Case Based Learning for Structure of Decision Tree and Application to Human Assessment Knowledge

本論文では, 事例から人間の状況判断知識を獲得する手法を提案し, 自動車運転時の危険予測知識の学習に応用する. 提案手法は, 属性で記述されたサンプルを適切なクラスに分類するために, 決定木を用いて知識のルール化を行う. 決定木の学習には遺伝的アルゴリズムを用いた決定木学習アルゴリズムGAD (Genetic Algorithm based Decision Tree Learning) を用いる. GADは実装時に起こるデータ数の不足やデータ分布の偏りに影響されにくい高い汎化能力を有する. 提案手法を一般道路における自動車運転時の危険判断知識の獲得に応用し, 手法の有効性について検討する. この事例は, 運転者の視覚的情報に基づき, 運転状況を属性によって定義づけ, 属性値から危険判断を行うものである. 運転状況は, 自動車, 歩行者および動的・静的障害物をオブジェクトとし, その速度や位置によって定義づける. 本研究では, 判断知識の獲得のため, 実際の運転状況に即した属性定義, 状況におけるオブジェクトの順位付けアルゴリズム, 訓練事例による決定木の学習を行う. 学習結果に基づき, 訓練事例として必要な事例数, 分類精度, 得られた決定木のサイズ等について考察する. また, ある特定の状況を想定し, 人間が判断した知識と提案手法で得られた知識を比較し考察する.