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】P2024173154
(43)【公開日】2024-12-12
(54)【発明の名称】データ分類システム、データ分類方法、及びプログラム
(51)【国際特許分類】
G06N 20/00 20190101AFI20241205BHJP
【ＦＩ】
G06N20/00
【審査請求】未請求
【請求項の数】12
【出願形態】ＯＬ
(21)【出願番号】P 2023091382
(22)【出願日】2023-06-02
(71)【出願人】
【識別番号】000006013
【氏名又は名称】三菱電機株式会社
(74)【代理人】
【識別番号】100161207
【弁理士】
【氏名又は名称】西澤 和純
(74)【代理人】
【識別番号】100206081
【弁理士】
【氏名又は名称】片岡 央
(74)【代理人】
【識別番号】100188673
【弁理士】
【氏名又は名称】成田 友紀
(74)【代理人】
【識別番号】100188891
【弁理士】
【氏名又は名称】丹野 拓人
(72)【発明者】
【氏名】劉 柬言
(57)【要約】
【課題】計算量の増大を抑制しつつ、未知のクラスに対応させてデータを適切に分類する。
【解決手段】データ分類システムは、少なくとも１つのクラスの正常データに対する特徴量の抽出及び異常検知を行う第１学習済みモデルを用いて、分類対象データの未対応データ異常を検知する異常検知処理と、異常検知処理の処理結果に基づいて、分類対象データを少なくとも正常データのクラスに分類する分類処理とを実行するデータ分類処理部と、異常検知処理の処理結果に基づいて、分類対象データを未知のクラスであると判定する未知クラス判定部と、分類対象データを未知のクラスであると判定した場合に、未知のクラスである分類対象データ及び正常データに基づいて、第１学習済みモデルを再学習するとともに、正常データに対する特徴量に基づいて、分類対象データを、正常データのクラスに分類する第２学習済みモデルを新規学習又は再学習する再学習処理部とを備える。
【選択図】図１
【解決手段】データ分類システムは、少なくとも１つのクラスの正常データに対する特徴量の抽出及び異常検知を行う第１学習済みモデルを用いて、分類対象データの未対応データ異常を検知する異常検知処理と、異常検知処理の処理結果に基づいて、分類対象データを少なくとも正常データのクラスに分類する分類処理とを実行するデータ分類処理部と、異常検知処理の処理結果に基づいて、分類対象データを未知のクラスであると判定する未知クラス判定部と、分類対象データを未知のクラスであると判定した場合に、未知のクラスである分類対象データ及び正常データに基づいて、第１学習済みモデルを再学習するとともに、正常データに対する特徴量に基づいて、分類対象データを、正常データのクラスに分類する第２学習済みモデルを新規学習又は再学習する再学習処理部とを備える。
【選択図】図１
【特許請求の範囲】
【請求項1】
分類対象データを分類クラスに分類するデータ分類処理部であって、
少なくとも１つのクラスの正常データに基づく初期学習処理により生成された前記正常データに対する特徴量の抽出及び異常検知を行う第１学習済みモデルを用いて、前記分類対象データがクラス分類するデータとして未対応のデータである未対応データ異常を検知する異常検知処理と、
前記異常検知処理の処理結果に基づいて、前記分類対象データを少なくとも前記正常データのクラスに分類する分類処理と
を実行するデータ分類処理部と、
前記異常検知処理の処理結果に基づいて、前記分類対象データを未知のクラスであると判定する未知クラス判定部と、
前記未知クラス判定部が前記分類対象データを前記未知のクラスであると判定した場合に、前記未知のクラスである前記分類対象データ及び前記正常データに基づいて、前記第１学習済みモデルを再学習するとともに、前記正常データに対する特徴量に基づいて、前記分類対象データを、前記正常データのクラスに分類する第２学習済みモデルを新規学習又は再学習する再学習処理部と
を備えるデータ分類システム。
少なくとも１つのクラスの正常データに基づく初期学習処理により生成された前記正常データに対する特徴量の抽出及び異常検知を行う第１学習済みモデルを用いて、前記分類対象データがクラス分類するデータとして未対応のデータである未対応データ異常を検知する異常検知処理と、
前記異常検知処理の処理結果に基づいて、前記分類対象データを少なくとも前記正常データのクラスに分類する分類処理と
を実行するデータ分類処理部と、
前記異常検知処理の処理結果に基づいて、前記分類対象データを未知のクラスであると判定する未知クラス判定部と、
前記未知クラス判定部が前記分類対象データを前記未知のクラスであると判定した場合に、前記未知のクラスである前記分類対象データ及び前記正常データに基づいて、前記第１学習済みモデルを再学習するとともに、前記正常データに対する特徴量に基づいて、前記分類対象データを、前記正常データのクラスに分類する第２学習済みモデルを新規学習又は再学習する再学習処理部と
を備えるデータ分類システム。
【請求項2】
前記再学習処理部は、前記第２学習済みモデルが存在しない場合に、前記第２学習済みモデルを新規学習し、
前記データ分類処理部は、前記分類処理において、前記第２学習済みモデルが存在する場合に、前記第２学習済みモデルを用いて、前記分類対象データを、前記正常データのクラスに分類する
請求項１に記載のデータ分類システム。
前記データ分類処理部は、前記分類処理において、前記第２学習済みモデルが存在する場合に、前記第２学習済みモデルを用いて、前記分類対象データを、前記正常データのクラスに分類する
請求項１に記載のデータ分類システム。
【請求項3】
前記再学習処理部は、
前記未知のクラスである前記分類対象データが、前記正常データに分類され、且つ、前記第２学習済みモデルが存在しない場合に、前記第２学習済みモデルを新規学習し、
前記未知のクラスである前記分類対象データが、前記正常データに分類され、且つ、前記第２学習済みモデルが存在する場合に、前記第２学習済みモデルを再学習し、
前記未知のクラスである前記分類対象データが、異常データに分類される場合に、少なくとも１つのクラスの前記異常データに基づいて、前記異常データに対する特徴量の抽出及び異常検知を行う第３学習済みモデルを新規学習する
請求項２に記載のデータ分類システム。
前記未知のクラスである前記分類対象データが、前記正常データに分類され、且つ、前記第２学習済みモデルが存在しない場合に、前記第２学習済みモデルを新規学習し、
前記未知のクラスである前記分類対象データが、前記正常データに分類され、且つ、前記第２学習済みモデルが存在する場合に、前記第２学習済みモデルを再学習し、
前記未知のクラスである前記分類対象データが、異常データに分類される場合に、少なくとも１つのクラスの前記異常データに基づいて、前記異常データに対する特徴量の抽出及び異常検知を行う第３学習済みモデルを新規学習する
請求項２に記載のデータ分類システム。
【請求項4】
前記異常検知処理には、前記正常データの異常検知を行う前記第１学習済みモデルを用いて、前記分類対象データが前記正常データとして未対応のデータである異常を検知する第１異常検知処理と、前記異常データの異常検知を行う前記第３学習済みモデルを用いて、前記分類対象データが前記異常データとして未対応のデータである異常を検知する第２異常検知処理とが含まれ、
前記分類処理には、前記分類対象データを、前記正常データのクラスに分類する第１分類処理と、前記分類対象データを、前記異常データのクラスに分類する第２分類処理とが含まれ、
前記データ分類処理部は、
前記第２学習済みモデルが存在し、前記第１異常検知処理により前記未対応データ異常が検知されなかった場合に、前記第１分類処理として、前記第２学習済みモデルを用いて、前記分類対象データを、前記正常データのクラスに分類し、
前記第１異常検知処理により前記未対応データ異常が検知された場合に、前記第２分類処理として、前記第２異常検知処理の処理結果に基づいて、前記分類対象データを前記異常データのクラスに分類し、
前記再学習処理部は、
前記未知のクラスである前記分類対象データが、前記異常データに分類された場合に、前記未知のクラスである前記分類対象データ及び前記異常データに基づいて、前記第３学習済みモデルを再学習するとともに、前記正常データに対する特徴量に基づいて、前記分類対象データを、前記異常データのクラスに分類する第４学習済みモデルを新規学習又は再学習する
請求項３に記載のデータ分類システム。
前記分類処理には、前記分類対象データを、前記正常データのクラスに分類する第１分類処理と、前記分類対象データを、前記異常データのクラスに分類する第２分類処理とが含まれ、
前記データ分類処理部は、
前記第２学習済みモデルが存在し、前記第１異常検知処理により前記未対応データ異常が検知されなかった場合に、前記第１分類処理として、前記第２学習済みモデルを用いて、前記分類対象データを、前記正常データのクラスに分類し、
前記第１異常検知処理により前記未対応データ異常が検知された場合に、前記第２分類処理として、前記第２異常検知処理の処理結果に基づいて、前記分類対象データを前記異常データのクラスに分類し、
前記再学習処理部は、
前記未知のクラスである前記分類対象データが、前記異常データに分類された場合に、前記未知のクラスである前記分類対象データ及び前記異常データに基づいて、前記第３学習済みモデルを再学習するとともに、前記正常データに対する特徴量に基づいて、前記分類対象データを、前記異常データのクラスに分類する第４学習済みモデルを新規学習又は再学習する
請求項３に記載のデータ分類システム。
【請求項5】
前記再学習処理部は、
前記未知のクラスである前記分類対象データが、前記異常データに分類され、且つ、前記第４学習済みモデルが存在しない場合に、前記第４学習済みモデルを新規学習し、
前記未知のクラスである前記分類対象データが、前記異常データに分類され、且つ、前記第４学習済みモデルが存在する場合に、前記第４学習済みモデルを再学習し、
前記データ分類処理部は、
前記第２分類処理において、前記第４学習済みモデルが存在し、前記第２異常検知処理により前記未対応データ異常が検知されなかった場合に、前記第４学習済みモデルを用いて、前記分類対象データを、前記異常データのクラスに分類する
請求項４に記載のデータ分類システム。
前記未知のクラスである前記分類対象データが、前記異常データに分類され、且つ、前記第４学習済みモデルが存在しない場合に、前記第４学習済みモデルを新規学習し、
前記未知のクラスである前記分類対象データが、前記異常データに分類され、且つ、前記第４学習済みモデルが存在する場合に、前記第４学習済みモデルを再学習し、
前記データ分類処理部は、
前記第２分類処理において、前記第４学習済みモデルが存在し、前記第２異常検知処理により前記未対応データ異常が検知されなかった場合に、前記第４学習済みモデルを用いて、前記分類対象データを、前記異常データのクラスに分類する
請求項４に記載のデータ分類システム。
【請求項6】
前記未知クラス判定部は、
前記第１異常検知処理において、前記分類対象データに前記未対応データ異常が検知され、且つ、前記第３学習済みモデルが存在しない場合に、当該分類対象データを前記未知のクラスであると判定する
請求項５に記載のデータ分類システム。
前記第１異常検知処理において、前記分類対象データに前記未対応データ異常が検知され、且つ、前記第３学習済みモデルが存在しない場合に、当該分類対象データを前記未知のクラスであると判定する
請求項５に記載のデータ分類システム。
【請求項7】
前記未知クラス判定部は、
前記第１異常検知処理及び前記第２異常検知処理の両方において、前記分類対象データに前記未対応データ異常が検知され場合に、当該分類対象データを前記未知のクラスであると判定する
請求項６に記載のデータ分類システム。
前記第１異常検知処理及び前記第２異常検知処理の両方において、前記分類対象データに前記未対応データ異常が検知され場合に、当該分類対象データを前記未知のクラスであると判定する
請求項６に記載のデータ分類システム。
【請求項8】
前記未知クラス判定部は、
前記第１異常検知処理において、前記分類対象データに前記未対応データ異常が検知され、且つ、前記第２分類処理において分類された前記異常データのクラスが、クラス判定閾値以下である場合に、当該分類対象データを前記未知のクラスであると判定する
請求項７に記載のデータ分類システム。
前記第１異常検知処理において、前記分類対象データに前記未対応データ異常が検知され、且つ、前記第２分類処理において分類された前記異常データのクラスが、クラス判定閾値以下である場合に、当該分類対象データを前記未知のクラスであると判定する
請求項７に記載のデータ分類システム。
【請求項9】
前記データ分類処理部は、
前記第１異常検知処理において、前記第１学習済みモデルを用いて、前記分類対象データの再構成誤差を算出し、前記第１異常検知処理における前記再構成誤差が第１閾値より大きい場合に、前記分類対象データに前記未対応データ異常が検知されたと判定し、
前記第２異常検知処理において、前記第３学習済みモデルを用いて、前記分類対象データの再構成誤差を算出し、前記第２異常検知処理における前記再構成誤差が第２閾値より大きい場合に、前記分類対象データに前記未対応データ異常が検知されたと判定する
請求項４から請求項８のいずれか一項に記載のデータ分類システム。
前記第１異常検知処理において、前記第１学習済みモデルを用いて、前記分類対象データの再構成誤差を算出し、前記第１異常検知処理における前記再構成誤差が第１閾値より大きい場合に、前記分類対象データに前記未対応データ異常が検知されたと判定し、
前記第２異常検知処理において、前記第３学習済みモデルを用いて、前記分類対象データの再構成誤差を算出し、前記第２異常検知処理における前記再構成誤差が第２閾値より大きい場合に、前記分類対象データに前記未対応データ異常が検知されたと判定する
請求項４から請求項８のいずれか一項に記載のデータ分類システム。
【請求項10】
前記初期学習処理により前記第１学習済みモデルを生成する初期学習処理部を備える
請求項１から請求項８のいずれか一項に記載のデータ分類システム。
請求項１から請求項８のいずれか一項に記載のデータ分類システム。
【請求項11】
データ分類処理部が、分類対象データを分類クラスに分類するデータ分類処理ステップであって、
少なくとも１つのクラスの正常データに基づく初期学習処理により生成された前記正常データに対する特徴量の抽出及び異常検知を行う第１学習済みモデルを用いて、前記分類対象データがクラス分類するデータとして未対応のデータである未対応データ異常を検知する異常検知処理と、
前記異常検知処理の処理結果に基づいて、前記分類対象データを少なくとも前記正常データのクラスに分類する分類処理と
を実行するデータ分類処理ステップと、
未知クラス判定部が、前記異常検知処理の処理結果に基づいて、前記分類対象データを未知のクラスであると判定する未知クラス判定ステップと、
再学習処理部が、前記未知クラス判定ステップによって、前記分類対象データを前記未知のクラスであると判定された場合に、前記未知のクラスである前記分類対象データ及び前記正常データに基づいて、前記第１学習済みモデルを再学習するとともに、前記正常データに対する特徴量に基づいて、前記分類対象データを、前記正常データのクラスに分類する第２学習済みモデルを新規学習又は再学習する再学習処理ステップと
を含むデータ分類方法。
少なくとも１つのクラスの正常データに基づく初期学習処理により生成された前記正常データに対する特徴量の抽出及び異常検知を行う第１学習済みモデルを用いて、前記分類対象データがクラス分類するデータとして未対応のデータである未対応データ異常を検知する異常検知処理と、
前記異常検知処理の処理結果に基づいて、前記分類対象データを少なくとも前記正常データのクラスに分類する分類処理と
を実行するデータ分類処理ステップと、
未知クラス判定部が、前記異常検知処理の処理結果に基づいて、前記分類対象データを未知のクラスであると判定する未知クラス判定ステップと、
再学習処理部が、前記未知クラス判定ステップによって、前記分類対象データを前記未知のクラスであると判定された場合に、前記未知のクラスである前記分類対象データ及び前記正常データに基づいて、前記第１学習済みモデルを再学習するとともに、前記正常データに対する特徴量に基づいて、前記分類対象データを、前記正常データのクラスに分類する第２学習済みモデルを新規学習又は再学習する再学習処理ステップと
を含むデータ分類方法。
【請求項12】
コンピュータに、
分類対象データを分類クラスに分類するデータ分類処理ステップであって、
少なくとも１つのクラスの正常データに基づく初期学習処理により生成された前記正常データに対する特徴量の抽出及び異常検知を行う第１学習済みモデルを用いて、前記分類対象データがクラス分類するデータとして未対応のデータである未対応データ異常を検知する異常検知処理と、
前記異常検知処理の処理結果に基づいて、前記分類対象データを少なくとも前記正常データのクラスに分類する分類処理と
を実行するデータ分類処理ステップと、
前記異常検知処理の処理結果に基づいて、前記分類対象データを未知のクラスであると判定する未知クラス判定ステップと、
前記未知クラス判定ステップによって、前記分類対象データを前記未知のクラスであると判定された場合に、前記未知のクラスである前記分類対象データ及び前記正常データに基づいて、前記第１学習済みモデルを再学習するとともに、前記正常データに対する特徴量に基づいて、前記分類対象データを、前記正常データのクラスに分類する第２学習済みモデルを新規学習又は再学習する再学習処理ステップと
を実行させるためのプログラム。
分類対象データを分類クラスに分類するデータ分類処理ステップであって、
少なくとも１つのクラスの正常データに基づく初期学習処理により生成された前記正常データに対する特徴量の抽出及び異常検知を行う第１学習済みモデルを用いて、前記分類対象データがクラス分類するデータとして未対応のデータである未対応データ異常を検知する異常検知処理と、
前記異常検知処理の処理結果に基づいて、前記分類対象データを少なくとも前記正常データのクラスに分類する分類処理と
を実行するデータ分類処理ステップと、
前記異常検知処理の処理結果に基づいて、前記分類対象データを未知のクラスであると判定する未知クラス判定ステップと、
前記未知クラス判定ステップによって、前記分類対象データを前記未知のクラスであると判定された場合に、前記未知のクラスである前記分類対象データ及び前記正常データに基づいて、前記第１学習済みモデルを再学習するとともに、前記正常データに対する特徴量に基づいて、前記分類対象データを、前記正常データのクラスに分類する第２学習済みモデルを新規学習又は再学習する再学習処理ステップと
を実行させるためのプログラム。
【発明の詳細な説明】
【技術分野】
【0001】
本開示は、データ分類システム、データ分類方法、及びプログラムに関する。
【背景技術】
【0002】
近年、機械学習モデルを用いて、データをクラス分類するデータ分類システムが知られている（例えば、特許文献１を参照）。このようなデータ分類システムでは、クラスごとに当該クラスを識別する機械学習モデルを用意して、データの分類をおこなっている。
【先行技術文献】
【特許文献】
【0003】
【特許文献1】特許第７１０２９４１号公報
【発明の概要】
【発明が解決しようとする課題】
【0004】
しかしながら、上述した従来技術のデータ分類システムでは、クラスごとに当該クラスを識別する機械学習モデルを用意する必要があり、未知のクラスを検出した度に、新たに当該未知のクラスを識別する機械学習モデルを構築する必要があり、クラスに分類する際も、クラスごとの機械学習モデルを用いてクラスに分類する必要があった。そのため、従来技術のデータ分類システムでは、未知のクラスに対応することで、計算量が増大する問題があった。
【0005】
本開示は、上記問題を解決すべくなされたもので、その目的は、計算量の増大を抑制しつつ、未知のクラスに対応させてデータを適切に分類することができるデータ分類システム、データ分類方法、及びプログラムを提供することにある。
【課題を解決するための手段】
【0006】
上記問題を解決するために、本開示の一態様は、分類対象データを分類クラスに分類するデータ分類処理部であって、少なくとも１つのクラスの正常データに基づく初期学習処理により生成された前記正常データに対する特徴量の抽出及び異常検知を行う第１学習済みモデルを用いて、前記分類対象データがクラス分類するデータとして未対応のデータである未対応データ異常を検知する異常検知処理と、前記異常検知処理の処理結果に基づいて、前記分類対象データを少なくとも前記正常データのクラスに分類する分類処理とを実行するデータ分類処理部と、前記異常検知処理の処理結果に基づいて、前記分類対象データを未知のクラスであると判定する未知クラス判定部と、前記未知クラス判定部が前記分類対象データを前記未知のクラスであると判定した場合に、前記未知のクラスである前記分類対象データ及び前記正常データに基づいて、前記第１学習済みモデルを再学習するとともに、前記正常データに対する特徴量に基づいて、前記分類対象データを、前記正常データのクラスに分類する第２学習済みモデルを新規学習又は再学習する再学習処理部とを備えるデータ分類システムである。
【0007】
また、本開示の一態様は、データ分類処理部が、分類対象データを分類クラスに分類するデータ分類処理ステップであって、少なくとも１つのクラスの正常データに基づく初期学習処理により生成された前記正常データに対する特徴量の抽出及び異常検知を行う第１学習済みモデルを用いて、前記分類対象データがクラス分類するデータとして未対応のデータである未対応データ異常を検知する異常検知処理と、前記異常検知処理の処理結果に基づいて、前記分類対象データを少なくとも前記正常データのクラスに分類する分類処理とを実行するデータ分類処理ステップと、未知クラス判定部が、前記異常検知処理の処理結果に基づいて、前記分類対象データを未知のクラスであると判定する未知クラス判定ステップと、再学習処理部が、前記未知クラス判定ステップによって、前記分類対象データを前記未知のクラスであると判定された場合に、前記未知のクラスである前記分類対象データ及び前記正常データに基づいて、前記第１学習済みモデルを再学習するとともに、前記正常データに対する特徴量に基づいて、前記分類対象データを、前記正常データのクラスに分類する第２学習済みモデルを新規学習又は再学習する再学習処理ステップとを含むデータ分類方法である。
【0008】
また、本開示の一態様は、コンピュータに、分類対象データを分類クラスに分類するデータ分類処理ステップであって、少なくとも１つのクラスの正常データに基づく初期学習処理により生成された前記正常データに対する特徴量の抽出及び異常検知を行う第１学習済みモデルを用いて、前記分類対象データがクラス分類するデータとして未対応のデータである未対応データ異常を検知する異常検知処理と、前記異常検知処理の処理結果に基づいて、前記分類対象データを少なくとも前記正常データのクラスに分類する分類処理とを実行するデータ分類処理ステップと、前記異常検知処理の処理結果に基づいて、前記分類対象データを未知のクラスであると判定する未知クラス判定ステップと、前記未知クラス判定ステップによって、前記分類対象データを前記未知のクラスであると判定された場合に、前記未知のクラスである前記分類対象データ及び前記正常データに基づいて、前記第１学習済みモデルを再学習するとともに、前記正常データに対する特徴量に基づいて、前記分類対象データを、前記正常データのクラスに分類する第２学習済みモデルを新規学習又は再学習する再学習処理ステップとを実行させるためのプログラムである。
【発明の効果】
【0009】
本開示によれば、計算量の増大を抑制しつつ、未知のクラスに対応させてデータを適切に分類することができる。
【図面の簡単な説明】
【0010】
【図1】本実施形態によるデータ分類システムの一例を示す機能ブロック図である。
【図2】本実施形態における異常検知・特徴量抽出の処理の一例を示す図である。
【図3】本実施形態によるデータ分類システムのデータの種類による状態に対する学習済みモデルの一例を示す図である。
【図4】本実施形態によるデータ分類システムの状態（ａ）の一例を示す図である。
【図5】本実施形態によるデータ分類システムの状態（ｂ）の一例を示す図である。
【図6】本実施形態によるデータ分類システムの状態（ｃ）の一例を示す図である。
【図7】本実施形態によるデータ分類システムの状態（ｄ）の一例を示す図である。
【図8】本実施形態によるデータ分類システムの状態（ｅ）の一例を示す図である。
【図9】本実施形態によるデータ分類システムの動作の一例を示すフローチャートである。
【図10】本実施形態によるデータ分類システムの第１の再学習処理の一例を示すフローチャートである。
【図11】本実施形態によるデータ分類システムの第２の再学習処理の一例を示すフローチャートである。
【図12】本実施形態によるデータ分類システムの第３の再学習処理の一例を示すフローチャートである。
【図13】本実施形態によるデータ分類システムの各装置のハードウェア構成を説明する図である。
【図14】本実施形態によるデータ分類システムの変形例を示す機能ブロック図である。
【発明を実施するための形態】
【0011】
以下、本開示の一実施形態によるデータ分類システム、及びデータ分類システムについて、図面を参照して説明する。
【0012】
【0013】
データ分類システム１は、分類対象のデータである分類対象データを分類するシステムである。本実施形態において、分類対象データは、例えば、鉄塔及び送電線の画像データであり、データ分類システム１は、鉄塔及び送電線（架空送電線）の画像データから、分類クラスとして、正常データの分類クラス、又は異常データの分類クラスに分類する。
【0014】
データ収集記憶装置２０は、例えば、データサーバ、ファイルサーバ、等のサーバ装置であり、例えば、ヘリコプタ又はドローンにより撮像した鉄塔及び送電線の画像データである分類対象データを収集して記憶する。データ収集記憶装置２０は、データ分類装置１０と接続可能であり、分類対象データをデータ分類装置１０に送信する。
【0015】
データ分類装置１０は、例えば、データ収集記憶装置２０と接続可能なサーバ装置、パーソナルコンピュータ、等のコンピュータ装置であり、記憶部１１と、制御部１２とを備える。データ分類装置１０は、データ収集記憶装置２０から取得した分類対象データを、分類クラスに分類し、分類結果を出力する。
【0016】
記憶部１１は、例えば、ＲＡＭ、フラッシュメモリ、ＨＤＤ（Hard Disk Drive）、等の記憶装置であり、データ分類装置１０が利用する各種情報を記憶する。記憶部１１は、学習データ記憶部１１１と、モデル記憶部１１２と、分類結果記憶部１１３とを備える。
【0017】
学習データ記憶部１１１は、後述する初期学習処理、及び再学習処理に使用する学習データを記憶する。学習データは、教師あり学習に使用する学習データであり、例えば、鉄塔及び送電線の画像データである正常データ又は異常データに分類クラスをラベル付けしたデータである。
【0018】
モデル記憶部１１２は、分類対象データを分類クラスに分類するための各種学習済みモデルを記憶する。モデル記憶部１１２は、学習済みモデルとして、正常用異常検知・特徴量抽出モデルＭＡ１、正常用分類モデルＭＡ２、異常用異常検知・特徴量抽出モデルＭＢ１、及び異常用分類モデルＭＢ２を記憶する。
【0019】
正常用異常検知・特徴量抽出モデルＭＡ１（第１学習済みモデルの一例）は、少なくとも１つのクラスの正常データに基づく機械学習処理により生成された学習済みモデルであり、正常データに対する特徴量の抽出及び異常検知を行うためのモデルである。正常用異常検知・特徴量抽出モデルＭＡ１には、例えば、ＡＥ（AutoEncoder）、ＤＡＥ（Denoising AutoEncoder）、及びＳＡＥ（Stacked AutoEncoder）、等のモデルが適用可能である。
【0020】
また、正常用分類モデルＭＡ２（第２学習済みモデルの一例）は、複数の正常データのクラスのうちから、１つのクラス（分類クラス）に分類するための学習済みモデルであり、正常用異常検知・特徴量抽出モデルＭＡ１によって抽出された正常データに対する特徴量（正常データ用の特徴量）に基づいて、分類対象データを、正常データのクラスに分類するためのモデルである。正常用分類モデルＭＡ２には、例えば、ＳＶＭ（Support Vector Machine）、等のモデルが適用可能である。
【0021】
また、異常用異常検知・特徴量抽出モデルＭＢ１（第３学習済みモデルの一例）は、少なくとも１つのクラスの異常データに基づく機械学習処理により生成された学習済みモデルであり、異常データに対する特徴量の抽出及び異常検知を行うためのモデルである。異常用異常検知・特徴量抽出モデルＭＢ１には、上述した正常用異常検知・特徴量抽出モデルＭＡ１と同様に、例えば、ＡＥ、ＤＡＥ、及びＳＡＥ、等のモデルが適用可能である。
【0022】
また、異常用分類モデルＭＢ２（第４学習済みモデルの一例）は、複数の異常データのクラスのうちから、１つのクラス（分類クラス）に分類するための学習済みモデルであり、異常用異常検知・特徴量抽出モデルＭＢ１によって抽出された異常データに対する特徴量（異常データ用の特徴量）に基づいて、分類対象データを、異常データのクラスに分類するためのモデルである。異常用分類モデルＭＢ２には、上述した正常用分類モデルＭＡ２と同様に、例えば、ＳＶＭ、等のモデルが適用可能である。
【0023】
なお、モデル記憶部１１２は、初期状態において、正常用異常検知・特徴量抽出モデルＭＡ１のみを記憶する。そして、モデル記憶部１１２には、未知のクラスが検知（判定）された場合に、後述する再学習処理部１２５が再学習処理を実行して、未知のクラスの内容（未知のクラスのデータの種類）に応じて、正常用分類モデルＭＡ２、異常用異常検知・特徴量抽出モデルＭＢ１、及び異常用分類モデルＭＢ２のいずれかが追加される。
【0024】
分類結果記憶部１１３は、後述するデータ分類処理部１２２の分類処理の処理結果である分類クラス（分類対象クラスを分類したクラス）を記憶する。なお、分類クラスには、正常データのクラスと、異常データのクラスとが含まれる。
【0025】
制御部１２は、例えば、ＣＰＵ（Central Processing Unit）を含むプロセッサに、不図示の記憶部が記憶するプログラムを実行させることで実現される機能部である。制御部１２は、データ分類装置１０を統括的に制御し、分類対象データをクラスに分類するための各種処理を実行する。
【0026】
制御部１２は、初期学習処理部１２１と、データ分類処理部１２２と、未知クラス判定部１２３と、ラベル付処理部１２４と、再学習処理部１２５と、出力処理部１２６とを備える。
【0027】
初期学習処理部１２１は、予め用意した学習データに基づいて、初期学習処理を実行する。初期学習処理部１２１は、例えば、データ収集記憶装置２０から１つのクラスの正常データを取得し、学習データ記憶部１１１に記憶させる。初期学習処理部１２１は、１つのクラスの正常データを、学習データとして、機械学習処理を実行して、正常用異常検知・特徴量抽出モデルＭＡ１を生成する。初期学習処理部１２１は、生成した正常用異常検知・特徴量抽出モデルＭＡ１を、モデル記憶部１１２に記憶させる。
【0028】
データ分類処理部１２２は、分類対象データを分類クラスに分類する。データ分類処理部１２２は、例えば、データ異常検知処理と、分類処理とを実行する。データ分類処理部１２２は、データ異常検知処理において、正常用異常検知・特徴量抽出モデルＭＡ１を用いて、分類対象データがクラス分類するデータとして妥当であるか否かを判定するデータ判定におけるデータ異常を検知する。ここでのデータ異常とは、分類対象データがクラス分類するデータとして妥当でない異常なデータであり、正常用異常検知・特徴量抽出モデルＭＡ１に未対応のクラスのデータであることを示す。また、データ異常検知処理とは、分類対象データがクラス分類するデータとして異常なデータ（未対応のデータ）であることを検知する処理である。クラス分類するデータとして異常なデータ（未対応のデータ）である場合、分類対象データは、正常用異常検知・特徴量抽出モデルＭＡ１により正常に再構築できずに、再構成誤差が大きくなる。
【0029】
データ分類処理部１２２は、正常用異常検知・特徴量抽出モデルＭＡ１を用いて、正常データに対する特徴量を抽出するとともに、クラス分類するデータとして異常がある（未対応である）ことを検知するデータ異常検知を行う。なお、以下の説明において、データ異常検知処理において、分類対象データにクラス分類するデータとして異常がある（未対応である）ことを、「未対応データ異常」、又は単に「データ異常」と記載する。
【0030】
なお、データ異常検知処理（異常検知処理）には、正常データ異常検知処理（第１異常検知処理）と、異常データ異常検知処理（第２異常検知処理）とが含まれる。正常データ異常検知処理は、正常用異常検知・特徴量抽出モデルＭＡ１を用いて、分類対象データがクラス分類する正常データとして妥当でない異常なデータ（正常用異常検知・特徴量抽出モデルＭＡ１に未対応のデータ）であることを検知する処理である。また、異常データ異常検知処理は、異常検知を行う異常用異常検知・特徴量抽出モデルＭＢ１を用いて、分類対象データがクラス分類する異常データとして妥当でない異常なデータ（異常用異常検知・特徴量抽出モデルＭＢ１に未対応のデータ）であることを検知する処理である。
【0031】
データ分類処理部１２２は、正常データ異常検知処理において、正常用異常検知・特徴量抽出モデルＭＡ１を用いて、分類対象データの再構成誤差を算出し、正常データ異常検知処理における再構成誤差が第１閾値より大きい場合に、分類対象データに未対応データ異常が検知されたと判定する。ここで、図２を参照して、正常用異常検知・特徴量抽出モデルＭＡ１を用いた異常検知・特徴量抽出の処理の詳細について説明する。
【0032】
図２は、本実施形態における異常検知・特徴量抽出の処理の一例を示す図である。
図２に示すように、データ分類処理部１２２は、正常データ異常検知処理において、正常用異常検知・特徴量抽出モデルＭＡ１のエンコーダにより、分類対象データから特徴量を抽出する（処理Ｓ１１）。次に、データ分類処理部１２２は、正常用異常検知・特徴量抽出モデルＭＡ１のデコーダにより、特徴量を逆変換して、再構成データを生成する（処理Ｓ１２）。
図２に示すように、データ分類処理部１２２は、正常データ異常検知処理において、正常用異常検知・特徴量抽出モデルＭＡ１のエンコーダにより、分類対象データから特徴量を抽出する（処理Ｓ１１）。次に、データ分類処理部１２２は、正常用異常検知・特徴量抽出モデルＭＡ１のデコーダにより、特徴量を逆変換して、再構成データを生成する（処理Ｓ１２）。
【0033】
また、データ分類処理部１２２は、分類対象データと、再構成データとの誤差である再構成誤差を算出する（処理Ｓ１３）。データ分類処理部１２２は、算出した再構成誤差が、第１閾値より大きい場合に、分類対象データに未対応データ異常が検知されたと判定する。なお、第１閾値は、再構成誤差の累積分布が、予め設定されたＮ％になる値である。また、データ分類処理部１２２は、再構成誤差が第１閾値以下である場合に、分類対象データが、正常データとして正常（クラス分類に対応可能）である（未対応データ異常が検知されなかった）と判定する。
【0034】
図１の説明に戻り、データ分類処理部１２２は、異常データ異常検知処理において、異常検知を行う異常用異常検知・特徴量抽出モデルＭＢ１を用いて、分類対象データの再構成誤差を算出し、異常データ異常検知処理における再構成誤差が第２閾値より大きい場合に、分類対象データに未対応データ異常が検知されたと判定する。なお、異常用異常検知・特徴量抽出モデルＭＢ１を用いた異常検知・特徴量抽出の処理は、上述した図２に示す処理と同様である。また、第２閾値は、再構成誤差の累積分布が、予め設定されたＮ％になる値である。また、データ分類処理部１２２は、再構成誤差が第２閾値以下である場合に、分類対象データが、異常データとして正常（クラス分類に対応可能）である（未対応データ異常が検知されなかった）と判定する。
【0035】
また、データ分類処理部１２２は、分類処理として、データ異常検知処理の処理結果に基づいて、分類対象データを少なくとも正常データのクラスに分類する。データ分類処理部１２２は、分類処理において、モデル記憶部１１２に正常用分類モデルＭＡ２が存在する場合に、正常用分類モデルＭＡ２を用いて、分類対象データを、正常データのクラスに分類する。
【0036】
また、データ分類処理部１２２は、分類処理において、モデル記憶部１１２に正常用分類モデルＭＡ２が存在しない場合に、正常データ異常検知処理の処理結果により、正常である（未対応データ異常が検知されなかった）と判定された正常データのクラスに、分類対象データを分類する。
【0037】
なお、分類処理には、分類対象データを、正常データのクラスに分類する正常分類処理（第１分類処理）と、分類対象データを、異常データのクラスに分類する異常分類処理（第２分類処理）とが含まれる。
【0038】
データ分類処理部１２２は、正常用分類モデルＭＡ２が存在し、正常データ異常検知処理により未対応データ異常が検知されなかった場合に、正常分類処理として、正常用分類モデルＭＡ２を用いて、分類対象データを、正常データのクラスに分類する。データ分類処理部１２２は、正常用異常検知・特徴量抽出モデルＭＡ１を用いて抽出された特徴量と、正常用分類モデルＭＡ２を用いて、分類対象データを、正常データのクラスに分類する。
【0039】
また、データ分類処理部１２２は、正常データ異常検知処理により未対応データ異常が検知された場合に、異常分類処理として、異常データ異常検知処理の処理結果に基づいて、分類対象データを異常データのクラスに分類する。
【0040】
データ分類処理部１２２は、異常分類処理において、モデル記憶部１１２に異常用分類モデルＭＢ２が存在し、異常データ異常検知処理により未対応データ異常が検知されなかった場合に、異常用分類モデルＭＢ２を用いて、分類対象データを、異常データのクラスに分類する。データ分類処理部１２２は、異常用異常検知・特徴量抽出モデルＭＢ１を用いて抽出された特徴量と、異常用分類モデルＭＢ２を用いて、分類対象データを、異常データのクラスに分類する。
【0041】
また、データ分類処理部１２２は、異常分類処理において、モデル記憶部１１２に異常用分類モデルＭＢ２が存在しない場合に、異常データ異常検知処理の処理結果により、正常である（未対応データ異常が検知されなかった）と判定された異常データのクラスに、分類対象データを分類する。
【0042】
なお、データ分類処理部１２２は、上述した分類処理により分類された分類クラスを、分類結果記憶部１１３に記憶させる。
また、データ分類処理部１２２は、正常検知処理部ＦＡ１と、正常分類処理部ＦＡ２と、異常検知処理部ＦＢ１と、異常分類処理部ＦＢ２とを備える。
また、データ分類処理部１２２は、正常検知処理部ＦＡ１と、正常分類処理部ＦＡ２と、異常検知処理部ＦＢ１と、異常分類処理部ＦＢ２とを備える。
【0043】
正常検知処理部ＦＡ１は、上述した正常データ異常検知処理を実行する。また、正常分類処理部ＦＡ２は、上述した正常分類処理を実行する。
また、異常検知処理部ＦＢ１は、上述した異常データ異常検知処理を実行する。また、異常分類処理部ＦＢ２は、上述した異常分類処理を実行する。
また、異常検知処理部ＦＢ１は、上述した異常データ異常検知処理を実行する。また、異常分類処理部ＦＢ２は、上述した異常分類処理を実行する。
【0044】
未知クラス判定部１２３は、データ異常検知処理の処理結果に基づいて、分類対象データを未知のクラスであると判定する。未知クラス判定部１２３は、例えば、正常データ異常検知処理において、分類対象データに未対応データ異常が検知され、且つ、異常データの異常検知を行う異常用異常検知・特徴量抽出モデルＭＢ１がモデル記憶部１１２に存在しない場合に、当該分類対象データを未知のクラスであると判定する。
【0045】
また、未知クラス判定部１２３は、正常データ異常検知処理及び異常データ異常検知処理の両方において、分類対象データに未対応データ異常が検知され場合に、当該分類対象データを未知のクラスであると判定する。すなわち、未知クラス判定部１２３は、正常データ異常検知処理の再構成誤差が第１閾値より大きく、且つ、異常データ異常検知処理の再構成誤差が第２閾値より大きい場合に、当該分類対象データを未知のクラスであると判定する。
【0046】
また、未知クラス判定部１２３は、正常データ異常検知処理において、分類対象データに未対応データ異常が検知され、且つ、異常分類処理において分類された異常データのクラスが、クラス判定閾値以下（第３閾値以下）である場合に、当該分類対象データを未知のクラスであると判定する。ここで、クラス判定閾値（第３閾値）は、異常分類処理において出力されるクラスの確率の累積分布が、予め設定されたＮ％になる値である。
【0047】
ラベル付処理部１２４は、未知のクラスの分類対象データを、新規学習又は再学習に使用するためのラベル付けを自動で実行する。なお、未知のクラスの分類対象データに対するラベル付けは、利用者によって実行されてもよい。ラベル付処理部１２４は、ラベル付けされた未知のクラスの分類対象データを、学習データ記憶部１１１に記憶させる。
【0048】
再学習処理部１２５は、未知クラス判定部１２３が分類対象データを未知のクラスであると判定した場合に、正常用異常検知・特徴量抽出モデルＭＡ１及び正常用分類モデルＭＡ２と、異常用異常検知・特徴量抽出モデルＭＢ１及び異常用分類モデルＭＢ２とのいづれかの組を、再学習又は新規学習する。
【0049】
再学習処理部１２５は、例えば、未知のクラスである分類対象データが、未知の正常データであり、モデル記憶部１１２に、正常用分類モデルＭＡ２が存在しない場合に、分類対象データを含む正常データにより、正常用異常検知・特徴量抽出モデルＭＡ１を複数のクラスに対応したモデルに再学習する。再学習処理部１２５は、再学習した正常用異常検知・特徴量抽出モデルＭＡ１を、モデル記憶部１１２に記憶させる。
【0050】
また、この場合、再学習処理部１２５は、学習データから正常用異常検知・特徴量抽出モデルＭＡ１を用いて抽出した特徴量により、新規学習して、正常用分類モデルＭＡ２を生成する。再学習処理部１２５は、新規学習により生成した正常用分類モデルＭＡ２を、モデル記憶部１１２に記憶させる。
【0051】
また、再学習処理部１２５は、例えば、未知のクラスである分類対象データが、未知の異常データであり、モデル記憶部１１２に、異常用異常検知・特徴量抽出モデルＭＢ１が存在しない場合に、分類対象データを含む異常データにより新規学習して、異常用異常検知・特徴量抽出モデルＭＢ１を１つのクラスに対応したモデルとして生成する。再学習処理部１２５は、再学習した異常用異常検知・特徴量抽出モデルＭＢ１を、モデル記憶部１１２に記憶させる。
【0052】
また、再学習処理部１２５は、例えば、未知のクラスである分類対象データが、未知の異常データであり、モデル記憶部１１２に、異常用異常検知・特徴量抽出モデルＭＢ１が存在し、異常用分類モデルＭＢ２が存在しない場合に、学習データから異常用異常検知・特徴量抽出モデルＭＢ１を用いて抽出した特徴量により、新規学習して、異常用分類モデルＭＢ２を生成する。再学習処理部１２５は、新規学習により生成した異常用分類モデルＭＢ２を、モデル記憶部１１２に記憶させる。
【0053】
また、再学習処理部１２５は、例えば、未知のクラスである分類対象データが、未知の正常データであり、モデル記憶部１１２に、正常用分類モデルＭＡ２が存在する場合に、分類対象データを含む正常データにより、正常用異常検知・特徴量抽出モデルＭＡ１を複数のクラスに対応したモデルに再学習する。再学習処理部１２５は、再学習した正常用異常検知・特徴量抽出モデルＭＡ１を、モデル記憶部１１２に記憶させる。
【0054】
また、この場合、再学習処理部１２５は、学習データから正常用異常検知・特徴量抽出モデルＭＡ１を用いて抽出した特徴量により、正常用分類モデルＭＡ２を再学習する。再学習処理部１２５は、再学習した正常用分類モデルＭＡ２を、モデル記憶部１１２に記憶させる。
【0055】
また、再学習処理部１２５は、例えば、未知のクラスである分類対象データが、未知の異常データであり、モデル記憶部１１２に、異常用分類モデルＭＢ２が存在する場合に、分類対象データを含む異常データにより、異常用異常検知・特徴量抽出モデルＭＢ１を複数のクラスに対応したモデルとして再学習する。再学習処理部１２５は、再学習した異常用異常検知・特徴量抽出モデルＭＢ１を、モデル記憶部１１２に記憶させる。
【0056】
また、この場合、再学習処理部１２５は、学習データから異常用異常検知・特徴量抽出モデルＭＢ１を用いて抽出した特徴量により、異常用分類モデルＭＢ２を再学習する。再学習処理部１２５は、再学習した正常用分類モデルＭＡ２を、モデル記憶部１１２に記憶させる。
【0057】
このように、再学習処理部１２５は、未知のクラスである分類対象データが、正常データに分類され、且つ、正常用分類モデルＭＡ２が存在しない場合に、正常用分類モデルＭＡ２を新規学習する。また、再学習処理部１２５は、未知のクラスである分類対象データが、正常データに分類され、且つ、正常用分類モデルＭＡ２が存在する場合に、正常用分類モデルＭＡ２を再学習する。また、未知のクラスである分類対象データが、異常データに分類される場合に、少なくとも１つのクラスの異常データに基づいて、異常データに対する特徴量の抽出及び異常検知を行う異常用異常検知・特徴量抽出モデルＭＢ１（第３学習済みモデル）を新規学習する。
【0058】
また、再学習処理部１２５は、未知のクラスである分類対象データが、異常データに分類され、且つ、異常用分類モデルＭＢ２が存在しない場合に、異常用分類モデルＭＢ２を新規学習する。また、再学習処理部１２５は、未知のクラスである分類対象データが、異常データに分類され、且つ、異常用分類モデルＭＢ２が存在する場合に、異常用分類モデルＭＢ２を再学習する。
【0059】
出力処理部１２６は、データ分類処理部１２２が分類した分類結果を、例えば、ネットワークを経由した外部装置（例えば、利用者端末、等）、表示装置、又はプリンタ、等に出力する。出力処理部１２６は、分類結果記憶部１１３が記憶する分類結果を出力する。
【0060】
なお、本実施形態によるデータ分類装置１０は、分類に対応するクラスに応じて、モデル記憶部１１２が記憶する学習済みモデルが異なり、未知のクラスの検知によって、学習済みモデルの新規学習、又は再学習を実行して、分類に対応するクラスが変更される。そのため、データ分類装置１０は、分類に対応するクラス（データの種類）に応じて、状態が変化する。ここでは、図３～図８を参照して、データ分類装置１０の状態の変化について説明する。
【0061】
図３は、本実施形態によるデータ分類システム１のデータの種類による状態に対する学習済みモデルの一例を示す図である。
図３に示す状態（ａ）において、データの種類は、正常クラス１つであり、この場合、モデル記憶部１１２は、正常用異常検知・特徴量抽出モデルＭＡ１を記憶し、正常用分類モデルＭＡ２、異常用異常検知・特徴量抽出モデルＭＢ１、及び異常用分類モデルＭＢ２は、存在しない（図４参照）。
図３に示す状態（ａ）において、データの種類は、正常クラス１つであり、この場合、モデル記憶部１１２は、正常用異常検知・特徴量抽出モデルＭＡ１を記憶し、正常用分類モデルＭＡ２、異常用異常検知・特徴量抽出モデルＭＢ１、及び異常用分類モデルＭＢ２は、存在しない（図４参照）。
【0062】
図４は、本実施形態によるデータ分類システム１の状態（ａ）の一例を示す図である。
図３及び図４に示す状態（ａ）において、データ分類処理部１２２は、正常用異常検知・特徴量抽出モデルＭＡ１を用いた正常データ異常検知処理を実行し、未対応データ異常が検知されなかった場合に、分類対象データを、正常用異常検知・特徴量抽出モデルＭＡ１に対応した１つのクラスに分類する。
図３及び図４に示す状態（ａ）において、データ分類処理部１２２は、正常用異常検知・特徴量抽出モデルＭＡ１を用いた正常データ異常検知処理を実行し、未対応データ異常が検知されなかった場合に、分類対象データを、正常用異常検知・特徴量抽出モデルＭＡ１に対応した１つのクラスに分類する。
【0063】
また、状態（ａ）において、未知クラス判定部１２３は、正常データ異常検知処理で未対応データ異常が検知された場合に、当該分類対象データを未知のクラスであると判定する。
また、状態（ａ）において、再学習処理部１２５は、未知のクラスである分類対象データが正常データである場合に、未知のクラスである分類対象データを用いて、正常用異常検知・特徴量抽出モデルＭＡ１を再学習するとともに、正常用分類モデルＭＡ２を新規学習して生成する。この場合、データ分類装置１０の状態は、状態（ａ）から状態（ｂ）に変更される。
また、状態（ａ）において、再学習処理部１２５は、未知のクラスである分類対象データが正常データである場合に、未知のクラスである分類対象データを用いて、正常用異常検知・特徴量抽出モデルＭＡ１を再学習するとともに、正常用分類モデルＭＡ２を新規学習して生成する。この場合、データ分類装置１０の状態は、状態（ａ）から状態（ｂ）に変更される。
【0064】
また、状態（ａ）において、再学習処理部１２５は、未知のクラスである分類対象データが異常データである場合に、未知のクラスである分類対象データを用いて、異常用異常検知・特徴量抽出モデルＭＢ１を新規学習して生成する。この場合、データ分類装置１０の状態は、状態（ａ）から状態（ｃ）に変更される。
【0065】
また、図３に示す状態（ｂ）において、データの種類は、正常クラス２つ以上であり、この場合、モデル記憶部１１２は、正常用異常検知・特徴量抽出モデルＭＡ１と、正常用分類モデルＭＡ２とを記憶し、異常用異常検知・特徴量抽出モデルＭＢ１、及び異常用分類モデルＭＢ２は、存在しない（図５参照）。
【0066】
図５は、本実施形態によるデータ分類システム１の状態（ｂ）の一例を示す図である。
図３及び図５に示す状態（ｂ）において、データ分類処理部１２２は、正常用異常検知・特徴量抽出モデルＭＡ１を用いた正常データ異常検知処理を実行し、未対応データ異常が検知されなかった場合に、正常データ異常検知処理により抽出した特徴量と、正常用分類モデルＭＡ２を用いて、分類対象データを正常データのクラスに分類する。
図３及び図５に示す状態（ｂ）において、データ分類処理部１２２は、正常用異常検知・特徴量抽出モデルＭＡ１を用いた正常データ異常検知処理を実行し、未対応データ異常が検知されなかった場合に、正常データ異常検知処理により抽出した特徴量と、正常用分類モデルＭＡ２を用いて、分類対象データを正常データのクラスに分類する。
【0067】
また、状態（ｂ）において、未知クラス判定部１２３は、正常データ異常検知処理で未対応データ異常が検知された場合に、当該分類対象データを未知のクラスであると判定する。
また、状態（ｂ）において、再学習処理部１２５は、未知のクラスである分類対象データが正常データである場合に、未知のクラスである分類対象データを用いて、正常用異常検知・特徴量抽出モデルＭＡ１及び正常用分類モデルＭＡ２を再学習するこの場合、データ分類装置１０の状態は、状態（ｂ）が維持される。
また、状態（ｂ）において、再学習処理部１２５は、未知のクラスである分類対象データが正常データである場合に、未知のクラスである分類対象データを用いて、正常用異常検知・特徴量抽出モデルＭＡ１及び正常用分類モデルＭＡ２を再学習するこの場合、データ分類装置１０の状態は、状態（ｂ）が維持される。
【0068】
また、状態（ｂ）において、再学習処理部１２５は、未知のクラスである分類対象データが異常データである場合に、未知のクラスである分類対象データを用いて、異常用異常検知・特徴量抽出モデルＭＢ１を新規学習して生成する。この場合、データ分類装置１０の状態は、状態（ｂ）から状態（ｄ）に変更される。
【0069】
また、図３に示す状態（ｃ）において、データの種類は、正常クラス１つ、異常データ１つであり、この場合、モデル記憶部１１２は、正常用異常検知・特徴量抽出モデルＭＡ１と、異常用異常検知・特徴量抽出モデルＭＢ１とを記憶し、正常用分類モデルＭＡ２、及び異常用分類モデルＭＢ２は、存在しない（図６参照）。
【0070】
図６は、本実施形態によるデータ分類システム１の状態（ｃ）の一例を示す図である。
図３及び図６に示す状態（ｃ）において、データ分類処理部１２２は、正常用異常検知・特徴量抽出モデルＭＡ１を用いた正常データ異常検知処理を実行し、未対応データ異常が検知されなかった場合に、分類対象データを、正常用異常検知・特徴量抽出モデルＭＡ１に対応した１つのクラスに分類する。
図３及び図６に示す状態（ｃ）において、データ分類処理部１２２は、正常用異常検知・特徴量抽出モデルＭＡ１を用いた正常データ異常検知処理を実行し、未対応データ異常が検知されなかった場合に、分類対象データを、正常用異常検知・特徴量抽出モデルＭＡ１に対応した１つのクラスに分類する。
【0071】
データ分類処理部１２２は、正常データ異常検知処理を実行し、未対応データ異常が検知されたかった場合に、異常用異常検知・特徴量抽出モデルＭＢ１を用いた異常データ異常検知処理を実行する。この場合、データ分類処理部１２２は、異常データ異常検知処理において、未対応データ異常が検知されなかった場合に、分類対象データを、異常用異常検知・特徴量抽出モデルＭＢ１に対応した１つのクラスに分類する。
【0072】
また、状態（ｃ）において、未知クラス判定部１２３は、正常データ異常検知処理で未対応データ異常が検知され、且つ、異常データ異常検知処理で未対応データ異常が検知された場合に、当該分類対象データを未知のクラスであると判定する。
また、状態（ｃ）において、再学習処理部１２５は、未知のクラスである分類対象データが正常データである場合に、未知のクラスである分類対象データを用いて、正常用異常検知・特徴量抽出モデルＭＡ１を再学習するとともに、正常用分類モデルＭＡ２を新規学習して生成する。この場合、データ分類装置１０の状態は、状態（ｃ）から状態（ｄ）に変更される。
また、状態（ｃ）において、再学習処理部１２５は、未知のクラスである分類対象データが正常データである場合に、未知のクラスである分類対象データを用いて、正常用異常検知・特徴量抽出モデルＭＡ１を再学習するとともに、正常用分類モデルＭＡ２を新規学習して生成する。この場合、データ分類装置１０の状態は、状態（ｃ）から状態（ｄ）に変更される。
【0073】
また、図３に示す状態（ｄ）において、データの種類は、正常クラス２つ以上、異常データ１つであり、この場合、モデル記憶部１１２は、正常用異常検知・特徴量抽出モデルＭＡ１と、正常用分類モデルＭＡ２と、異常用異常検知・特徴量抽出モデルＭＢ１とを記憶し、異常用分類モデルＭＢ２は、存在しない（図７参照）。
【0074】
図７は、本実施形態によるデータ分類システム１の状態（ｄ）の一例を示す図である。
図３及び図７に示す状態（ｄ）において、データ分類処理部１２２は、正常用異常検知・特徴量抽出モデルＭＡ１を用いた正常データ異常検知処理を実行し、未対応データ異常が検知されなかった場合に、正常データ異常検知処理により抽出した特徴量と、正常用分類モデルＭＡ２を用いて、分類対象データを正常データのクラスに分類する。
図３及び図７に示す状態（ｄ）において、データ分類処理部１２２は、正常用異常検知・特徴量抽出モデルＭＡ１を用いた正常データ異常検知処理を実行し、未対応データ異常が検知されなかった場合に、正常データ異常検知処理により抽出した特徴量と、正常用分類モデルＭＡ２を用いて、分類対象データを正常データのクラスに分類する。
【0075】
また、状態（ｄ）において、データ分類処理部１２２は、正常データ異常検知処理を実行し、未対応データ異常が検知された場合に、異常用異常検知・特徴量抽出モデルＭＢ１を用いた異常データ異常検知処理を実行する。この場合、データ分類処理部１２２は、異常データ異常検知処理において、未対応データ異常が検知されなかった場合に、分類対象データを、異常用異常検知・特徴量抽出モデルＭＢ１に対応した１つのクラスに分類する。
【0076】
また、状態（ｄ）において、未知クラス判定部１２３は、正常データ異常検知処理で未対応データ異常が検知され、且つ、異常データ異常検知処理で未対応データ異常が検知された場合に、当該分類対象データを未知のクラスであると判定する。
【0077】
また、状態（ｄ）において、再学習処理部１２５は、未知のクラスである分類対象データが正常データである場合に、未知のクラスである分類対象データを用いて、正常用異常検知・特徴量抽出モデルＭＡ１を再学習するとともに、正常用分類モデルＭＡ２を新規学習して生成する。この場合、データ分類装置１０の状態は、状態（ｄ）が維持される。
【0078】
また、状態（ｄ）において、再学習処理部１２５は、未知のクラスである分類対象データが異常データである場合に、未知のクラスである分類対象データを用いて、異常用異常検知・特徴量抽出モデルＭＢ１を再学習するとともに、異常用分類モデルＭＢ２を新規学習して生成する。この場合、データ分類装置１０の状態は、状態（ｄ）から状態（ｅ）に変更される。
【0079】
また、図３に示す状態（ｅ）において、データの種類は、正常クラス２つ以上、異常データ２つ以上であり、この場合、モデル記憶部１１２は、正常用異常検知・特徴量抽出モデルＭＡ１と、正常用分類モデルＭＡ２と、異常用異常検知・特徴量抽出モデルＭＢ１と、異常用分類モデルＭＢ２とを記憶する（図８参照）。
【0080】
図８は、本実施形態によるデータ分類システム１の状態（ｅ）の一例を示す図である。
図３及び図８に示す状態（ｅ）において、データ分類処理部１２２は、正常用異常検知・特徴量抽出モデルＭＡ１を用いた正常データ異常検知処理を実行し、未対応データ異常が検知されなかった場合に、正常データ異常検知処理により抽出した特徴量と、正常用分類モデルＭＡ２を用いて、分類対象データを正常データのクラスに分類する。
図３及び図８に示す状態（ｅ）において、データ分類処理部１２２は、正常用異常検知・特徴量抽出モデルＭＡ１を用いた正常データ異常検知処理を実行し、未対応データ異常が検知されなかった場合に、正常データ異常検知処理により抽出した特徴量と、正常用分類モデルＭＡ２を用いて、分類対象データを正常データのクラスに分類する。
【0081】
また、状態（ｅ）において、データ分類処理部１２２は、正常データ異常検知処理において未対応データ異常が検知された場合に、異常用異常検知・特徴量抽出モデルＭＢ１を用いた異常データ異常検知処理を実行する。さらに、データ分類処理部１２２は、異常データ異常検知処理により抽出した特徴量と、異常用分類モデルＭＢ２を用いて、分類対象データを異常データのクラスに分類する。
【0082】
また、状態（ｅ）において、未知クラス判定部１２３は、正常データ異常検知処理で未対応データ異常が検知され、且つ、異常用分類モデルＭＢ２を用いた異常分類処理において分類された異常データのクラスが、クラス判定閾値以下である場合に、当該分類対象データを未知のクラスであると判定する。
【0083】
また、状態（ｅ）において、再学習処理部１２５は、未知のクラスである分類対象データが正常データである場合に、未知のクラスである分類対象データを用いて、正常用異常検知・特徴量抽出モデルＭＡ１及び正常用分類モデルＭＡ２を再学習する。この場合、データ分類装置１０の状態は、状態（ｅ）が維持される。
【0084】
また、状態（ｅ）において、再学習処理部１２５は、未知のクラスである分類対象データが異常データである場合に、未知のクラスである分類対象データを用いて、異常用異常検知・特徴量抽出モデルＭＢ１及び異常用分類モデルＭＢ２を再学習する。この場合、データ分類装置１０の状態は、状態（ｅ）が維持される。
【0085】
次に、図面を参照して、本実施形態によるデータ分類システム１の動作について説明する。
図９は、本実施形態によるデータ分類システム１の動作の一例を示すフローチャートである。
図９は、本実施形態によるデータ分類システム１の動作の一例を示すフローチャートである。
【0086】
図９に示すように、データ分類システム１のデータ分類装置１０は、まず、分類対象データを取得する（ステップＳ１０１）。データ分類装置１０のデータ分類処理部１２２は、データ収集記憶装置２０から分類対象データを取得する。
【0087】
次に、データ分類処理部１２２は、分類対象データに正常用異常検知・特徴量抽出モデルＭＡ１による異常検知処理（正常データ異常検知処理）を行う（ステップＳ１０２）。データ分類処理部１２２の正常検知処理部ＦＡ１は、モデル記憶部１１２が記憶する正常用異常検知・特徴量抽出モデルＭＡ１を用いて、正常データ異常検知処理を実行する。
【0088】
次に、データ分類処理部１２２は、正常用の再構成誤差が閾値以下（第１閾値以下）であるか否かを判定する（ステップＳ１０３）。データ分類処理部１２２は、正常用の再構成誤差が閾値以下（第１閾値以下）である場合（ステップＳ１０３：ＹＥＳ）に、処理をステップＳ１０４に進める。また、データ分類処理部１２２は、正常用の再構成誤差が閾値より大きい（第１閾値より大きい）場合（ステップＳ１０３：ＮＯ）に、処理をステップＳ１０８に進める。
【0089】
ステップＳ１０４において、データ分類処理部１２２は、正常用分類モデルＭＡ２が存在するか否かを判定する。データ分類処理部１２２は、モデル記憶部１１２が正常用分類モデルＭＡ２を記憶しているか否かを判定する。データ分類処理部１２２は、正常用分類モデルＭＡ２が存在する場合（ステップＳ１０４：ＹＥＳ）に、処理をステップＳ１０５に進める。また、データ分類処理部１２２は、正常用分類モデルＭＡ２が存在しない場合（ステップＳ１０４：ＮＯ）に、処理をステップＳ１０７に進める。
【0090】
ステップＳ１０５において、データ分類処理部１２２は、特徴量と正常用分類モデル
ＭＡ２とにより分類処理を行う。データ分類処理部１２２の正常分類処理部ＦＡ２は、正常用異常検知・特徴量抽出モデルＭＡ１を用いて抽出した特徴量と、モデル記憶部１１２が記憶する正常用分類モデルＭＡ２とにより、正常分類処理を実行する。正常分類処理部ＦＡ２は、分類結果である分類クラス（正常データのクラス）を分類結果記憶部１１３に記憶させる。
ＭＡ２とにより分類処理を行う。データ分類処理部１２２の正常分類処理部ＦＡ２は、正常用異常検知・特徴量抽出モデルＭＡ１を用いて抽出した特徴量と、モデル記憶部１１２が記憶する正常用分類モデルＭＡ２とにより、正常分類処理を実行する。正常分類処理部ＦＡ２は、分類結果である分類クラス（正常データのクラス）を分類結果記憶部１１３に記憶させる。
【0091】
次に、出力処理部１２６は、分類された分類クラスを出力する（ステップＳ１０６）。出力処理部１２６は、分類結果記憶部１１３が記憶する分類クラスを、例えば、利用者端末、表示装置、又はプリンタ、等に出力する。ステップＳ１０６の処理後に、制御部１２は、処理を終了する。
【0092】
また、ステップＳ１０７において、出力処理部１２６は、初期学習データの正常クラスを分類クラスとして出力する。データ分類処理部１２２は、初期学習データの正常クラスを分類クラスに分類し、分類結果記憶部１１３に記憶させる。出力処理部１２６は、分類結果記憶部１１３が記憶する分類クラスを、例えば、利用者端末、表示装置、又はプリンタ、等に出力する。ステップＳ１０７の処理後に、制御部１２は、処理を終了する。
【0093】
また、ステップＳ１０８において、データ分類処理部１２２は、異常用異常検知・特徴量抽出モデルＭＢ１が存在するか否かを判定する。データ分類処理部１２２は、モデル記憶部１１２が異常用異常検知・特徴量抽出モデルＭＢ１を記憶しているか否かを判定する。データ分類処理部１２２は、異常用異常検知・特徴量抽出モデルＭＢ１が存在する場合（ステップＳ１０８：ＹＥＳ）に、処理をステップＳ１０９に進める。また、データ分類処理部１２２は、異常用異常検知・特徴量抽出モデルＭＢ１が存在しない場合（ステップＳ１０８：ＮＯ）に、処理をステップＳ１１６に進める。
【0094】
ステップＳ１０９において、データ分類処理部１２２は、対象データに異常用異常検知・特徴量抽出モデルＭＢ１による異常検知処理（異常データ異常検知処理）を行う。データ分類処理部１２２の異常検知処理部ＦＢ１は、モデル記憶部１１２が記憶する異常用異常検知・特徴量抽出モデルＭＢ１を用いて、異常データ異常検知処理を実行する。
【0095】
次に、データ分類処理部１２２は、異常用分類モデルＭＢ２が存在するか否かを判定する（ステップＳ１１０）。データ分類処理部１２２は、モデル記憶部１１２が異常用分類モデルＭＢ２を記憶しているか否かを判定する。データ分類処理部１２２は、異常用分類モデルＭＢ２が存在する場合（ステップＳ１１０：ＹＥＳ）に、処理をステップＳ１１３に進める。また、データ分類処理部１２２は、異常用分類モデルＭＢ２が存在しない場合（ステップＳ１１０：ＮＯ）に、処理をステップＳ１１１に進める。
【0096】
ステップＳ１１１において、データ分類処理部１２２は、異常用の再構成誤差が閾値以下（第２閾値以下）であるか否かを判定する。データ分類処理部１２２は、異常用の再構成誤差が閾値以下（第２閾値以下）である場合（ステップＳ１１１：ＹＥＳ）に、処理をステップＳ１１２に進める。また、データ分類処理部１２２は、異常用の再構成誤差が閾値より大きい（第２閾値より大きい）場合（ステップＳ１１１：ＮＯ）に、未知のクラスと判定し、処理をステップＳ１１８に進める。
【0097】
ステップＳ１１２において、出力処理部１２６は、初期学習データの異常クラスを分類クラスとして出力する。データ分類処理部１２２は、初期学習データの正常クラスを分類クラスに分類し、分類結果記憶部１１３に記憶させる。出力処理部１２６は、分類結果記憶部１１３が記憶する分類クラスを、例えば、利用者端末、表示装置、又はプリンタ、等に出力する。ステップＳ１１２の処理後に、制御部１２は、処理を終了する。
【0098】
また、ステップＳ１１３において、データ分類処理部１２２は、特徴量と異常用分類モデルとにより分類処理を行う。データ分類処理部１２２の異常分類処理部ＦＢ２は、異常用異常検知・特徴量抽出モデルＭＢ１を用いて抽出した特徴量と、モデル記憶部１１２が記憶する異常用分類モデルＭＢ２とにより、異常分類処理を実行する。異常分類処理部ＦＢ２は、分類結果である分類クラス（異常データのクラス）を分類結果記憶部１１３に記憶させる。
【0099】
次に、データ分類処理部１２２は、分類クラスが判定閾値以下（クラス判定閾値以下）であるか否かを判定する（ステップＳ１１４）。データ分類処理部１２２は、分類クラスが判定閾値以下（クラス判定閾値以下）である場合（ステップＳ１１４：ＹＥＳ）に、処理をステップＳ１１７に進める。また、データ分類処理部１２２は、分類クラスが判定閾値より大きい（クラス判定閾値より大きい）である場合（ステップＳ１１４：ＮＯ）に、処理をステップＳ１１５に進める。
【0100】
ステップＳ１１５において、出力処理部１２６は、分類されたクラスを出力する。データ分類処理部１２２は、分類されたクラスである異常データのクラスを分類クラスとして、分類結果記憶部１１３に記憶させる。出力処理部１２６は、分類結果記憶部１１３が記憶する分類クラスを、例えば、利用者端末、表示装置、又はプリンタ、等に出力する。ステップＳ１１５の処理後に、制御部１２は、処理を終了する。
【0101】
また、ステップＳ１１６において、未知クラス判定部１２３は、未知クラスと判定し、再学習処理ＳＬ１を行う。未知クラス判定部１２３は、図１０を参照して後述する再学習処理ＳＬ１を、再学習処理部１２５に実行させる。再学習処理ＳＬ１の処理終了後に、制御部１２は、処理を終了する。
【0102】
また、ステップＳ１１７において、未知クラス判定部１２３は、未知クラスと判定し、再学習処理ＳＬ３を行う。未知クラス判定部１２３は、図１２を参照して後述する再学習処理ＳＬ３を、再学習処理部１２５に実行させる。再学習処理ＳＬ３の処理終了後に、制御部１２は、処理を終了する。
【0103】
また、ステップＳ１１８において、未知クラス判定部１２３は、未知クラスと判定し、再学習処理ＳＬ２を行う。未知クラス判定部１２３は、図１１を参照して後述する再学習処理ＳＬ２を、再学習処理部１２５に実行させる。再学習処理ＳＬ２の処理終了後に、制御部１２は、処理を終了する。
【0104】
次に、図１０を参照して、再学習処理ＳＬ１（第１の再学習処理）の処理の詳細について説明する。
図１０は、本実施形態によるデータ分類システム１の第１の再学習処理の一例を示すフローチャートである。ここで、第１の再学習処理は、上述した図９に示すステップＳ１１６の再学習処理ＳＬ１である。
図１０は、本実施形態によるデータ分類システム１の第１の再学習処理の一例を示すフローチャートである。ここで、第１の再学習処理は、上述した図９に示すステップＳ１１６の再学習処理ＳＬ１である。
【0105】
図１０に示すように、再学習処理ＳＬ１（第１の再学習処理）において、まず、再学習処理部１２５は、未知のクラスである分類対象データが、未知の正常データであるか否かを判定する（ステップＳ２０１）。なお、未知の正常データであるか否かの判定は、利用者によって行われてもよいし、ラベル付処理部１２４によって実行されてもよい。再学習処理部１２５は、未知のクラスである分類対象データが、未知の正常データである場合（ステップＳ２０１：ＹＥＳ）に、処理をステップＳ２０２に進める。また、再学習処理部１２５は、未知のクラスである分類対象データが、未知の正常データでなし（未知の異常データである）場合（ステップＳ２０１：ＮＯ）に、処理をステップＳ２０６に進める。
【0106】
ステップＳ２０２において、再学習処理部１２５は、正常用異常検知・特徴量抽出モデルＭＡ１を再学習する。再学習処理部１２５は、再学習した正常用異常検知・特徴量抽出モデルＭＡ１をモデル記憶部１１２に記憶させる。
【0107】
次に、再学習処理部１２５は、正常用分類モデルＭＡ２が存在するか否かを判定する（ステップＳ２０３）。再学習処理部１２５は、モデル記憶部１１２に正常用分類モデルＭＡ２が記憶されているか否かを判定する。再学習処理部１２５は、正常用分類モデルＭＡ２が存在する場合（ステップＳ２０３：ＹＥＳ）に、処理をステップＳ２０４に進める。また、再学習処理部１２５は、正常用分類モデルＭＡ２が存在しない場合（ステップＳ２０３：ＮＯ）に、処理をステップＳ２０５に進める。
【0108】
ステップＳ２０４において、再学習処理部１２５は、正常用分類モデルＭＡ２を再学習する。再学習処理部１２５は、再学習した正常用分類モデルＭＡ２を、モデル記憶部１１２に記憶させる。ステップＳ２０４の処理後に、再学習処理部１２５は、再学習処理ＳＬ１の処理を終了する。
【0109】
また、ステップＳ２０５において、再学習処理部１２５は、正常用分類モデルＭＡ２を学習して新規生成する。再学習処理部１２５は、新規生成した正常用分類モデルＭＡ２を、モデル記憶部１１２に記憶させる。ステップＳ２０５の処理後に、再学習処理部１２５は、再学習処理ＳＬ１の処理を終了する。
【0110】
また、ステップＳ２０６において、再学習処理部１２５は、異常用異常検知・特徴量抽出モデルＭＢ１を学習して新規生成する。再学習処理部１２５は、新規生成した異常用異常検知・特徴量抽出モデルＭＢ１を、モデル記憶部１１２に記憶させる。ステップＳ２０６の処理後に、再学習処理部１２５は、再学習処理ＳＬ１の処理を終了する。
【0111】
次に、図１１を参照して、再学習処理ＳＬ２（第２の再学習処理）の処理の詳細について説明する。
図１１は、本実施形態によるデータ分類システム１の第２の再学習処理の一例を示すフローチャートである。ここで、第２の再学習処理は、上述した図９に示すステップＳ１１８の再学習処理ＳＬ２である。
図１１は、本実施形態によるデータ分類システム１の第２の再学習処理の一例を示すフローチャートである。ここで、第２の再学習処理は、上述した図９に示すステップＳ１１８の再学習処理ＳＬ２である。
【0112】
図１１に示すように、再学習処理ＳＬ２（第２の再学習処理）において、まず、再学習処理部１２５は、未知のクラスである分類対象データを自動分類するか否かを判定する（ステップＳ３０１）。再学習処理部１２５は、未知のクラスである分類対象データを自動分類する場合（ステップＳ３０１：ＹＥＳ）に、ラベル付処理部１２４に、自動でラベル付けを行って分類し、処理をステップＳ３０７に進める。また、再学習処理部１２５は、未知のクラスである分類対象データを自動分類しない場合（ステップＳ３０１：ＮＯ）に、処理をステップＳ３０２に進める。
【0113】
ステップＳ３０２において、再学習処理部１２５は、未知のクラスである分類対象データが、未知の正常データであるか否かを判定する。再学習処理部１２５は、未知のクラスである分類対象データが、未知の正常データである場合（ステップＳ３０２：ＹＥＳ）に、処理をステップＳ３０３に進める。また、再学習処理部１２５は、未知のクラスである分類対象データが、未知の正常データでなし（未知の異常データである）場合（ステップＳ３０２：ＮＯ）に、処理をステップＳ３０７に進める。
【0114】
ステップＳ３０３において、再学習処理部１２５は、正常用異常検知・特徴量抽出モデルＭＡ１を再学習する。再学習処理部１２５は、再学習した正常用異常検知・特徴量抽出モデルＭＡ１をモデル記憶部１１２に記憶させる。
【0115】
次に、再学習処理部１２５は、正常用分類モデルＭＡ２が存在するか否かを判定する（ステップＳ３０４）。再学習処理部１２５は、モデル記憶部１１２に正常用分類モデルＭＡ２が記憶されているか否かを判定する。再学習処理部１２５は、正常用分類モデルＭＡ２が存在する場合（ステップＳ３０４：ＹＥＳ）に、処理をステップＳ３０５に進める。また、再学習処理部１２５は、正常用分類モデルＭＡ２が存在しない場合（ステップＳ３０４：ＮＯ）に、処理をステップＳ３０６に進める。
【0116】
ステップＳ３０５において、再学習処理部１２５は、正常用分類モデルＭＡ２を再学習する。再学習処理部１２５は、再学習した正常用分類モデルＭＡ２を、モデル記憶部１１２に記憶させる。ステップＳ３０６の処理後に、再学習処理部１２５は、再学習処理ＳＬ２の処理を終了する。
【0117】
また、ステップＳ３０６において、再学習処理部１２５は、正常用分類モデルＭＡ２を学習して新規生成する。再学習処理部１２５は、新規生成した正常用分類モデルＭＡ２を、モデル記憶部１１２に記憶させる。ステップＳ３０６の処理後に、再学習処理部１２５は、再学習処理ＳＬ２の処理を終了する。
【0118】
また、ステップＳ３０７において、再学習処理部１２５は、異常用異常検知・特徴量抽出モデルＭＢ１を再学習する。再学習処理部１２５は、再学習した異常用異常検知・特徴量抽出モデルＭＢ１をモデル記憶部１１２に記憶させる。
【0119】
次に、再学習処理部１２５は、異常用分類モデルＭＢ２を学習して新規生成する（ステップＳ３０８）。再学習処理部１２５は、新規生成した異常用分類モデルＭＢ２を、モデル記憶部１１２に記憶させる。ステップＳ３０８の処理後に、再学習処理部１２５は、再学習処理ＳＬ２の処理を終了する。
【0120】
次に、図１２を参照して、再学習処理ＳＬ３（第３の再学習処理）の処理の詳細について説明する。
図１２は、本実施形態によるデータ分類システム１の第３の再学習処理の一例を示すフローチャートである。ここで、第３の再学習処理は、上述した図９に示すステップＳ１１７の再学習処理ＳＬ３である。
図１２は、本実施形態によるデータ分類システム１の第３の再学習処理の一例を示すフローチャートである。ここで、第３の再学習処理は、上述した図９に示すステップＳ１１７の再学習処理ＳＬ３である。
【0121】
図１２に示すように、再学習処理ＳＬ３（第３の再学習処理）において、まず、再学習処理部１２５は、未知のクラスである分類対象データを自動分類するか否かを判定する（ステップＳ４０１）。再学習処理部１２５は、未知のクラスである分類対象データを自動分類する場合（ステップＳ４０１：ＹＥＳ）に、ラベル付処理部１２４に、自動でラベル付けを行って分類し、処理をステップＳ４０８に進める。また、再学習処理部１２５は、未知のクラスである分類対象データを自動分類しない場合（ステップＳ４０１：ＮＯ）に、処理をステップＳ４０２に進める。
【0122】
ステップＳ４０２において、再学習処理部１２５は、未知のクラスである分類対象データが、未知の異常データであるか否かを判定する。再学習処理部１２５は、未知のクラスである分類対象データが、未知の異常データである場合（ステップＳ４０２：ＹＥＳ）に、処理をステップＳ４０８に進める。また、再学習処理部１２５は、未知のクラスである分類対象データが、未知の異常データでなし（未知の正常データである）場合（ステップＳ４０２：ＮＯ）に、処理をステップＳ４０３に進める。
【0123】
ステップＳ４０３において、再学習処理部１２５は、正常用異常検知・特徴量抽出モデルＭＡ１を再学習する。再学習処理部１２５は、再学習した正常用異常検知・特徴量抽出モデルＭＡ１をモデル記憶部１１２に記憶させる。
【0124】
次に、再学習処理部１２５は、正常用分類モデルＭＡ２が存在するか否かを判定する（ステップＳ４０４）。再学習処理部１２５は、モデル記憶部１１２に正常用分類モデルＭＡ２が記憶されているか否かを判定する。再学習処理部１２５は、正常用分類モデルＭＡ２が存在する場合（ステップＳ４０４：ＹＥＳ）に、処理をステップＳ４０５に進める。また、再学習処理部１２５は、正常用分類モデルＭＡ２が存在しない場合（ステップＳ４０４：ＮＯ）に、処理をステップＳ４０６に進める。
【0125】
ステップＳ４０５において、再学習処理部１２５は、正常用分類モデルＭＡ２を再学習する。再学習処理部１２５は、再学習した正常用分類モデルＭＡ２を、モデル記憶部１１２に記憶させる。ステップＳ４０５の処理後に、再学習処理部１２５は、再学習処理ＳＬ３の処理を終了する。
【0126】
ステップＳ４０６において、再学習処理部１２５は、正常用分類モデルＭＡ２を学習して新規生成する。再学習処理部１２５は、新規生成した正常用分類モデルＭＡ２を、モデル記憶部１１２に記憶させる。ステップＳ４０６の処理後に、再学習処理部１２５は、再学習処理ＳＬ３の処理を終了する。
【0127】
また、ステップＳ４０７において、再学習処理部１２５は、異常用異常検知・特徴量抽出モデルＭＢ１を再学習する。再学習処理部１２５は、再学習した異常用異常検知・特徴量抽出モデルＭＢ１をモデル記憶部１１２に記憶させる。
【0128】
次に、再学習処理部１２５は、異常用分類モデルＭＢ２を再学習する（ステップＳ４０８）。再学習処理部１２５は、再学習した異常用分類モデルＭＢ２を、モデル記憶部１１２に記憶させる。ステップＳ４０８の処理後に、再学習処理部１２５は、再学習処理ＳＬ３の処理を終了する。
【0129】
以上説明したように、本実施形態によるデータ分類システム１は、データ分類処理部１２２と、未知クラス判定部１２３と、再学習処理部１２５とを備える。データ分類処理部１２２は、分類対象データを分類クラスに分類し、データ異常検知処理と、分類処理とを実行する。データ分類処理部１２２は、データ異常検知処理において、少なくとも１つのクラスの正常データに基づく初期学習処理により生成された正常データに対する特徴量の抽出及び異常検知を行う正常用異常検知・特徴量抽出モデルＭＡ１（第１学習済みモデル）を用いて、分類対象データがクラス分類するデータとして未対応のデータである未対応データ異常を検知する。また、データ分類処理部１２２は、分類処理において、データ異常検知処理の処理結果に基づいて、分類対象データを少なくとも正常データのクラスに分類する。未知クラス判定部１２３は、データ異常検知処理の処理結果に基づいて、分類対象データを未知のクラスであると判定する。再学習処理部１２５は、未知クラス判定部１２３が分類対象データを未知のクラスであると判定した場合に、未知のクラスである分類対象データ及び正常データに基づいて、正常用異常検知・特徴量抽出モデルＭＡ１を再学習する。再学習処理部１２５は、正常データに対する特徴量に基づいて、分類対象データを、正常データのクラスに分類する正常用分類モデルＭＡ２（第２学習済みモデル）を新規学習又は再学習する。
【0130】
これにより、本実施形態によるデータ分類システム１は、分類のクラス数ごとに、学習済みモデルを構築する必要がなく、分類に対応した最低限のクラスに対応した学習済みモデルを保持する。そのため、本実施形態によるデータ分類システム１は、クラスの分類処理のための学習済みモデルをコンパクトにすることができ、学習処理（初期学習処理及び再学習処理）と、クラスの分類処理とにおける計算量の増大を抑制することができる。また、本実施形態によるデータ分類システム１は、未知のクラスを自動判定し、再学習処理により対応させることができる。よって、本実施形態によるデータ分類システム１は、計算量の増大を抑制しつつ、未知のクラスに対応させてデータを適切に分類することができる。
【0131】
また、本実施形態では、再学習処理部１２５は、正常用分類モデルＭＡ２が存在しない場合に、正常用分類モデルＭＡ２を新規学習する。データ分類処理部１２２は、分類処理において、正常用分類モデルＭＡ２が存在する場合に、正常用分類モデルＭＡ２を用いて、分類対象データを、正常データのクラスに分類する。
【0132】
これにより、本実施形態によるデータ分類システム１は、必要に応じて、正常用分類モデルＭＡ２を新規学習し、正常用分類モデルＭＡ２を用いて、分類対象データを、正常データのクラスに分類するため、分類対象データを、精度良く分類することができる。
【0133】
また、本実施形態では、再学習処理部１２５は、未知のクラスである分類対象データが、正常データに分類され、且つ、正常用分類モデルＭＡ２が存在しない場合に、正常用分類モデルＭＡ２を新規学習する。再学習処理部１２５は、未知のクラスである分類対象データが、正常データに分類され、且つ、正常用分類モデルＭＡ２が存在する場合に、正常用分類モデルＭＡ２を再学習する。再学習処理部１２５は、未知のクラスである分類対象データが、異常データに分類される場合に、少なくとも１つのクラスの異常データに基づいて、異常データに対する特徴量の抽出及び異常検知を行う異常用異常検知・特徴量抽出モデルＭＢ１（第３学習済みモデル）を新規学習する。
【0134】
これにより、本実施形態によるデータ分類システム１は、未知のクラスである分類対象データが、異常データに分類される場合に、適切に対応することができる。
【0135】
また、本実施形態では、データ異常検知処理には、正常データ異常検知処理（第１異常検知処理）と、異常データ異常検知処理（第２異常検知処理）とが含まれる。正常データ異常検知処理は、正常データの異常検知を行う正常用異常検知・特徴量抽出モデルＭＡ１を用いて、分類対象データが正常データとして未対応のデータである異常を検知する処理である。異常データ異常検知処理は、異常データの異常検知を行う異常用異常検知・特徴量抽出モデルＭＢ１を用いて、分類対象データが異常データとして未対応のデータである異常を検知する処理である。また、分類処理には、分類対象データを、正常データのクラスに分類する正常分類処理（第１分類処理）と、分類対象データを、異常データのクラスに分類する異常分類処理（第２分類処理）とが含まれる。データ分類処理部１２２は、正常用分類モデルＭＡ２が存在し、正常データ異常検知処理により未対応データ異常が検知されなかった場合に、正常分類処理として、正常用分類モデルＭＡ２を用いて、分類対象データを、正常データのクラスに分類する。データ分類処理部１２２は、正常データ異常検知処理により未対応データ異常が検知された場合に、異常分類処理として、異常データ異常検知処理の処理結果に基づいて、分類対象データを異常データのクラスに分類する。再学習処理部１２５は、未知のクラスである分類対象データが、異常データに分類された場合に、未知のクラスである分類対象データ及び異常データに基づいて、異常検知を行う異常用異常検知・特徴量抽出モデルＭＢ１を再学習する。再学習処理部１２５は、正常データに対する特徴量に基づいて、分類対象データを、異常データのクラスに分類する異常用分類モデルＭＢ２（第４学習済みモデル）を新規学習又は再学習する。
【0136】
これにより、本実施形態によるデータ分類システム１は、正常データのクラス分類と、異常データのクラス分類との両方に対応可能であり、未知のクラスに対応させてデータを適切に分類することができる。
【0137】
また、本実施形態では、再学習処理部１２５は、未知のクラスである分類対象データが、異常データに分類され、且つ、異常用分類モデルＭＢ２が存在しない場合に、異常用分類モデルＭＢ２を新規学習する。また、再学習処理部１２５は、未知のクラスである分類対象データが、異常データに分類され、且つ、異常用分類モデルＭＢ２が存在する場合に、異常用分類モデルＭＢ２を再学習する。データ分類処理部１２２は、異常分類処理において、異常用分類モデルＭＢ２が存在し、異常データ異常検知処理により未対応データ異常が検知されなかった場合に、異常用分類モデルＭＢ２を用いて、分類対象データを、異常データのクラスに分類する。
【0138】
これにより、本実施形態によるデータ分類システム１は、未知のクラスを検知した場合に、適切に再学習処理を行うことができ、未知のクラスに対応させてデータをさらに適切に分類することができる。
【0139】
また、本実施形態では、未知クラス判定部１２３は、正常データ異常検知処理において、分類対象データに未対応データ異常が検知され、且つ、異常検知を行う異常用異常検知・特徴量抽出モデルＭＢ１が存在しない場合に、当該分類対象データを未知のクラスであると判定する。
【0140】
これにより、本実施形態によるデータ分類システム１は、正常用異常検知・特徴量抽出モデルＭＡ１を用いた正常データ異常検知処理により、簡易な手法により、未知のクラスを適切に判定することができる。
【0141】
また、本実施形態では、未知クラス判定部１２３は、正常データ異常検知処理及び異常データ異常検知処理の両方において、分類対象データに未対応データ異常が検知され場合に、当該分類対象データを未知のクラスであると判定する。
【0142】
これにより、本実施形態によるデータ分類システム１は、正常データ異常検知処理及び異常データ異常検知処理の両方を用いて、さらに精度良く未知のクラスを判定することができる。
【0143】
また、本実施形態では、未知クラス判定部１２３は、正常データ異常検知処理において、分類対象データに未対応データ異常が検知され、且つ、異常分類処理において分類された異常データのクラスが、クラス判定閾値以下である場合に、当該分類対象データを未知のクラスであると判定する。
これにより、本実施形態によるデータ分類システム１は、正常データ異常検知処理及び異常分類処理を用いて、さらに精度良く未知のクラスを判定することができる。
これにより、本実施形態によるデータ分類システム１は、正常データ異常検知処理及び異常分類処理を用いて、さらに精度良く未知のクラスを判定することができる。
【0144】
また、本実施形態では、データ分類処理部１２２は、正常データ異常検知処理において、正常用異常検知・特徴量抽出モデルＭＡ１を用いて、分類対象データの再構成誤差を算出し、正常データ異常検知処理における再構成誤差が第１閾値より大きい場合に、分類対象データに未対応データ異常が検知されたと判定する。また、データ分類処理部１２２は、異常データ異常検知処理において、異常検知を行う異常用異常検知・特徴量抽出モデルＭＢ１を用いて、分類対象データの再構成誤差を算出し、異常データ異常検知処理における再構成誤差が第２閾値より大きい場合に、分類対象データに未対応データ異常が検知されたと判定する。
これにより、本実施形態によるデータ分類システム１は、再構成誤差を用いた簡易な手法により、精度良く未知のクラスを判定することができる。
これにより、本実施形態によるデータ分類システム１は、再構成誤差を用いた簡易な手法により、精度良く未知のクラスを判定することができる。
【0145】
また、本実施形態によるデータ分類システム１は、初期学習処理により正常用異常検知・特徴量抽出モデルＭＡ１を生成する初期学習処理部１２１を備える。
これにより、本実施形態によるデータ分類システム１は、初期学習処理に対応することができる。
これにより、本実施形態によるデータ分類システム１は、初期学習処理に対応することができる。
【0146】
また、本実施形態によるデータ分類方法は、データ分類処理ステップと、未知クラス判定ステップと、再学習処理ステップとを含む。データ分類処理部１２２が、データ分類処理ステップにおいて、分類対象データを分類クラスに分類する。データ分類処理部１２２が、データ分類処理ステップにおいて、データ異常検知処理と、分類処理とを実行する。データ分類処理部１２２は、データ異常検知処理として、少なくとも１つのクラスの正常データに基づく初期学習処理により生成された正常データに対する特徴量の抽出及び異常検知を行う正常用異常検知・特徴量抽出モデルＭＡ１を用いて、分類対象データがクラス分類するデータとして未対応のデータである未対応データ異常を検知する。また、データ分類処理部１２２は、分類処理として、データ異常検知処理の処理結果に基づいて、分類対象データを少なくとも正常データのクラスに分類する。未知クラス判定ステップにおいて、未知クラス判定部１２３が、データ異常検知処理の処理結果に基づいて、分類対象データを未知のクラスであると判定する。再学習処理ステップにおいて、再学習処理部１２５が、未知クラス判定ステップによって、分類対象データを未知のクラスであると判定された場合に、未知のクラスである分類対象データ及び正常データに基づいて、第１学習済みモデルを再学習する。また、再学習処理ステップにおいて、再学習処理部１２５が、正常データに対する特徴量に基づいて、分類対象データを、正常データのクラスに分類する正常用分類モデルＭＡ２を新規学習又は再学習する。
【0147】
これにより、本実施形態によるデータ分類方法は、上述したデータ分類システム１と同様の効果を奏し、計算量の増大を抑制しつつ、未知のクラスに対応させてデータを適切に分類することができる。
【0148】
図１３は、本実施形態によるデータ分類システム１の各装置のハードウェア構成を説明する図である。
図１３に示す装置は、データ分類システム１の各装置（データ分類装置１０、データ収集記憶装置２０）のハードウェア構成を示している。
図１３に示す装置は、データ分類システム１の各装置（データ分類装置１０、データ収集記憶装置２０）のハードウェア構成を示している。
【0149】
図１３に示すように、データ分類システム１の各装置（データ分類装置１０、データ収集記憶装置２０）は、通信デバイスＨ１１と、メモリＨ１２と、プロセッサＨ１３とを備える。
【0150】
通信デバイスＨ１１は、例えば、ＬＡＮカード、等のネットワークＮＷ１に接続可能な通信装置である。
メモリＨ１２は、例えば、ＲＡＭ、フラッシュメモリ、ＨＤＤ、等の記憶装置であり、各装置（データ分類装置１０、データ収集記憶装置２０）が利用する各種情報、及びプログラムを記憶する。
メモリＨ１２は、例えば、ＲＡＭ、フラッシュメモリ、ＨＤＤ、等の記憶装置であり、各装置（データ分類装置１０、データ収集記憶装置２０）が利用する各種情報、及びプログラムを記憶する。
【0151】
プロセッサＨ１３は、例えば、ＣＰＵなどを含む処理回路である。プロセッサＨ１３は、メモリＨ１２に記憶されているプログラムを実行させることで、各装置（データ分類装置１０、データ収集記憶装置２０）の各種処理を実行する。
【0152】
なお、本開示は、上記の実施形態に限定されるものではなく、本開示の趣旨を逸脱しない範囲で変更可能である。
例えば、上記の実施形態において、分類対象データは、鉄塔及び送電線（架空送電線）の画像データである例を説明したが、これに限定されるものではない。分類対象データは、画像データの他に、音データ、時系列データ、等、他のデータに対して適用してもよい。
例えば、上記の実施形態において、分類対象データは、鉄塔及び送電線（架空送電線）の画像データである例を説明したが、これに限定されるものではない。分類対象データは、画像データの他に、音データ、時系列データ、等、他のデータに対して適用してもよい。
【0153】
また、上記の実施形態では、データ分類システム１が、１台の装置（データ分類装置１０）で構成される例を説明したが、これに限定されるものではなく、データ分類システム１は、図１４に示すように、複数の装置で構成されてもよい。
【0154】
図１４は、本実施形態によるデータ分類システム１ａの変形例を示す機能ブロック図である。
図１４に示すように、データ分類システム１ａは、初期学習装置１０１と、分類処理装置１０２と、未知クラス判定装置１０３と、ラベル付装置１０４と、再学習装置１０５と、分類結果出力装置１０６とを備える。また、分類処理装置１０２は、正常検知装置１０２１と、正常分類装置１０２２と、異常検知装置１０２３と、異常分類装置１０２４とを備える。
図１４に示すように、データ分類システム１ａは、初期学習装置１０１と、分類処理装置１０２と、未知クラス判定装置１０３と、ラベル付装置１０４と、再学習装置１０５と、分類結果出力装置１０６とを備える。また、分類処理装置１０２は、正常検知装置１０２１と、正常分類装置１０２２と、異常検知装置１０２３と、異常分類装置１０２４とを備える。
【0155】
なお、各装置が備える初期学習処理部１２１と、未知クラス判定部１２３と、ラベル付処理部１２４と、再学習処理部１２５と、出力処理部１２６と、正常検知処理部ＦＡ１と、正常分類処理部ＦＡ２と、異常検知処理部ＦＢ１と、異常分類処理部ＦＢ２と、正常用異常検知・特徴量抽出モデルＭＡ１と、正常用分類モデルＭＡ２と、異常用異常検知・特徴量抽出モデルＭＢ１と、異常用分類モデルＭＢ２と、分類結果記憶部１１３とは、図１と同様の構成であり、同様の機能を有する。
【0156】
また、上記の実施形態において、データ分類装置１０が、初期学習処理部１２１を備える例を説明したがこれに限定されるものではなく、データ分類装置１０の外部に備える構成であってもよい。
【0157】
また、上記の実施形態において、初期学習処理部１２１は、１つのクラスに対応した正常用異常検知・特徴量抽出モデルＭＡ１を初期学習する例を説明したが、これに限定されるものではなく、正常用異常検知・特徴量抽出モデルＭＡ１、正常用分類モデルＭＡ２、異常用異常検知・特徴量抽出モデルＭＢ１、及び異常用分類モデルＭＢ２を初期学習する構成であってもよい。
【0158】
また、上記の実施形態において、データ分類処理部１２２は、データ収集記憶装置２０から取得した分類対象データをそのまま使用する例を説明したが、これに限定されるものではなく、取得した分類対象データを予め加工処理、不要物の除去、フィルタ処理、等を行って使用するようにしてもよい。
【0159】
また、上記の実施形態において、未知クラス判定部１２３は、正常データ異常検知処理で未対応データ異常が検出されなかった、且つ、正常分類処理で正常データのクラスが、クラス判定閾値以下である場合に、正常データ異常検知処理で未対応データ異常が検出された場合と同様の処理を実行するようにしてもよい。
【0160】
なお、上述したデータ分類システム１が備える各構成は、内部に、コンピュータシステムを有している。そして、上述したデータ分類システム１が備える各構成の機能を実現するためのプログラムをコンピュータが読み取り可能な記録媒体に記録して、この記録媒体に記録されたプログラムをコンピュータシステムに読み込ませ、実行することにより上述したデータ分類システム１が備える各構成における処理を行ってもよい。ここで、「記録媒体に記録されたプログラムをコンピュータシステムに読み込ませ、実行する」とは、コンピュータシステムにプログラムをインストールすることを含む。ここでいう「コンピュータシステム」とは、ＯＳ及び周辺機器等のハードウェアを含むものとする。
【0161】
また、「コンピュータシステム」は、インターネット、ＷＡＮ、ＬＡＮ、専用回線等の通信回線を含むネットワークを介して接続された複数のコンピュータ装置を含んでもよい。また、「コンピュータが読み取り可能な記録媒体」とは、フレキシブルディスク、光磁気ディスク、ＲＯＭ、ＣＤ－ＲＯＭ等の可搬媒体、コンピュータシステムに内蔵されるハードディスク等の記憶装置のことをいう。このように、プログラムを記憶した記録媒体は、ＣＤ－ＲＯＭ等の非一過性の記録媒体であってもよい。
【0162】
また、記録媒体には、当該プログラムを配信するために配信サーバからアクセス可能な内部又は外部に設けられた記録媒体も含まれる。なお、プログラムを複数に分割し、それぞれ異なるタイミングでダウンロードした後にデータ分類システム１が備える各構成で合体される構成、又は分割されたプログラムのそれぞれを配信する配信サーバが異なっていてもよい。さらに「コンピュータが読み取り可能な記録媒体」とは、ネットワークを介してプログラムが送信された場合のサーバ又はクライアントとなるコンピュータシステム内部の揮発性メモリ（ＲＡＭ）のように、一定時間プログラムを保持しているものも含むものとする。また、上記プログラムは、上述した機能の一部を実現するためのものであってもよい。さらに、上述した機能をコンピュータシステムに既に記録されているプログラムとの組み合わせで実現できるもの、いわゆる差分ファイル（差分プログラム）であってもよい。
【0163】
以下、本開示の諸態様を付記としてまとめて記載する。
（付記１）
分類対象データを分類クラスに分類するデータ分類処理部であって、
少なくとも１つのクラスの正常データに基づく初期学習処理により生成された前記正常データに対する特徴量の抽出及び異常検知を行う第１学習済みモデルを用いて、前記分類対象データがクラス分類するデータとして未対応のデータである未対応データ異常を検知する異常検知処理と、
前記異常検知処理の処理結果に基づいて、前記分類対象データを少なくとも前記正常データのクラスに分類する分類処理と
を実行するデータ分類処理部と、
前記異常検知処理の処理結果に基づいて、前記分類対象データを未知のクラスであると判定する未知クラス判定部と、
前記未知クラス判定部が前記分類対象データを前記未知のクラスであると判定した場合に、前記未知のクラスである前記分類対象データ及び前記正常データに基づいて、前記第１学習済みモデルを再学習するとともに、前記正常データに対する特徴量に基づいて、前記分類対象データを、前記正常データのクラスに分類する第２学習済みモデルを新規学習又は再学習する再学習処理部と
を備えるデータ分類システム。
（付記２）
前記再学習処理部は、前記第２学習済みモデルが存在しない場合に、前記第２学習済みモデルを新規学習し、
前記データ分類処理部は、前記分類処理において、前記第２学習済みモデルが存在する場合に、前記第２学習済みモデルを用いて、前記分類対象データを、前記正常データのクラスに分類する
付記１に記載のデータ分類システム。
（付記３）
前記再学習処理部は、
前記未知のクラスである前記分類対象データが、前記正常データに分類され、且つ、前記第２学習済みモデルが存在しない場合に、前記第２学習済みモデルを新規学習し、
前記未知のクラスである前記分類対象データが、前記正常データに分類され、且つ、前記第２学習済みモデルが存在する場合に、前記第２学習済みモデルを再学習し、
前記未知のクラスである前記分類対象データが、異常データに分類される場合に、少なくとも１つのクラスの前記異常データに基づいて、前記異常データに対する特徴量の抽出及び異常検知を行う第３学習済みモデルを新規学習する
付記１又は付記２に記載のデータ分類システム。
（付記４）
前記異常検知処理には、前記正常データの異常検知を行う前記第１学習済みモデルを用いて、前記分類対象データが前記正常データとして未対応のデータである異常を検知する第１異常検知処理と、前記異常データの異常検知を行う前記第３学習済みモデルを用いて、前記分類対象データが前記異常データとして未対応のデータである異常を検知する第２異常検知処理とが含まれ、
前記分類処理には、前記分類対象データを、前記正常データのクラスに分類する第１分類処理と、前記分類対象データを、前記異常データのクラスに分類する第２分類処理とが含まれ、
前記データ分類処理部は、
前記第２学習済みモデルが存在し、前記第１異常検知処理により前記未対応データ異常が検知されなかった場合に、前記第１分類処理として、前記第２学習済みモデルを用いて、前記分類対象データを、前記正常データのクラスに分類し、
前記第１異常検知処理により前記未対応データ異常が検知された場合に、前記第２分類処理として、前記第２異常検知処理の処理結果に基づいて、前記分類対象データを前記異常データのクラスに分類し、
前記再学習処理部は、
前記未知のクラスである前記分類対象データが、前記異常データに分類された場合に、前記未知のクラスである前記分類対象データ及び前記異常データに基づいて、前記第３学習済みモデルを再学習するとともに、前記正常データに対する特徴量に基づいて、前記分類対象データを、前記異常データのクラスに分類する第４学習済みモデルを新規学習又は再学習する
付記３に記載のデータ分類システム。
（付記５）
前記再学習処理部は、
前記未知のクラスである前記分類対象データが、前記異常データに分類され、且つ、前記第４学習済みモデルが存在しない場合に、前記第４学習済みモデルを新規学習し、
前記未知のクラスである前記分類対象データが、前記異常データに分類され、且つ、前記第４学習済みモデルが存在する場合に、前記第４学習済みモデルを再学習し、
前記データ分類処理部は、
前記第２分類処理において、前記第４学習済みモデルが存在し、前記第２異常検知処理により前記未対応データ異常が検知されなかった場合に、前記第４学習済みモデルを用いて、前記分類対象データを、前記異常データのクラスに分類する
付記４に記載のデータ分類システム。
（付記６）
前記未知クラス判定部は、
前記第１異常検知処理において、前記分類対象データに前記未対応データ異常が検知され、且つ、前記第３学習済みモデルが存在しない場合に、当該分類対象データを前記未知のクラスであると判定する
付記４又は付記５に記載のデータ分類システム。
（付記７）
前記未知クラス判定部は、
前記第１異常検知処理及び前記第２異常検知処理の両方において、前記分類対象データに前記未対応データ異常が検知され場合に、当該分類対象データを前記未知のクラスであると判定する
付記４から付記６のいずれか一項に記載のデータ分類システム。
（付記８）
前記未知クラス判定部は、
前記第１異常検知処理において、前記分類対象データに前記未対応データ異常が検知され、且つ、前記第２分類処理において分類された前記異常データのクラスが、クラス判定閾値以下である場合に、当該分類対象データを前記未知のクラスであると判定する
付記４から付記７のいずれか一項に記載のデータ分類システム。
（付記９）
前記データ分類処理部は、
前記第１異常検知処理において、前記第１学習済みモデルを用いて、前記分類対象データの再構成誤差を算出し、前記第１異常検知処理における前記再構成誤差が第１閾値より大きい場合に、前記分類対象データに前記未対応データ異常が検知されたと判定し、
前記第２異常検知処理において、前記第３学習済みモデルを用いて、前記分類対象データの再構成誤差を算出し、前記第２異常検知処理における前記再構成誤差が第２閾値より大きい場合に、前記分類対象データに前記未対応データ異常が検知されたと判定する
付記４から付記８のいずれか一項に記載のデータ分類システム。
（付記１０）
前記初期学習処理により前記第１学習済みモデルを生成する初期学習処理部を備える
付記１から付記９のいずれか一項に記載のデータ分類システム。
（付記１１）
データ分類処理部が、分類対象データを分類クラスに分類するデータ分類処理ステップであって、
少なくとも１つのクラスの正常データに基づく初期学習処理により生成された前記正常データに対する特徴量の抽出及び異常検知を行う第１学習済みモデルを用いて、前記分類対象データがクラス分類するデータとして未対応のデータである未対応データ異常を検知する異常検知処理と、
前記異常検知処理の処理結果に基づいて、前記分類対象データを少なくとも前記正常データのクラスに分類する分類処理と
を実行するデータ分類処理ステップと、
未知クラス判定部が、前記異常検知処理の処理結果に基づいて、前記分類対象データを未知のクラスであると判定する未知クラス判定ステップと、
再学習処理部が、前記未知クラス判定ステップによって、前記分類対象データを前記未知のクラスであると判定された場合に、前記未知のクラスである前記分類対象データ及び前記正常データに基づいて、前記第１学習済みモデルを再学習するとともに、前記正常データに対する特徴量に基づいて、前記分類対象データを、前記正常データのクラスに分類する第２学習済みモデルを新規学習又は再学習する再学習処理ステップと
を含むデータ分類方法。
（付記１２）
コンピュータに、
分類対象データを分類クラスに分類するデータ分類処理ステップであって、
少なくとも１つのクラスの正常データに基づく初期学習処理により生成された前記正常データに対する特徴量の抽出及び異常検知を行う第１学習済みモデルを用いて、前記分類対象データがクラス分類するデータとして未対応のデータである未対応データ異常を検知する異常検知処理と、
前記異常検知処理の処理結果に基づいて、前記分類対象データを少なくとも前記正常データのクラスに分類する分類処理と
を実行するデータ分類処理ステップと、
前記異常検知処理の処理結果に基づいて、前記分類対象データを未知のクラスであると判定する未知クラス判定ステップと、
前記未知クラス判定ステップによって、前記分類対象データを前記未知のクラスであると判定された場合に、前記未知のクラスである前記分類対象データ及び前記正常データに基づいて、前記第１学習済みモデルを再学習するとともに、前記正常データに対する特徴量に基づいて、前記分類対象データを、前記正常データのクラスに分類する第２学習済みモデルを新規学習又は再学習する再学習処理ステップと
を実行させるためのプログラム。
（付記１）
分類対象データを分類クラスに分類するデータ分類処理部であって、
少なくとも１つのクラスの正常データに基づく初期学習処理により生成された前記正常データに対する特徴量の抽出及び異常検知を行う第１学習済みモデルを用いて、前記分類対象データがクラス分類するデータとして未対応のデータである未対応データ異常を検知する異常検知処理と、
前記異常検知処理の処理結果に基づいて、前記分類対象データを少なくとも前記正常データのクラスに分類する分類処理と
を実行するデータ分類処理部と、
前記異常検知処理の処理結果に基づいて、前記分類対象データを未知のクラスであると判定する未知クラス判定部と、
前記未知クラス判定部が前記分類対象データを前記未知のクラスであると判定した場合に、前記未知のクラスである前記分類対象データ及び前記正常データに基づいて、前記第１学習済みモデルを再学習するとともに、前記正常データに対する特徴量に基づいて、前記分類対象データを、前記正常データのクラスに分類する第２学習済みモデルを新規学習又は再学習する再学習処理部と
を備えるデータ分類システム。
（付記２）
前記再学習処理部は、前記第２学習済みモデルが存在しない場合に、前記第２学習済みモデルを新規学習し、
前記データ分類処理部は、前記分類処理において、前記第２学習済みモデルが存在する場合に、前記第２学習済みモデルを用いて、前記分類対象データを、前記正常データのクラスに分類する
付記１に記載のデータ分類システム。
（付記３）
前記再学習処理部は、
前記未知のクラスである前記分類対象データが、前記正常データに分類され、且つ、前記第２学習済みモデルが存在しない場合に、前記第２学習済みモデルを新規学習し、
前記未知のクラスである前記分類対象データが、前記正常データに分類され、且つ、前記第２学習済みモデルが存在する場合に、前記第２学習済みモデルを再学習し、
前記未知のクラスである前記分類対象データが、異常データに分類される場合に、少なくとも１つのクラスの前記異常データに基づいて、前記異常データに対する特徴量の抽出及び異常検知を行う第３学習済みモデルを新規学習する
付記１又は付記２に記載のデータ分類システム。
（付記４）
前記異常検知処理には、前記正常データの異常検知を行う前記第１学習済みモデルを用いて、前記分類対象データが前記正常データとして未対応のデータである異常を検知する第１異常検知処理と、前記異常データの異常検知を行う前記第３学習済みモデルを用いて、前記分類対象データが前記異常データとして未対応のデータである異常を検知する第２異常検知処理とが含まれ、
前記分類処理には、前記分類対象データを、前記正常データのクラスに分類する第１分類処理と、前記分類対象データを、前記異常データのクラスに分類する第２分類処理とが含まれ、
前記データ分類処理部は、
前記第２学習済みモデルが存在し、前記第１異常検知処理により前記未対応データ異常が検知されなかった場合に、前記第１分類処理として、前記第２学習済みモデルを用いて、前記分類対象データを、前記正常データのクラスに分類し、
前記第１異常検知処理により前記未対応データ異常が検知された場合に、前記第２分類処理として、前記第２異常検知処理の処理結果に基づいて、前記分類対象データを前記異常データのクラスに分類し、
前記再学習処理部は、
前記未知のクラスである前記分類対象データが、前記異常データに分類された場合に、前記未知のクラスである前記分類対象データ及び前記異常データに基づいて、前記第３学習済みモデルを再学習するとともに、前記正常データに対する特徴量に基づいて、前記分類対象データを、前記異常データのクラスに分類する第４学習済みモデルを新規学習又は再学習する
付記３に記載のデータ分類システム。
（付記５）
前記再学習処理部は、
前記未知のクラスである前記分類対象データが、前記異常データに分類され、且つ、前記第４学習済みモデルが存在しない場合に、前記第４学習済みモデルを新規学習し、
前記未知のクラスである前記分類対象データが、前記異常データに分類され、且つ、前記第４学習済みモデルが存在する場合に、前記第４学習済みモデルを再学習し、
前記データ分類処理部は、
前記第２分類処理において、前記第４学習済みモデルが存在し、前記第２異常検知処理により前記未対応データ異常が検知されなかった場合に、前記第４学習済みモデルを用いて、前記分類対象データを、前記異常データのクラスに分類する
付記４に記載のデータ分類システム。
（付記６）
前記未知クラス判定部は、
前記第１異常検知処理において、前記分類対象データに前記未対応データ異常が検知され、且つ、前記第３学習済みモデルが存在しない場合に、当該分類対象データを前記未知のクラスであると判定する
付記４又は付記５に記載のデータ分類システム。
（付記７）
前記未知クラス判定部は、
前記第１異常検知処理及び前記第２異常検知処理の両方において、前記分類対象データに前記未対応データ異常が検知され場合に、当該分類対象データを前記未知のクラスであると判定する
付記４から付記６のいずれか一項に記載のデータ分類システム。
（付記８）
前記未知クラス判定部は、
前記第１異常検知処理において、前記分類対象データに前記未対応データ異常が検知され、且つ、前記第２分類処理において分類された前記異常データのクラスが、クラス判定閾値以下である場合に、当該分類対象データを前記未知のクラスであると判定する
付記４から付記７のいずれか一項に記載のデータ分類システム。
（付記９）
前記データ分類処理部は、
前記第１異常検知処理において、前記第１学習済みモデルを用いて、前記分類対象データの再構成誤差を算出し、前記第１異常検知処理における前記再構成誤差が第１閾値より大きい場合に、前記分類対象データに前記未対応データ異常が検知されたと判定し、
前記第２異常検知処理において、前記第３学習済みモデルを用いて、前記分類対象データの再構成誤差を算出し、前記第２異常検知処理における前記再構成誤差が第２閾値より大きい場合に、前記分類対象データに前記未対応データ異常が検知されたと判定する
付記４から付記８のいずれか一項に記載のデータ分類システム。
（付記１０）
前記初期学習処理により前記第１学習済みモデルを生成する初期学習処理部を備える
付記１から付記９のいずれか一項に記載のデータ分類システム。
（付記１１）
データ分類処理部が、分類対象データを分類クラスに分類するデータ分類処理ステップであって、
少なくとも１つのクラスの正常データに基づく初期学習処理により生成された前記正常データに対する特徴量の抽出及び異常検知を行う第１学習済みモデルを用いて、前記分類対象データがクラス分類するデータとして未対応のデータである未対応データ異常を検知する異常検知処理と、
前記異常検知処理の処理結果に基づいて、前記分類対象データを少なくとも前記正常データのクラスに分類する分類処理と
を実行するデータ分類処理ステップと、
未知クラス判定部が、前記異常検知処理の処理結果に基づいて、前記分類対象データを未知のクラスであると判定する未知クラス判定ステップと、
再学習処理部が、前記未知クラス判定ステップによって、前記分類対象データを前記未知のクラスであると判定された場合に、前記未知のクラスである前記分類対象データ及び前記正常データに基づいて、前記第１学習済みモデルを再学習するとともに、前記正常データに対する特徴量に基づいて、前記分類対象データを、前記正常データのクラスに分類する第２学習済みモデルを新規学習又は再学習する再学習処理ステップと
を含むデータ分類方法。
（付記１２）
コンピュータに、
分類対象データを分類クラスに分類するデータ分類処理ステップであって、
少なくとも１つのクラスの正常データに基づく初期学習処理により生成された前記正常データに対する特徴量の抽出及び異常検知を行う第１学習済みモデルを用いて、前記分類対象データがクラス分類するデータとして未対応のデータである未対応データ異常を検知する異常検知処理と、
前記異常検知処理の処理結果に基づいて、前記分類対象データを少なくとも前記正常データのクラスに分類する分類処理と
を実行するデータ分類処理ステップと、
前記異常検知処理の処理結果に基づいて、前記分類対象データを未知のクラスであると判定する未知クラス判定ステップと、
前記未知クラス判定ステップによって、前記分類対象データを前記未知のクラスであると判定された場合に、前記未知のクラスである前記分類対象データ及び前記正常データに基づいて、前記第１学習済みモデルを再学習するとともに、前記正常データに対する特徴量に基づいて、前記分類対象データを、前記正常データのクラスに分類する第２学習済みモデルを新規学習又は再学習する再学習処理ステップと
を実行させるためのプログラム。
【符号の説明】
【0164】
１，１ａ…データ分類システム、１０…データ分類装置、１１…記憶部、１２…制御部、２０…データ収集記憶装置、１０１…初期学習装置、１０２…分類処理装置、１０３…未知クラス判定装置、１０４…ラベル付装置、１０５再…学習装置と、１０６…分類結果出力装置、１１１…学習データ記憶部、１１２…モデル記憶部、１１３…分類結果記憶部、１２１…初期学習処理部、１２２…データ分類処理部、１２３…未知クラス判定部、１２４…ラベル付処理部、１２５…再学習処理部、１２６…出力処理部、１０２１…正常検知装置、１０２２…正常分類装置、１０２３…異常検知装置、１０２４…異常分類装置、ＦＡ１…正常検知処理部、ＦＡ２…正常分類処理部、ＦＢ１…異常検知処理部、ＦＢ２…異常分類処理部、ＭＡ１…正常用異常検知・特徴量抽出モデル、ＭＡ２…正常用分類モデル、ＭＢ１…異常用異常検知・特徴量抽出モデル、ＭＢ２…異常用分類モデル
【図1】
【図2】
【図3】
【図4】
【図5】
【図6】
【図7】
【図8】
【図9】
【図10】
【図11】
【図12】
【図13】
【図14】