标签：ACC %% 标签 Label str COIL COIL20 NMI 图片
- 1.先对图片集进行处理
clear
clc
path = 'F:\Matlab\bin\kmeans_coil20\coil-20-proc\'; %源数据集路径
save_path = 'F:\Matlab\bin\kmeans_coil20\'; %处理之后保存的路径
file = dir([path,'*.png']); %列出源路径下所有.png文件的信息：name date bytes...
COIL = [];
Label = [];
disp(length(file));
for i = 1:length(file) %源路径下png文件的个数
%%
%%对图片本身数据做处理
image0 = imread([path,file(i).name]); %读取某一张图片
str = file(i).name; %图片名保存为str
image1 = im2double(image0); %将图片中unit8转换为double
[a,b] = size(image1); %a为图片行数 b为图片列数
image2 = reshape(image1,1,a*b); %将a*b的图片转换为1行
COIL = [COIL;image2]; %每一张图片都加载在上一张图片的下一行
fprintf('%d th starting...\n',i); %记录程序运行过程
%%
%%对图片标签做处理 图片名为‘obj(类标签)__（拍摄角度）.png’
%主要提取类标签
LabelStart = strfind(str,'j'); %找到图片名‘j’的位置（类标签前）
LabelEnd = strfind(str,'_'); %找到图片名‘__’的位置（类标签后）
label_temp = str2double(str(LabelStart+1:LabelEnd(1,1)-1)); %提取出图片类标签
Label = [Label;label_temp]; %每个类标签按顺序排排坐
end
save COIL COIL
save Label Label
- 2.计算acc及NMI参考了这篇
https://blog.csdn.net/hgh19951014/article/details/103496747 - 3.K-means
%% k=20 随机抽取二十个样本作为初始均值向量
n=1440;
m=16384;
k=20;
% flag保存随机选取的数字
flag=randperm(n,k);
% 将抽取的mu打上类标签
for i=1:k
COIL(flag(i),m+1)=i;
end
mu=zeros(k,m);
for i=1:k
for j=1:m
mu(i,j)=COIL(flag(i),j);
end
end
%% 计算欧式距离,选择最近的原型进行分簇
dis=zeros(n,k);
for i=1:n
min=10000000;
category = 1;
for j=1:k
tmp=0;
for o=1:m
tmp=tmp+(COIL(i,o)-mu(j,o)).^2;
end
dis(i,j)=sqrt(tmp);
if dis(i,j)<min
min= dis(i,j);
category = j;
end
end
COIL(i,m+1)=category;
end
%% 循环
for iter=2:10
% 重新计算mu
% 每个簇中数据和
sumn=zeros(k,m);
% 每个簇中的数据个数
num=zeros(1,k);
for j=1:n
for o=1:k
if COIL(j,m+1)==o
for p=1:m
sumn(o,p)=sumn(o,p)+COIL(j,p);
end
num(1,o)=num(1,o)+1;
end
end
end
isUpdate = false;
for i=1:k
for j=1:m
if mu(i,j)~=(sum(i,j)/num(1,i))
isUpdate = true;
end
end
end
if isUpdate==false
% 不更新
disp(iter-1);
break;
else
% 更新 mu
for i=1:k
for j=1:m
mu(i,j) = sumn(i,j)/num(1,i);
end
end
end
for i=1:n
min=10000;
category = 1;
for j=1:k
tmp=0;
for o=1:m
tmp=tmp+(COIL(i,o)-mu(j,o)).^2;
end
dis(i,j)=sqrt(tmp);
if dis(i,j)<min
min= dis(i,j);
category = j;
end
end
COIL(i,m+1)=category;
end
end
%% 计算NMI
% Y为聚类后的标签 Label真实标签
Y=COIL(:,m+1);
if length ( Label ) ~= length ( Y)
error ( 'length( Label ) must == length( Y)' );
end
if iscolumn(Label)
Label=Label';
end
if iscolumn(Y)
Y=Y';
end
t = length (Label);
A_ids = unique (Label);
A_class = length (A_ids);
B_ids = unique (Y);
B_class = length (B_ids);
% Mutual information
idAOccur = double ( repmat ( Label, A_class, 1) == repmat ( A_ids', 1, t )); %得到节点社区矩阵N*C
idBOccur = double ( repmat ( Y, B_class, 1) == repmat ( B_ids', 1, t ));
idABOccur = idAOccur * idBOccur';
Px = sum (idAOccur') / t;
Py = sum (idBOccur') / t;
Pxy = idABOccur / t;
MImatrix = Pxy .* log2 (Pxy ./(Px' * Py)+ eps );
MI = sum (MImatrix(:));
% Entropies
Hx = - sum (Px .* log2 (Px + eps ),2);
Hy = - sum (Py .* log2 (Py + eps ),2);
%Normalized Mutual information
nmi = 2 * MI / (Hx+Hy);
fprintf('聚类的标准互信息Nmi为：%f\n',nmi); %显示分类结果
%% 计算ACC
[NewLabel]=BestMapping(Y,Label);
T= Label==NewLabel;
acc=sum(T)/length(NewLabel);
fprintf('聚类的准确度acc为：%f\n',acc); %显示分类结果
- 4.结果
迭代2次
迭代10次
标签：ACC,%%,标签,Label,str,COIL,COIL20,NMI,图片 来源： https://www.cnblogs.com/ljmmm1/p/15547620.html
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。