X-Git-Url: https://git.auder.net/?a=blobdiff_plain;f=TODO;h=c5f4081dd34ea2e61f684bfe3639e4a8c9e63617;hb=e9f4b74f802246043867982006c812cfa116c4fd;hp=1788ce626a40bbe0b2a89218b737b7ceacf04d57;hpb=492cd9e74a79cbcc0ecde55fa3071a44b7e463dc;p=epclust.git

diff --git a/TODO b/TODO
index 1788ce6..c5f4081 100644
--- a/TODO
+++ b/TODO
@@ -45,3 +45,60 @@ utiliser Rcpp ?
 #Alternative: use bigmemory to share series when CSV or matrix(...)
 
 #' @importFrom synchronicity boost.mutex lock unlock
+
+subtree: epclust, shared. This root folder should remain private
+
+#TODO: use dbs(),
+		#https://www.r-bloggers.com/debugging-parallel-code-with-dbs/
+		#http://gforge.se/2015/02/how-to-go-parallel-in-r-basics-tips/
+
+synchrones --> somme, pas moyenne
+
+PLOT:
+plot manifold 2D distances WER /
+fenetre tempo forme des courbes /
+medoids /
+gain en prevision: clust puis full --> enercast
+
+réduire taille 17519 trop long ?
+
+synchrone : sum
+cwt : trim R part
+// : clever by rows retenir cwt...
+
+Stockage matrices : en colonnes systématiquement ?
+
+TODO: revoir les arguments, simplifier (dans les clustering...),
+  permettre algos de clustering quelconques, args: medoids (curves puis dists), K
+
+Plutôt ça que hack auto notebook generation:
+	https://mail.scipy.org/pipermail/ipython-dev/2014-March/013550.html
+
+#si pas lissage --> on doit trouver 1 : TOCHECK
+#regarder biwavelets smooth.wavelet : c'est comme ça qu'il faut coder
+#Options : smooth_lvl + filtre gaussien (smooth_method ?)
+(this file :
+https://github.com/tgouhier/biwavelet/blob/master/R/smooth.wavelet.R )
+
+=====
+
+Voici le code :
+
+library(epclust)
+
+n <- 5
+N <- 128
+M <- matrix(runif(n * N), nrow = n) #séries en lignes
+M <- t(apply(M, 1, cumsum)) / sqrt(n * N)
+matplot(t(M), type = 'l', lty = 1)
+
+dists3a <- computeWerDists(1:n, function(inds) M[,inds], n)
+
+# je passe de distance Wer à corrélations : moralement tout est à 0
+summary((1 - dists3a[lower.tri(dists3a)]^2) / N / n)
+
+# or, les courbes sont très similaires, nous devrions être proche de 1 !
+corM <- cor(t(M))
+summary(corM[lower.tri(corM)])
+
+---------> à checker