def main():
conf_file, nome_base = inicio.lerArquivoConfig()
matrizes, text, mapa_x, mapa_y, repeticoes, q, t_min, t_max, n_iter, individuals_objects, classes_a_priori = config.config(
conf_file
)
filename_result, filename_individuos, resultado, file_individuos = inicio.criaArquivos(
conf_file, nome_base, text, mapa_x, mapa_y, repeticoes, t_max, n_iter, ""
)
text = []
# soma_dissimilaridades = []
# for obj1 in individuals_objects:
# for obj2 in individuals_objects:
# soma_dissimilaridades.append(sum(matrizes[:,obj1.indice,obj2.indice]))
# soma_dissimilaridades = np.array(soma_dissimilaridades).reshape(len(individuals_objects), len(individuals_objects))
criterios_energia = []
# oercs = []
c = mapa_x * mapa_y
for a in range(repeticoes):
# Etapa de inicialização
text.append("\n\n#####################################")
text.append("\nRepetição do experimento: " + str(a) + "\n")
print "Repetição ", a
print "..."
# Inicialização
T = t_max
t = 0.0
denom = 2.0 * math.pow(T, 2)
mapa = inicializacao(c, q, mapa_x, mapa_y, t_min, t_max, denom, matrizes, individuals_objects, nome_base, a)
# Iterações
while T > t_min:
# while t < (n_iter - 1):
# Step 1: computation of the best prototypes
t += 1.0
T = t_max * math.pow((t_min / t_max), (t / (n_iter - 1.0)))
denom = 2.0 * math.pow(T, 2)
mapa.atualiza_prototipo(denom, matrizes, q, mapa.calcula_prototipo_batch)
# Step 2: definition of the best partition
mapa.atualiza_particao(denom, matrizes, mapa.calcula_criterio_batch)
no_clusters_completos = 0
# Imprime os clusters finais
text.extend(imprime_clusters(mapa))
no_clusters_completos = 0
for cluster in mapa.mapa.flat:
if len(cluster.objetos) > 0:
no_clusters_completos += 1
energia = mapa.calcula_energia_batch(matrizes, T)
criterios_energia.append(energia)
text.append("\n\nCritério de adequação (energia): " + str(energia))
texto = calcula_indices(mapa, classes_a_priori, no_clusters_completos, adap=False)
# oercs.append(oerc)
text.extend(texto)
resultado = open(filename_result, "a")
resultado.writelines(text)
resultado.close()
text = []
list_individuos = []
list_individuos.append("\n\n#####################################")
list_individuos.append("\n# Repetição do experimento: " + str(a) + "\n")
for ind in mapa.objetos:
list_individuos.append(
str(ind.nome) + " " + str(ind.classe_a_priori.indice) + " " + str(ind.cluster.indice) + "\n"
)
file_individuos = open(filename_individuos, "a")
file_individuos.writelines(list_individuos)
file_individuos.close()
texto = imprime_indices_finais(criterios_energia)
text.extend(texto)
# menor_criterio_energia = min(criterios_energia)
# media_criterios = np.mean(criterios_energia)
# #menor_erro = min(oercs)
# desvio_padrao = np.std(criterios_energia)
# text.append("\n\nMelhor repetição: " + str(criterios_energia.index(menor_criterio_energia)))
# #text.append("\nMenor oerc: " + str(oercs.index(menor_erro)))
# text.append("\nM�dia dos crit�rios: %s" % media_criterios)
# text.append("\nDesvio padr�o: %s" % desvio_padrao)
resultado = open(filename_result, "a")
resultado.writelines(text)
resultado.close()
print "Fim do experimento."
def main():
# conf_file = sys.argv[1]
# nome_base = sys.argv[2]
conf_file, nome_base = inicio.lerArquivoConfig()
matrizes, text, mapa_x, mapa_y, repeticoes, q, t_min, t_max, n_iter, individuals_objects, classes_a_priori = config.config(conf_file)
filename_result, filename_individuos, resultado, file_individuos = inicio.criaArquivos(conf_file, nome_base, text, mapa_x, mapa_y, repeticoes, t_max, n_iter, "_adaptativo")
text = []
# text.append("\n*Modelo adaptativo")
criterios_energia = []
# oercs = []
c = mapa_x * mapa_y
for a in range(repeticoes):
#Etapa de inicialização
text.append("\n\n#####################################")
text.append("\n# Repetição do experimento: " + str(a) + "\n")
print "Repetição ", a
print "..."
#Inicialização
T = t_max
t = 0.0
denom = 2. * pow(T,2)
mapa = inicializacao(c, q, mapa_x, mapa_y, t_min, t_max, denom, matrizes, individuals_objects, nome_base, a)
while T > t_min:
# while t < (n_iter - 1):
#Step 1: computation of the best prototypes
t += 1.0
print 'Iteração', t
T = t_max * pow( (t_min / t_max), (t / (n_iter - 1.0)) )
denom = 2. * pow(T,2)
mapa.atualiza_prototipo(denom, matrizes, q, mapa.calcula_prototipo_adaptativo)
#Step 2: computation of the best weights
mapa.atualiza_pesos(denom, matrizes)
#Step 3: definition of the best partition
mapa.atualiza_particao(denom, matrizes, mapa.calcula_criterio_adaptativo)
#Imprime os clusters finais
text.extend(imprime_clusters(mapa))
no_clusters_completos = 0
for cluster in mapa.mapa.flat:
if len(cluster.objetos) > 0:
no_clusters_completos += 1
energia = mapa.calcula_energia_adaptativo(matrizes, T)
criterios_energia.append(energia)
text.append("\n\nCritério de adequação (energia): " + str(energia))
texto = calcula_indices(mapa, classes_a_priori, no_clusters_completos)
# oercs.append(oerc)
text.extend(texto)
resultado = open(filename_result, 'a')
resultado.writelines(text)
resultado.close()
text = []
list_individuos = []
list_individuos.append("\n\n#####################################")
list_individuos.append("\n# Repetição do experimento: " + str(a) + "\n")
for ind in mapa.objetos:
list_individuos.append(str(ind.nome) + " " + str(ind.classe_a_priori.indice) + " " + str(ind.cluster.indice) + "\n")
file_individuos = open(filename_individuos, 'a')
file_individuos.writelines(list_individuos)
file_individuos.close()
#mapa_graph.plot_graph(mapa)
texto = imprime_indices_finais(criterios_energia)
text.extend(texto)
# criterios_ordenados = sorted(criterios_energia)
# it = 0
## while(criterios_ordenados[it] < 1.0):
## it += 1
#
# #menor_criterio_energia = min(criterios_energia)
# menor_criterio_energia = criterios_ordenados[it]
# menor_erro = min(oercs)
# media_criterios = np.mean(criterios_energia)
# text.append("\n\nMelhor repetição: " + str(criterios_energia.index(menor_criterio_energia)))
# text.append("\nMenor oerc: " + str(oercs.index(menor_erro)))
# text.append("\nM�dia dos crit�rios: %s" % media_criterios)
resultado = open(filename_result, 'a')
resultado.writelines(text)
resultado.close()
print "Fim do experimento."
def main():
conf_file, nome_base = inicio.lerArquivoConfig()
matrizes, text, mapa_x, mapa_y, repeticoes, q, t_min, t_max, n_iter, individuals_objects, classes_a_priori = config.config(
conf_file
)
filename_result, filename_individuos, resultado, file_individuos = inicio.criaArquivos(
conf_file, nome_base, text, mapa_x, mapa_y, repeticoes, t_max, n_iter, "_fuzzy"
)
text = []
criterios_energia = []
oercs = []
c = mapa_x * mapa_y
for a in range(repeticoes):
# Etapa de inicialização
text.append("\n\n#####################################")
text.append("\nRepetição do experimento: " + str(a) + "\n")
print "Repetição ", a
print "..."
# Inicialização
T = t_max
t = 0.0
denom = 2.0 * math.pow(T, 2)
mapa = inicializacao(c, q, mapa_x, mapa_y, t_min, t_max, denom, matrizes, individuals_objects)
# Iterações
while T > t_min:
# while t < (n_iter - 1):
# Step 1: computation of the best prototypes
t += 1.0
T = t_max * math.pow((t_min / t_max), (t / (n_iter - 1.0)))
denom = 2.0 * math.pow(T, 2)
mapa.atualiza_prototipo(denom, matrizes, q, mapa.calcula_prototipo_fuzzy)
# Step 2: definition of the best fuzzy partition
mapa.atualiza_pertinencias(denom, matrizes)
# Step 3: definition of the best partition
mapa.atualiza_particao(denom, matrizes, mapa.calcula_criterio_fuzzy)
no_clusters_completos = 0
# Imprime os clusters finais
text.extend(imprime_clusters(mapa))
no_clusters_completos = 0
for cluster in mapa.mapa.flat:
if len(cluster.objetos) > 0:
no_clusters_completos += 1
energia = mapa.calcula_energia_fuzzy(matrizes, T)
criterios_energia.append(energia)
text.append("\n\nCritério de adequação (energia): " + str(energia))
text.extend(imprime_pertinencias(mapa))
texto, oerc = calcula_indices(mapa, classes_a_priori, no_clusters_completos, adap=False)
oercs.append(oerc)
text.extend(texto)
resultado = open(filename_result, "a")
resultado.writelines(text)
resultado.close()
text = []
list_individuos = []
list_individuos.append("\n\n#####################################")
list_individuos.append("\n# Repetição do experimento: " + str(a) + "\n")
for ind in mapa.objetos:
list_individuos.append(
str(ind.nome) + " " + str(ind.classe_a_priori.indice) + " " + str(ind.cluster.indice) + "\n"
)
file_individuos = open(filename_individuos, "a")
file_individuos.writelines(list_individuos)
file_individuos.close()
menor_criterio_energia = min(criterios_energia)
menor_erro = min(oercs)
text.append("\n\nMelhor repetição: " + str(criterios_energia.index(menor_criterio_energia)))
text.append("\nMenor oerc: " + str(oercs.index(menor_erro)))
resultado = open(filename_result, "a")
resultado.writelines(text)
resultado.close()
print "Fim do experimento."
