これまでに, 専門家の視察方法をコンピュータ処理に置き換える波形認識法を適用して, 睡眠中の生体信号の特徴量を抽出し, その特徴量から睡眠ステージを自動判定する試みが数多くなされている.本論文では, 睡眠中の生体信号の特性に基づいて特徴パラメータを抽出する波形認識法と, 現在, 実用的に最も成功しているといわれている機械学習方法の一つである決定木学習を用いた睡眠ステージの自動判定方法を提案する.本手法では, 最初に, 睡眠中の脳波, 眼球運動, 筋電図の状態を表す特徴量を, α波, δ波, 睡眠紡錘波, K複合波, 急速眼球運動などの特徴波の特性と照合することによって, 睡眠ステージの判定に必要な特徴パラメータを抽出する.そして, 正準判別分析とランダムウォークに基づく離散化手法RWSを用いて, 特徴パラメータを少数の離散変量に変換した後, ブートストラップ法でサンプリングした訓練事例から, 複数の小さな決定木の集まり(コミッティ)を形成し, その分類結果を多数決処理して睡眠ステージを判定する.本手法を日本睡眠学会から提供されているPSGチャートディジタルデータに適用して性能評価実験を行った結果, 本手法が学習や分類に時間を要さず, 高精度に睡眠ステージを自動判定する有望な手法であることを確認した.