TODO: args, et finir tests; relancer
[epclust.git] / epclust / R / clustering.R
index c226786..14915ab 100644 (file)
@@ -1,6 +1,6 @@
 #' @name clustering
 #' @rdname clustering
-#' @aliases clusteringTask1 computeClusters1 computeClusters2
+#' @aliases clusteringTask1 clusteringTask2 computeClusters1 computeClusters2
 #'
 #' @title Two-stage clustering, withing one task (see \code{claws()})
 #'
@@ -31,7 +31,7 @@ NULL
 #' @rdname clustering
 #' @export
 clusteringTask1 = function(
-       indices, getContribs, K1, nb_series_per_chunk, ncores_clust=1, verbose=FALSE, parll=TRUE)
+       indices, getContribs, K1, nb_items_per_chunk, ncores_clust=1, verbose=FALSE, parll=TRUE)
 {
        if (verbose)
                cat(paste("*** Clustering task 1 on ",length(indices)," lines\n", sep=""))
@@ -67,8 +67,8 @@ clusteringTask1 = function(
 
 #' @rdname clustering
 #' @export
-clusteringTask2 = function(medoids, K2,
-       getRefSeries, nb_ref_curves, nb_series_per_chunk, ncores_clust=1,verbose=FALSE,parll=TRUE)
+clusteringTask2 = function(medoids, K2, getRefSeries, nb_ref_curves,
+       nb_series_per_chunk, nbytes,endian,ncores_clust=1,verbose=FALSE,parll=TRUE)
 {
        if (verbose)
                cat(paste("*** Clustering task 2 on ",nrow(medoids)," lines\n", sep=""))
@@ -77,7 +77,7 @@ clusteringTask2 = function(medoids, K2,
                return (medoids)
        synchrones = computeSynchrones(medoids,
                getRefSeries, nb_ref_curves, nb_series_per_chunk, ncores_clust, verbose, parll)
-       distances = computeWerDists(synchrones, ncores_clust, verbose, parll)
+       distances = computeWerDists(synchrones, nbytes, endian, ncores_clust, verbose, parll)
        medoids[ computeClusters2(distances,K2,verbose), ]
 }
 
@@ -87,7 +87,7 @@ computeClusters1 = function(contribs, K1, verbose=FALSE)
 {
        if (verbose)
                cat(paste("   computeClusters1() on ",nrow(contribs)," lines\n", sep=""))
-       cluster::pam(contribs, K1, diss=FALSE)$id.med
+       cluster::pam(        t(contribs)       , K1, diss=FALSE)$id.med
 }
 
 #' @rdname clustering
@@ -96,7 +96,7 @@ computeClusters2 = function(distances, K2, verbose=FALSE)
 {
        if (verbose)
                cat(paste("   computeClusters2() on ",nrow(distances)," lines\n", sep=""))
-       cluster::pam(distances, K2, diss=TRUE)$id.med
+       cluster::pam(       distances        , K2, diss=TRUE)$id.med
 }
 
 #' computeSynchrones
@@ -110,7 +110,7 @@ computeClusters2 = function(distances, K2, verbose=FALSE)
 #' @param nb_ref_curves How many reference series? (This number is known at this stage)
 #' @inheritParams claws
 #'
-#' @return A big.matrix of size K1 x L where L = data_length
+#' @return A big.matrix of size L x K1 where L = length of a serie
 #'
 #' @export
 computeSynchrones = function(medoids, getRefSeries,
@@ -142,8 +142,8 @@ computeSynchrones = function(medoids, getRefSeries,
                {
                        if (parll)
                                synchronicity::lock(m)
-                       synchrones[ mi[i], ] = synchrones[ mi[i], ] + ref_series[i,]
-                       counts[ mi[i] ] = counts[ mi[i] ] + 1 #TODO: remove counts?
+                       synchrones[, mi[i] ] = synchrones[, mi[i] ] + ref_series[,i]
+                       counts[ mi[i] ] = counts[ mi[i] ] + 1 #TODO: remove counts? ...or as arg?!
                        if (parll)
                                synchronicity::unlock(m)
                }
@@ -152,7 +152,7 @@ computeSynchrones = function(medoids, getRefSeries,
        K = nrow(medoids) ; L = ncol(medoids)
        # Use bigmemory (shared==TRUE by default) + synchronicity to fill synchrones in //
        # TODO: if size > RAM (not our case), use file-backed big.matrix
-       synchrones = bigmemory::big.matrix(nrow=K, ncol=L, type="double", init=0.)
+       synchrones = bigmemory::big.matrix(nrow=L, ncol=K, type="double", init=0.)
        counts = bigmemory::big.matrix(nrow=K, ncol=1, type="double", init=0)
        # synchronicity is only for Linux & MacOS; on Windows: run sequentially
        parll = (requireNamespace("synchronicity",quietly=TRUE)
@@ -181,14 +181,14 @@ computeSynchrones = function(medoids, getRefSeries,
 
        #TODO: can we avoid this loop? ( synchrones = sweep(synchrones, 1, counts, '/') )
        for (i in seq_len(K))
-               synchrones[i,] = synchrones[i,] / counts[i,1]
+               synchrones[,i] = synchrones[,i] / counts[i]
        #NOTE: odds for some clusters to be empty? (when series already come from stage 2)
        #      ...maybe; but let's hope resulting K1' be still quite bigger than K2
-       noNA_rows = sapply(seq_len(K), function(i) all(!is.nan(synchrones[i,])))
+       noNA_rows = sapply(seq_len(K), function(i) all(!is.nan(synchrones[,i])))
        if (all(noNA_rows))
                return (synchrones)
        # Else: some clusters are empty, need to slice synchrones
-       synchrones[noNA_rows,]
+       bigmemory::as.big.matrix(synchrones[,noNA_rows])
 }
 
 #' computeWerDists
@@ -203,20 +203,11 @@ computeSynchrones = function(medoids, getRefSeries,
 #' @return A matrix of size K1 x K1
 #'
 #' @export
-computeWerDists = function(synchrones, ncores_clust=1,verbose=FALSE,parll=TRUE)
+computeWerDists = function(synchrones, nbytes,endian,ncores_clust=1,verbose=FALSE,parll=TRUE)
 {
        if (verbose)
                cat(paste("--- Compute WER dists\n", sep=""))
 
-
-
-
-#TODO: serializer les CWT, les récupérer via getDataInFile 
-#--> OK, faut juste stocker comme séries simples de taille delta*ncol (53*17519)
-
-
-
-
        n <- nrow(synchrones)
        delta <- ncol(synchrones)
        #TODO: automatic tune of all these parameters ? (for other users)
@@ -227,32 +218,62 @@ computeWerDists = function(synchrones, ncores_clust=1,verbose=FALSE,parll=TRUE)
        #NOTE: default scalevector == 2^(0:(noctave * nvoice) / nvoice) * s0 (?)
        scalevector  <- 2^(4:(noctave * nvoice) / nvoice + 1)
        #condition: ( log2(s0*w0/(2*pi)) - 1 ) * nvoice + 1.5 >= 1
-       s0=2
-       w0=2*pi
+       s0 = 2
+       w0 = 2*pi
        scaled=FALSE
        s0log = as.integer( (log2( s0*w0/(2*pi) ) - 1) * nvoice + 1.5 )
        totnoct = noctave + as.integer(s0log/nvoice) + 1
 
        Xwer_dist <- bigmemory::big.matrix(nrow=n, ncol=n, type="double")
 
+       cwt_file = ".epclust_bin/cwt"
+       #TODO: args, nb_per_chunk, nbytes, endian
+
        # Generate n(n-1)/2 pairs for WER distances computations
-#      pairs = list()
-#      V = seq_len(n)
-#      for (i in 1:n)
-#      {
-#              V = V[-1]
-#              pairs = c(pairs, lapply(V, function(v) c(i,v)))
-#      }
-       # Generate "smart" pairs for WER distances computations
        pairs = list()
-       F = floor(2*n/3)
-       for (i in 1:F)
-               pairs = c(pairs, lapply((i+1):n, function(v) c(i,v)))
-       V = (F+1):n
-       for (i in (F+1):(n-1))
+       V = seq_len(n)
+       for (i in 1:n)
        {
                V = V[-1]
-               pairs = c(pairs, 
+               pairs = c(pairs, lapply(V, function(v) c(i,v)))
+       }
+
+       computeSaveCWT = function(index)
+       {
+               ts <- scale(ts(synchrones[index,]), center=TRUE, scale=scaled)
+               totts.cwt = Rwave::cwt(ts, totnoct, nvoice, w0, plot=FALSE)
+               ts.cwt = totts.cwt[,s0log:(s0log+noctave*nvoice)]
+               #Normalization
+               sqs <- sqrt(2^(0:(noctave*nvoice)/nvoice)*s0)
+               sqres <- sweep(ts.cwt,2,sqs,'*')
+               res <- sqres / max(Mod(sqres))
+               #TODO: serializer les CWT, les récupérer via getDataInFile ;
+               #--> OK, faut juste stocker comme séries simples de taille delta*ncol (53*17519)
+               binarize(c(as.double(Re(res)),as.double(Im(res))), cwt_file, ncol(res), ",", nbytes, endian)
+       }
+
+       if (parll)
+       {
+               cl = parallel::makeCluster(ncores_clust)
+               synchrones_desc <- bigmemory::describe(synchrones)
+               Xwer_dist_desc <- bigmemory::describe(Xwer_dist)
+               parallel::clusterExport(cl, varlist=c("synchrones_desc","Xwer_dist_desc","totnoct",
+                       "nvoice","w0","s0log","noctave","s0","verbose","getCWT"), envir=environment())
+       }
+
+       #precompute and serialize all CWT
+       ignored <-
+               if (parll)
+                       parallel::parLapply(cl, 1:n, computeSaveCWT)
+               else
+                       lapply(1:n, computeSaveCWT)
+
+       getCWT = function(index)
+       {
+               #from cwt_file ...
+               res <- getDataInFile(c(2*index-1,2*index), cwt_file, nbytes, endian)
+       ###############TODO:
+       }
 
        # Distance between rows i and j
        computeDistancesIJ = function(pair)
@@ -265,44 +286,21 @@ computeWerDists = function(synchrones, ncores_clust=1,verbose=FALSE,parll=TRUE)
                        Xwer_dist <- bigmemory::attach.big.matrix(Xwer_dist_desc)
                }
 
-               computeCWT = function(index)
-               {
-                       ts <- scale(ts(synchrones[index,]), center=TRUE, scale=scaled)
-                       totts.cwt = Rwave::cwt(ts, totnoct, nvoice, w0, plot=FALSE)
-                       ts.cwt = totts.cwt[,s0log:(s0log+noctave*nvoice)]
-                       #Normalization
-                       sqs <- sqrt(2^(0:(noctave*nvoice)/nvoice)*s0)
-                       sqres <- sweep(ts.cwt,2,sqs,'*')
-                       sqres / max(Mod(sqres))
-               }
-
                i = pair[1] ; j = pair[2]
                if (verbose && j==i+1)
                        cat(paste("   Distances (",i,",",j,"), (",i,",",j+1,") ...\n", sep=""))
-               cwt_i <- computeCWT(i)
-               cwt_j <- computeCWT(j)
+               cwt_i <- getCWT(i)
+               cwt_j <- getCWT(j)
 
-#print(system.time( {
                num <- epclustFilter(Mod(cwt_i * Conj(cwt_j)))
                WX  <- epclustFilter(Mod(cwt_i * Conj(cwt_i)))
-               WY  <- epclustFilter(Mod(cwt_j * Conj(cwt_j)))
+               WY <- epclustFilter(Mod(cwt_j * Conj(cwt_j)))
                wer2 <- sum(colSums(num)^2) / sum(colSums(WX) * colSums(WY))
                Xwer_dist[i,j] <- sqrt(delta * ncol(cwt_i) * max(1 - wer2, 0.)) #FIXME: wer2 should be < 1
                Xwer_dist[j,i] <- Xwer_dist[i,j]
-#} ) )
                Xwer_dist[i,i] = 0.
        }
 
-       if (parll)
-       {
-               cl = parallel::makeCluster(ncores_clust)
-               synchrones_desc <- bigmemory::describe(synchrones)
-               Xwer_dist_desc <- bigmemory::describe(Xwer_dist)
-
-               parallel::clusterExport(cl, varlist=c("synchrones_desc","Xwer_dist_desc","totnoct",
-                       "nvoice","w0","s0log","noctave","s0","verbose"), envir=environment())
-       }
-
        ignored <-
                if (parll)
                        parallel::parLapply(cl, pairs, computeDistancesIJ)