで、情報基準としてはＡＩＣまたはＢＩＣを好んで用いることができる。
その後、情報基準により求められた各区分ｉ（ｉは１からｍまでの整数）毎の前記特性関数Ｙ＝Ｆ（ｘ）の曲線の傾き（ａ［ｉ］）を求める（ステップＳ５２）。
しかる後、ａ［ｉ］≧ａ［ｉ＋１］を満たすａ［ｉ］がある場合は、その条件を満たす最小のｉをｎとし、前記ｉが１からｍまでａ［ｉ］＜ａ［ｉ＋１］を満たす場合は、ｎ＝ｍとして、計算対象の区間を区分ｎまでの区間として求める（ステップＳ５３）。
次に、第１の指標として、前記区分の１からｎまでの区間で、特性関数Ｙの最大値Ｙｍａｘ、最小値Ｙｍｉｎ、ｘの最大値ｘｍａｘおよび最小値ｘｍｉｎを用いて、（Ｙｍａｘ－Ｙｍｉｎ）／（ｘｍａｘ－ｘｍｉｎ）で定義される特性関数Ｙ＝Ｆ（ｘ）の平均的な傾き（ａｖｅＳ）を求める（ステップＳ５４）。
また、第２の指標として、１からｎまでの区分を通してのデータ（Ｙ）の値の平均値（Ｄａｖｅ）と中央値（Ｄｃｎｔ）の比から非対称性指標（ＡＳＹ＝Ｄｃｎｔ／Ｄａｖｅ）を求める（ステップＳ５５）。
【0033】
その後、判定基準（ＤＳ）を平均的な傾き（ａｖｅＳ）と非対称性指標（ＡＳＹ）および０．８０以上０．９５以下の値の中からあらかじめ定めた基準値Ｌを用いて
０≦ＡＳＹ＜Ｌの場合 ＤＳ＝ａｖｅＳ×ＡＳＹ、
ＡＳＹ≧Ｌの場合 ＤＳ＝ａｖｅＳ
として求める（ステップＳ５６）。
０≦ＡＳＹ＜Ｌの場合 ＤＳ＝ａｖｅＳ×ＡＳＹ、
ＡＳＹ≧Ｌの場合 ＤＳ＝ａｖｅＳ
として求める（ステップＳ５６）。
【0034】
しかる後、ａ［ｉ］（ｉは１からｎまでの整数）と判定基準（ＤＳ）を比較して、ｉが１からｎまでの範囲で、ａ［ｉ］≧ＤＳとなるｉがある場合はａ［ｉ］≧ＤＳを満たす最小のｉをｔ、ａ［ｉ］＜ＤＳの場合はｔ＝ｎとして、線形バックグラウンド区間範囲を示す最大区間区分ｔを求める（ステップＳ５７）。
【0035】
その後、バックグラウンドが取り除かれた特性曲線Ｙ´を（式５）から（式７）を使って求め（ステップＳ５８）、最後に、結果を出力設備１７から出力して終了する（ステップＳ６０）。
Ｙ´＝Ｆ（ｘ）－Ｆｂａｃｋｇｒｏｕｎｄ ・・・（式５）
Ｙ´＝Ｆ（ｘ）－Ｆｂａｃｋｇｒｏｕｎｄ ・・・（式５）
【0036】
【数5】
【0037】
本方法により、人為に左右されずに安定的かつ簡便に、線形のバックグラウンド成分が除かれた特性曲線Ｙ´算出することが可能になる。
【0038】
なお、本発明では、上述のように、セグメント回帰区分線形関数法を用いることにより特性曲線Ｙ＝Ｆ（ｘ）の極大位置を把握して極大以降の区間を解析対象から外している。このステップを行っているため、本発明の方法で閾値の初期値の推定を行うことも可能になっている。すなわち、傾きがバックグラウンドと判定されたところの区分点が閾値の初期値を表すことになる。
【0039】
（実施の形態２）
実施の形態２のバックグラウンドを取り除いた特性曲線を求める方法は、第２の指標として、実施の形態１で用いた非対称性指標（ＡＳＹ＝Ｄｃｎｔ／Ｄａｖｅ）に代えて、（１－ＧｉＮｉ）としたことを特徴とし、その他のステップは実施の形態１に準拠した方法である。ここで、ＧｉＮｉはジニ係数である。
実施の形態２のバックグラウンドを取り除いた特性曲線を求める方法は、第２の指標として、実施の形態１で用いた非対称性指標（ＡＳＹ＝Ｄｃｎｔ／Ｄａｖｅ）に代えて、（１－ＧｉＮｉ）としたことを特徴とし、その他のステップは実施の形態１に準拠した方法である。ここで、ＧｉＮｉはジニ係数である。
【0040】
詳細な手順を、フローチャート図である図６を参照しながら下記に示す。
最初に、データを入力設備１１に入力する（図６のステップＳ１５０）。ここで、データはバッチ式にため込んですべて入力してもよいし、測定装置と閾値算出解析装置１０１をオンライン接続して測定ごとに逐次入力してもよいことは実施の形態１と同様である。
次に、バックグラウンド除去対象の特性関数Ｙ＝Ｆ（ｘ）に対してセグメント回帰区分線形関数法を適用し、情報量基準により区分、区分数ｍおよび区分境界点ＢＰ［ｉ］を求める（ステップＳ１５１）。ここで、情報基準としてはＡＩＣまたはＢＩＣを好んで用いることができる。
その後、情報基準により求められた区分ｉ（ｉは１からｍまでの整数）毎の前記特性関数Ｙ＝Ｆ（ｘ）の曲線の傾き（ａ［ｉ］）を求める（ステップＳ１５２）。
しかる後、ａ［ｉ］≧ａ［ｉ＋１］を満たすａ［ｉ］がある場合は、その条件を満たす最小のｉをｎとし、前記ｉが１からｍまでａ［ｉ］＜ａ［ｉ＋１］を満たす場合は、ｎ＝ｍとして、計算対象の区間を区分ｎまでの区間として求める（ステップＳ１５３）。
次に、第１の指標として、前記区分の１からｎまでの区間で、特性関数Ｙの最大値Ｙｍａｘ、最小値Ｙｍｉｎ、ｘの最大値ｘｍａｘおよび最小値ｘｍｉｎを用いて、下記式１ａに示される（Ｙｍａｘ－Ｙｍｉｎ）／（ｘｍａｘ－ｘｍｉｎ）で定義される特性関数Ｙ＝Ｆ（ｘ）の平均的な傾き（ａｖｅＳ）を求める（ステップＳ１５４）。
また、第２の指標として、ｘの最小値ｘｍｉｎを０、ｘの最大値ｘｍａｘを１、Ｆ（ｘｍｉｎ）を０、Ｆ（ｘｍａｘ）を１として（ｘ、Ｙ）を規格化し、ローレンツ曲線から求めたジニ係数（ＧｉＮｉ）より計算される（１－ＧｉＮｉ）を求める（ステップＳ１５５）。
その後、判定基準（ＤＳａ）を、前記平均的な傾き（ａｖｅＳ）と前記第２ａの指標である（１－ＧｉＮｉ）を用いて、下記（式２ａ）により求める（ステップＳ１５６）。
しかる後、ａ［ｉ］（ｉは１からｎまでの整数）と判定基準（ＤＳａ）を比較して、ｉが１からｎまでの範囲で、ａ［ｉ］≧ＤＳａとなるｉがある場合はａ［ｉ］≧ＤＳａを満たす最小のｉをｔａ、ａ［ｉ］＜ＤＳａの場合はｔａ＝ｎとして、線形バックグラウンド区分区間範囲を示す最大区間区分ｔａを求める（ステップＳ１５７）。
最後に、線形バックグラウンドが取り除かれた特性曲線Ｙａ´を下記（式３ａ）より求め（ステップＳ１５７）、結果を出力して終了する（ステップＳ１６０）。
ａｖｅＳ＝（Ｙｍａｘ－Ｙｍｉｎ）／（ｘｍａｘ－ｘｍｉｎ） ・・・（式１ａ）
ＤＳａ＝ａｖｅＳ×（１－ＧｉＮｉ） ・・・（式２ａ）
Ｙａ´＝Ｆ（ｘ）－Ｆｂａｃｋｇｒｏｕｎｄ，ａ ・・・（式３ａ）
最初に、データを入力設備１１に入力する（図６のステップＳ１５０）。ここで、データはバッチ式にため込んですべて入力してもよいし、測定装置と閾値算出解析装置１０１をオンライン接続して測定ごとに逐次入力してもよいことは実施の形態１と同様である。
次に、バックグラウンド除去対象の特性関数Ｙ＝Ｆ（ｘ）に対してセグメント回帰区分線形関数法を適用し、情報量基準により区分、区分数ｍおよび区分境界点ＢＰ［ｉ］を求める（ステップＳ１５１）。ここで、情報基準としてはＡＩＣまたはＢＩＣを好んで用いることができる。
その後、情報基準により求められた区分ｉ（ｉは１からｍまでの整数）毎の前記特性関数Ｙ＝Ｆ（ｘ）の曲線の傾き（ａ［ｉ］）を求める（ステップＳ１５２）。
しかる後、ａ［ｉ］≧ａ［ｉ＋１］を満たすａ［ｉ］がある場合は、その条件を満たす最小のｉをｎとし、前記ｉが１からｍまでａ［ｉ］＜ａ［ｉ＋１］を満たす場合は、ｎ＝ｍとして、計算対象の区間を区分ｎまでの区間として求める（ステップＳ１５３）。
次に、第１の指標として、前記区分の１からｎまでの区間で、特性関数Ｙの最大値Ｙｍａｘ、最小値Ｙｍｉｎ、ｘの最大値ｘｍａｘおよび最小値ｘｍｉｎを用いて、下記式１ａに示される（Ｙｍａｘ－Ｙｍｉｎ）／（ｘｍａｘ－ｘｍｉｎ）で定義される特性関数Ｙ＝Ｆ（ｘ）の平均的な傾き（ａｖｅＳ）を求める（ステップＳ１５４）。
また、第２の指標として、ｘの最小値ｘｍｉｎを０、ｘの最大値ｘｍａｘを１、Ｆ（ｘｍｉｎ）を０、Ｆ（ｘｍａｘ）を１として（ｘ、Ｙ）を規格化し、ローレンツ曲線から求めたジニ係数（ＧｉＮｉ）より計算される（１－ＧｉＮｉ）を求める（ステップＳ１５５）。
その後、判定基準（ＤＳａ）を、前記平均的な傾き（ａｖｅＳ）と前記第２ａの指標である（１－ＧｉＮｉ）を用いて、下記（式２ａ）により求める（ステップＳ１５６）。
しかる後、ａ［ｉ］（ｉは１からｎまでの整数）と判定基準（ＤＳａ）を比較して、ｉが１からｎまでの範囲で、ａ［ｉ］≧ＤＳａとなるｉがある場合はａ［ｉ］≧ＤＳａを満たす最小のｉをｔａ、ａ［ｉ］＜ＤＳａの場合はｔａ＝ｎとして、線形バックグラウンド区分区間範囲を示す最大区間区分ｔａを求める（ステップＳ１５７）。
最後に、線形バックグラウンドが取り除かれた特性曲線Ｙａ´を下記（式３ａ）より求め（ステップＳ１５７）、結果を出力して終了する（ステップＳ１６０）。
ａｖｅＳ＝（Ｙｍａｘ－Ｙｍｉｎ）／（ｘｍａｘ－ｘｍｉｎ） ・・・（式１ａ）
ＤＳａ＝ａｖｅＳ×（１－ＧｉＮｉ） ・・・（式２ａ）
Ｙａ´＝Ｆ（ｘ）－Ｆｂａｃｋｇｒｏｕｎｄ，ａ ・・・（式３ａ）
【数6】
【0041】
ＧｉＮｉ係数を用いた実施の形態２の方法は、非対称性指数を面積比で表現するという特徴があり、人為に左右されずに安定的かつ簡便に、線形のバックグラウンド成分が除かれた特性曲線Ｙａ´を算出することが可能になる。
【0042】
（実施の形態３）
実施の形態３のバックグラウンドを取り除いた特性曲線を求める方法は、べき乗や指数関数などのｘの増加とともに急激にＹが大きくなる特性曲線の場合、急激に変化を始める時点から隣接するＢＰ間の間隔が小さくなることに着目した方法で、急激に変化が大きくなる特性曲線に対して好適な方法である。
実施の形態３のバックグラウンドを取り除いた特性曲線を求める方法は、べき乗や指数関数などのｘの増加とともに急激にＹが大きくなる特性曲線の場合、急激に変化を始める時点から隣接するＢＰ間の間隔が小さくなることに着目した方法で、急激に変化が大きくなる特性曲線に対して好適な方法である。
【0043】
詳細な手順を、フローチャート図である図７を参照しながら下記に示す。
最初に、データを入力設備１１に入力する（図７のステップＳ２５０）。ここで、データはバッチ式にため込んですべて入力してもよいし、測定装置と閾値算出解析装置１０１をオンライン接続して測定ごとに逐次入力してもよいことは実施の形態１と同様である。
次に、バックグラウンド除去対象の特性関数Ｙ＝Ｆ（ｘ）に対してセグメント回帰区分線形関数法を適用し、情報量基準により区分、区分数ｍおよび区分境界点ＢＰ［ｉ］を求める（ステップＳ２５１）。ここで、情報基準としてはＡＩＣまたはＢＩＣを好んで用いることができる。
その後、情報基準により求められた区分ｉ（ｉは１からｍまでの整数）毎の前記特性関数Ｙ＝Ｆ（ｘ）の曲線の傾き（ａ［ｉ］）を求める（ステップＳ２５２）。
しかる後、ａ［ｉ］≧ａ［ｉ＋１］を満たすａ［ｉ］がある場合は、その条件を満たす最小のｉをｎとし、前記ｉが１からｍまでａ［ｉ］＜ａ［ｉ＋１］を満たす場合は、ｎ＝ｍとして、計算対象の区間を区分ｎまでの区間として求める（ステップＳ２５３）。
最初に、データを入力設備１１に入力する（図７のステップＳ２５０）。ここで、データはバッチ式にため込んですべて入力してもよいし、測定装置と閾値算出解析装置１０１をオンライン接続して測定ごとに逐次入力してもよいことは実施の形態１と同様である。
次に、バックグラウンド除去対象の特性関数Ｙ＝Ｆ（ｘ）に対してセグメント回帰区分線形関数法を適用し、情報量基準により区分、区分数ｍおよび区分境界点ＢＰ［ｉ］を求める（ステップＳ２５１）。ここで、情報基準としてはＡＩＣまたはＢＩＣを好んで用いることができる。
その後、情報基準により求められた区分ｉ（ｉは１からｍまでの整数）毎の前記特性関数Ｙ＝Ｆ（ｘ）の曲線の傾き（ａ［ｉ］）を求める（ステップＳ２５２）。
しかる後、ａ［ｉ］≧ａ［ｉ＋１］を満たすａ［ｉ］がある場合は、その条件を満たす最小のｉをｎとし、前記ｉが１からｍまでａ［ｉ］＜ａ［ｉ＋１］を満たす場合は、ｎ＝ｍとして、計算対象の区間を区分ｎまでの区間として求める（ステップＳ２５３）。
【0044】
次に、隣接する前記区分境界点（ＢＰ［ｊ］）間の距離ΔＢＰ［ｊｂ］＝ＢＰ［ｊ＋１］－ＢＰ［ｊ］（ｊｂは１からｎまでの整数、ｊは０からｎ－１まで）を求め（ステップＳ２５４）、ΔＢＰ［ｊｂ］に対してＫ－ｍｅａｎｓ法を適用してΔＢＰ［ｊｂ］を距離の短いグループＧａと長いグループＧｂの２グループに分類する（ステップＳ２５５）。
【0045】
ここで、Ｋ－ｍｅａｎｓ法とは、データの集合をデータの類似性に基づいていくつかのグループに分類する手法であり、単純で計算量が比較的少ないため、実用的なクラスタリング手法として広く用いられている。
Ｋ－ｍｅａｎｓ法は、クラスタ数ｋを適切に設定することが重要であり、クラスタ数が多すぎると、データの類似性が低下し、クラスタ数が少なすぎるとデータの類似性が高くなりすぎる傾向がある。
Ｋ－ｍｅａｎｓ法では、次のような手順でクラスタリングを行う。
（１）与えられたデータの中から、任意のｋ個の点をクラスタの中心（重心）として設定する。
（２）各データ点を、最も近い重心のクラスタに割り当てる。
（３）各クラスタの中心を、そのクラスタに属するデータの平均値として再計算する。
（４）各データ点を、新たに計算された各クラスタの中心の最も近いクラスタに再割り当てする。
（５）クラスタの中心の位置が変化しなくなるまで、（３）（４）の処理を繰り返す。
本願では、ｋ＝２として２グループに分類している。
Ｋ－ｍｅａｎｓ法は、クラスタ数ｋを適切に設定することが重要であり、クラスタ数が多すぎると、データの類似性が低下し、クラスタ数が少なすぎるとデータの類似性が高くなりすぎる傾向がある。
Ｋ－ｍｅａｎｓ法では、次のような手順でクラスタリングを行う。
（１）与えられたデータの中から、任意のｋ個の点をクラスタの中心（重心）として設定する。
（２）各データ点を、最も近い重心のクラスタに割り当てる。
（３）各クラスタの中心を、そのクラスタに属するデータの平均値として再計算する。
（４）各データ点を、新たに計算された各クラスタの中心の最も近いクラスタに再割り当てする。
（５）クラスタの中心の位置が変化しなくなるまで、（３）（４）の処理を繰り返す。
本願では、ｋ＝２として２グループに分類している。
【0046】
しかる後、幅ΔＢＰ［ｊｂ］がグループＧａに属するときは０を、グループＧｂに属するときは１を区分ＢＤ［ｊｂ］の値として割り当て（ステップＳ２５６）、その上で、ΔＢＰ［ｎ＋１］およびΔＢＰ［ｎ＋２］の値として、ΔＢＰ［ｎ］と同じ値を割り当てた仮想のΔＢＰ［ｎ＋１］およびΔＢＰ［ｎ＋２］を作成する（ステップＳ２５７）。
さらに、ΔＢＰ［ｊｂ］の値が、ΔＢＰ［ｊｂ＋１］の値およびΔＢＰ［ｊｂ＋２］の値と同じ値になる最小のｊｂを求め、該値をｊｂ、Ｇａｍａｘとし（ステップＳ２５８）、線形バックグラウンド区分区間範囲を示す最大区間区分ｔｂをｔｂ＝ｊｂ、Ｇａｍａｘとして計算する（ステップＳ２５９）。
さらに、ΔＢＰ［ｊｂ］の値が、ΔＢＰ［ｊｂ＋１］の値およびΔＢＰ［ｊｂ＋２］の値と同じ値になる最小のｊｂを求め、該値をｊｂ、Ｇａｍａｘとし（ステップＳ２５８）、線形バックグラウンド区分区間範囲を示す最大区間区分ｔｂをｔｂ＝ｊｂ、Ｇａｍａｘとして計算する（ステップＳ２５９）。
【0047】
最後に、線形バックグラウンドが取り除かれた特性曲線Ｙｂ´を下記（式１ｂ）より求め（ステップＳ２６０）、結果を出力して終了する（ステップＳ２７０）。
Ｙｂ´＝Ｆ（ｘ）－Ｆｂａｃｋｇｒｏｕｎｄ，ｂ ・・・（式１ｂ）
実施の形態３の方法は、指数関数など急激に変化が大きくなる特性曲線に対して好適な方法であり、本方法により、人為に左右されずに安定的かつ簡便に、線形のバックグラウンド成分が除かれた特性曲線Ｙｂ´を算出することが可能になる。
Ｙｂ´＝Ｆ（ｘ）－Ｆｂａｃｋｇｒｏｕｎｄ，ｂ ・・・（式１ｂ）
【数7】
【0048】
（実施の形態４）
実施の形態４のバックグラウンドを取り除いた特性曲線を求める方法は、線形バックグラウンド区分区間範囲を示す最大区間区分ｔｃを、実施の形態１から３における最大区間区分ｔ、ｔａおよびｔｂの多数決により決めるものであり、工数はかかるが、汎用性の高い方法である。なお、最大区間区分ｔｃを決める多数決でｔ、ｔａおよびｔｂの値が３つとも異なる場合は、ｔ、ｔａおよびｔｂの中の２番目に大きい値をｔｃとして定める。
実施の形態４の方法の詳細な手順は、前述の構成８に準拠する。
実施の形態４の方法は、推定の信頼性が評価できる方法で、ｔ、ｔａおよびｔｂの全ての値が一致した場合は信頼性が高く、２つが一致する場合は中程度の信頼性で、すべて異なる場合は信頼性が低いと判断することができる。
本方法により、人為に左右されずに安定的かつ簡便に、線形のバックグラウンド成分が除かれた特性曲線Ｙｃ´を算出することが可能になる。
実施の形態４のバックグラウンドを取り除いた特性曲線を求める方法は、線形バックグラウンド区分区間範囲を示す最大区間区分ｔｃを、実施の形態１から３における最大区間区分ｔ、ｔａおよびｔｂの多数決により決めるものであり、工数はかかるが、汎用性の高い方法である。なお、最大区間区分ｔｃを決める多数決でｔ、ｔａおよびｔｂの値が３つとも異なる場合は、ｔ、ｔａおよびｔｂの中の２番目に大きい値をｔｃとして定める。
実施の形態４の方法の詳細な手順は、前述の構成８に準拠する。
実施の形態４の方法は、推定の信頼性が評価できる方法で、ｔ、ｔａおよびｔｂの全ての値が一致した場合は信頼性が高く、２つが一致する場合は中程度の信頼性で、すべて異なる場合は信頼性が低いと判断することができる。
本方法により、人為に左右されずに安定的かつ簡便に、線形のバックグラウンド成分が除かれた特性曲線Ｙｃ´を算出することが可能になる。
【実施例0049】
（実施例１）
実施例１では、超電導材料の臨界電流密度Ｊｃの測定データに対して、実施の形態１で示した本発明の方法を適用して線形のバックグラウンド成分を除いた電流―電圧特性曲線を算出した結果について述べる。
但し、当然ながら、本発明はこのような特定の形式に限定されるものではなく、本発明の技術的範囲は特許請求の範囲により規定されるものであることに注意されたい。
実施例１では、超電導材料の臨界電流密度Ｊｃの測定データに対して、実施の形態１で示した本発明の方法を適用して線形のバックグラウンド成分を除いた電流―電圧特性曲線を算出した結果について述べる。
但し、当然ながら、本発明はこのような特定の形式に限定されるものではなく、本発明の技術的範囲は特許請求の範囲により規定されるものであることに注意されたい。
【0050】
超電導材料の臨界電流密度Ｊｃの測定データは下記のようにして取得した。
使用した超電導材料はＭｇＢ２であり、温度４．２Ｋの下、自社開発の測定装置を使用して電流Ｊと電圧Ｅの関係を示す測定データを得た。
使用した超電導材料はＭｇＢ２であり、温度４．２Ｋの下、自社開発の測定装置を使用して電流Ｊと電圧Ｅの関係を示す測定データを得た。
【0051】
その測定データを図２に示す入力設備１１に入力し、セグメント回帰区分線形関数法を適用し、情報量基準により区分および区分数ｍを求めた。ここで、情報基準としてはＢＩＣを使用した。具体的には、非特許文献１の手法に準拠させて区分および区分数ｍを求めた。
図４は、その測定データと区分を示した図である。同図の（ａ）、（ｂ）、（ｃ）、（ｄ）、（ｅ）、（ｆ）はそれぞれ区分点（Ｂｒｅａｋｐｏｉｎｔｓ）を１，２，３，４，５および６としたときの結果を示す。測定データとのフィッティングは、区分点数が１，２，３，４，５，６に対して各々ＢＩＣは１４８２，１０１３，７５１，５３８，３１８および２２３で区分数ｍが７の場合のＢＩＣが最も小さく、最も適合性が高かった。
図４は、その測定データと区分を示した図である。同図の（ａ）、（ｂ）、（ｃ）、（ｄ）、（ｅ）、（ｆ）はそれぞれ区分点（Ｂｒｅａｋｐｏｉｎｔｓ）を１，２，３，４，５および６としたときの結果を示す。測定データとのフィッティングは、区分点数が１，２，３，４，５，６に対して各々ＢＩＣは１４８２，１０１３，７５１，５３８，３１８および２２３で区分数ｍが７の場合のＢＩＣが最も小さく、最も適合性が高かった。
【0052】
次に、情報基準により求められた区分ｉ（ｉは１からｍまでの整数）毎の測定データ曲線の傾き（ａ［ｉ］）を求めた。その結果を表１に示す。
【0053】
【表1】
【0054】
また、第１の指標として、平均的な傾きであるａｖｅＳ＝（Ｙｍａｘ－Ｙｍｉｎ）／（ｘｍａｘ－ｘｍｉｎ）を求めた。その結果、ａｖｅＳは８４．２４であった。
さらに、第２の指標として、非対称性指標ＡＳＹ＝Ｄｃｎｔ／Ｄａｖｅを求めた。その結果、ＡＳＹは０．３８であった。
判定基準ＤＳは、
ＤＳ＝ａｖｅＳ×ＡＳＹ＝８４．２４×０．３８＝３１．８６４
であった。
この結果、傾きが３１．８６４より小さなａ［１］の区分領域で導出される線形成分を線形バックグラウンド成分と見なして測定データから除去した。除去後の結果を測定データと比較して図５に示す。線形バックグラウンドが除去された補正後の特性曲線は立ち上がりのポイントが明確であり、臨界電流密度Ｊｃの導出に適していた。
さらに、第２の指標として、非対称性指標ＡＳＹ＝Ｄｃｎｔ／Ｄａｖｅを求めた。その結果、ＡＳＹは０．３８であった。
判定基準ＤＳは、
ＤＳ＝ａｖｅＳ×ＡＳＹ＝８４．２４×０．３８＝３１．８６４
であった。
この結果、傾きが３１．８６４より小さなａ［１］の区分領域で導出される線形成分を線形バックグラウンド成分と見なして測定データから除去した。除去後の結果を測定データと比較して図５に示す。線形バックグラウンドが除去された補正後の特性曲線は立ち上がりのポイントが明確であり、臨界電流密度Ｊｃの導出に適していた。
【0055】
（実施例２）
実施例２では、実施例１で開示した超電導材料の臨界電流密度Ｊｃの測定データに対して、実施の形態２で示した方法を適用した。
ジニ係数法で求めたＧＩＮＩの値は０．４０９であり、したがって１－ＧＩＮＩは０．５９１であった。実施例１に示されているようにａｖｅＳは８４．２４であり、判定基準ＤＳａは、式２ａより、４９．７９７と求められた。この結果、傾きが４９．７９７より小さなａ［２］までの区分領域で導出される線形成分を線形バックグラウンド成分と見なし、式４ａおよび式５ａにより、バックグラウンド成分が除去された特性曲線を得た。その結果を図８に示す。
実施例２では、実施例１で開示した超電導材料の臨界電流密度Ｊｃの測定データに対して、実施の形態２で示した方法を適用した。
ジニ係数法で求めたＧＩＮＩの値は０．４０９であり、したがって１－ＧＩＮＩは０．５９１であった。実施例１に示されているようにａｖｅＳは８４．２４であり、判定基準ＤＳａは、式２ａより、４９．７９７と求められた。この結果、傾きが４９．７９７より小さなａ［２］までの区分領域で導出される線形成分を線形バックグラウンド成分と見なし、式４ａおよび式５ａにより、バックグラウンド成分が除去された特性曲線を得た。その結果を図８に示す。
【0056】
（実施例３）
実施例３では、実施例１で開示した超電導材料の臨界電流密度Ｊｃの測定データに対して、実施の形態３で示した方法を適用した。
ＢＰの値を表２に、ＢＰ間の間隔ΔＢＰの値を表３に示す。
実施例３では、実施例１で開示した超電導材料の臨界電流密度Ｊｃの測定データに対して、実施の形態３で示した方法を適用した。
ＢＰの値を表２に、ＢＰ間の間隔ΔＢＰの値を表３に示す。
【0057】
【表2】
【表3】
【0058】
実施の形態３で述べた方法に準拠させて、ＢＰ間の間隔データに基づいてＫ－ｍｅａｎｓ法を適用して、ＢＰ間の間隔の狭いグループＧａと広いＧｂにＢＰを分け、０または１のＢＤ［Ｊｂ］を割り当てた。その結果、グループＧａに属するのはＧＰ［０］―ＧＰ［１］間で、他はグループＧｂに属した。この結果を受けて、ａ［１］の区分領域で導出される線形成分を線形バックグラウンド成分と見なして測定データから除去した。したがって、実施例３で導出された線形バックグラウンド成分除去後の特性曲線Ｙｂ´は実施例１で導出された線形バックグラウンド成分除去後の特性関数と同じものになった。
【0059】
（実施例４）
実施例４では、実施例１で開示した超電導材料の臨界電流密度Ｊｃの測定データに対して、実施の形態４で示した方法を適用した。
最初に、実施例１から３における最大区間区分ｔ、ｔａおよびｔｂを求め、線形バックグラウンド区分区間範囲を示す最大区間区分ｔｃをその結果の多数決により決めた。その結果、ｔは１，ｔａは２、そしてｔｂは１であった。この結果、実施例４で導出された線形バックグラウンド成分除去後の特性曲線Ｙｂ´は、実施例１および実施例３で導出された線形バックグラウンド成分除去後の特性関数と同じものになった。
なお、参考までに、臨界電流密度測定データに対してバックグラウンド成分を、ＢＰ［１］区分境界点およびＢＰ［２］区分境界点まで除去し、両者を比較した図を図９に示す。実施例１および３の結果は図９（ａ）、実施例２の結果は図９（ｂ）、両者の比較が図９（ｃ）に表されている。
実施例４では、実施例１で開示した超電導材料の臨界電流密度Ｊｃの測定データに対して、実施の形態４で示した方法を適用した。
最初に、実施例１から３における最大区間区分ｔ、ｔａおよびｔｂを求め、線形バックグラウンド区分区間範囲を示す最大区間区分ｔｃをその結果の多数決により決めた。その結果、ｔは１，ｔａは２、そしてｔｂは１であった。この結果、実施例４で導出された線形バックグラウンド成分除去後の特性曲線Ｙｂ´は、実施例１および実施例３で導出された線形バックグラウンド成分除去後の特性関数と同じものになった。
なお、参考までに、臨界電流密度測定データに対してバックグラウンド成分を、ＢＰ［１］区分境界点およびＢＰ［２］区分境界点まで除去し、両者を比較した図を図９に示す。実施例１および３の結果は図９（ａ）、実施例２の結果は図９（ｂ）、両者の比較が図９（ｃ）に表されている。
【産業上の利用可能性】
【0060】
本発明の方法は、超電導材料の臨界電流密度Ｊｃなどのべき乗則や指数則に従う物理現象に適用できる。べき乗則に従う物理現象としては、紫外線照射による光電子放出（光電効果）閾値の導出、光学吸収の立ち上がりからのバンドギャップの導出、指数則では、半導体のショットキー閾値の導出などがあり、これらのバックグラウンド除去に利用することができる。
本発明の方法の適用により、これらの物理状態の解析およびその状態を利用して材料やデバイスの状態、品質を管理する上での重要な指標を、人為に左右されずに安定に、しかも簡便な方法で得ることができる。したがって、本方法は、科学技術の発展に寄与するとともに、製品の品質向上、性能向上、すなわち産業の発展に寄与するものと考える。
本発明の方法の適用により、これらの物理状態の解析およびその状態を利用して材料やデバイスの状態、品質を管理する上での重要な指標を、人為に左右されずに安定に、しかも簡便な方法で得ることができる。したがって、本方法は、科学技術の発展に寄与するとともに、製品の品質向上、性能向上、すなわち産業の発展に寄与するものと考える。
【符号の説明】
【0061】
１１：入力設備
１２：測定データ（入力データ）
１４：演算設備
１５：記憶設備
１６：情報路（情報パス）
１７：出力設備
１８：出力データ（バックグラウンド除去特性曲線）
１０１：処理装置
１２：測定データ（入力データ）
１４：演算設備
１５：記憶設備
１６：情報路（情報パス）
１７：出力設備
１８：出力データ（バックグラウンド除去特性曲線）
１０１：処理装置
【図1】
【図2】
【図3】
【図4】
【図5】
【図6】
【図7】
【図8】
【図9】
