def _main(args):
path2project = args.path
files = os.listdir()
for i in range(len(files))
if '.cnnf' in files[k]
files2project = os.path.join(path,files[k]) #getings the path + file's name, os the vector to be reduced (projected)
nfeatures_after_PCA = args.features
cnn_flow = pca.read_file(file2project) #reading the content fo the file
cnn_flow_padronizado = pca.file2PCA(cnn_flow) #conforming it to apply PCA
#/fetch eigenVectors
file_eg = open(args.read + 'eigenVectors.pcab', "r" )
lines = file_eg.readlines()
file_eg.close()
eigenVectors = pca.file2PCA(lines)
#/fetch mean
file_mean = open(args.read+'mean.pcab',"r")
lines = file_mean.readlines()
file_mean.close()
mean = pca.file2PCA(lines)
#/computing projection
projection = pca.projecao_PCA(cnn_flow_padronizado, mean, eigenVectors)
#/saving file
pca.write_pca_reduction(files[k],projection,args.outdir)
def _main(args):
arquivo_a_reduzir = args.file
numero_de_features_apos_PCA = args.features
cnn_flow = pca.read_cnnf_file(arquivo_a_reduzir)
cnn_flow_padronizado = pca.cnn_flow_para_PCA(cnn_flow)
numero_de_samples = len(cnn_flow_padronizado)
cnn_flow_conformado = pca.conformar_cnn_flow_para_PCA(cnn_flow_padronizado)
auto_vetores, media = pca.baseground_PCA(cnn_flow_conformado,numero_de_features_apos_PCA)
pca.write_pca_baseground("autovetores", arquivo_a_reduzir, auto_vetores, args.outdir)
pca.write_pca_baseground("vetor_media", arquivo_a_reduzir, media, args.outdir)
projecao = pca.projecao_PCA(cnn_flow_padronizado, media, auto_vetores)
pca.write_pca_reduction(arquivo_a_reduzir,projecao, args.outdir)
def reduzirVetores(caminhoBases, caminhoLeituraArquivos,
caminhoEscritaArquivos, arquivoMedia, arquivoAutovetores,
nFeatures):
files = os.listdir(caminhoLeituraArquivos)
media, autoVetores = lerBases(caminhoBases, arquivoAutovetores,
arquivoMedia, nFeatures)
for i in files:
if '.cnnf' in i:
cnn_flow = pca.read_file(os.path.join(
caminhoLeituraArquivos, i)) #reading the content fo the file
cnn_flow_padronizado = pca.file2PCA(
cnn_flow) #conforming it to apply PCA
projection = pca.projecao_PCA(cnn_flow_padronizado, media,
autoVetores)
pca.write_pca_reduction(
i, projection,
caminhoEscritaArquivos) #terminar de fazer isso aqui