From: Benjamin Auder Date: Sat, 18 Feb 2017 12:12:01 +0000 (+0100) Subject: simplify stage2.R X-Git-Url: https://git.auder.net/doc/html/scripts/css/DESCRIPTION?a=commitdiff_plain;h=d7d55bc1e74711b0da84578ecdebc43eeb259599;p=epclust.git simplify stage2.R --- diff --git a/TODO b/TODO index 3a7c13e..96a8221 100644 --- a/TODO +++ b/TODO @@ -72,3 +72,10 @@ Reference values : --> 1000(nbTasks) tâches avec itérations possibles, puis phase 2 en fin de chaqune des 1000 tâches. On obtient 1000xK* médoïdes --> Phase 2 sur les 1000xK* médoïdes + +#point avec Jairo: +#rentrer dans code C cwt continue Rwave +#passer partie sowas à C +#fct qui pour deux series (ID, medoides) renvoie distance WER (Rwave ou à moi) +#transformee croisee , smoothing lissage 3 composantes , + calcul pour WER +#determiner nvoice noctave (entre octave + petit et + grand) diff --git a/epclust/R/main.R b/epclust/R/main.R index 867843b..e18ea7b 100644 --- a/epclust/R/main.R +++ b/epclust/R/main.R @@ -181,3 +181,4 @@ processChunk = function(indice, K, WER) #TODO: difficulté : retrouver courbe à partir de l'identifiant (DB ok mais le reste ?) #aussi : que passe-t-on aux noeuds ? curvesToCoeffs en // ? #enfin : WER ?! +#TODO: bout de code qui calcule les courbes synchrones après étapes 1+2 à partir des ID médoïdes diff --git a/epclust/R/stage2.R b/epclust/R/stage2.R index 9c15a74..fa55356 100644 --- a/epclust/R/stage2.R +++ b/epclust/R/stage2.R @@ -1,102 +1,39 @@ -#point avec Jairo: -#rentrer dans code C cwt continue Rwave -#passer partie sowas à C -#fct qui pour deux series (ID, medoides) renvoie distance WER (Rwave ou à moi) -#transformee croisee , smoothing lissage 3 composantes , + calcul pour WER -#attention : code fait pour des series temps desynchronisees ! (deltat, dt == 1,2 ...) -#determiner nvoice noctave (entre octave + petit et + grand) - library("Rwave") -#Entrée : courbes synchrones, soit après étape 1 itérée, soit après chaqure étape 1 -#TODO: bout de code qui calcule les courbes synchrones après étapes 1+2 à partir des ID médoïdes - -#toCWT: (aux) -##NOTE: renvoie une matrice 3D -toCWT <- function(X, sw=0, tw=0, swabs=0, nvoice=12, noctave=5, s0=2, w0=2*pi, - lt=24, dt=0.5, spectra=FALSE, smooth=TRUE, scaled=FALSE, scalevector) +#precondition: ( log2(s0*w0/(2*pi)) - 1 ) * nvoice + 1.5 >= 1 +toCWT <- function(X, tw=0, swabs=0, nvoice=12, noctave=5, s0=2, w0=2*pi, + spectra=FALSE, smooth=TRUE, scaled=FALSE, scalevector) { - noctave <- adjust.noctave(lt, dt, s0, tw, noctave) if(missing(scalevector)) scalevector <- 2^(0:(noctave * nvoice) / nvoice) * s0 + s0log=as.integer((log2( s0*w0/(2*pi) )-1)*nvoice+1.5) + totnoct=noctave+as.integer(s0log/nvoice)+1 res <- lapply(1:nrow(X), function(n) { - tsX <- ts( X[n,] ) - tsCent <- tsX - mean(tsX) - if(scaled) - tsCent <- ts(scale(tsCent)) - tsCent.cwt <- cwt.ts(tsCent, s0, noctave, nvoice, w0) - tsCent.cwt + ts <- scale(ts( X[n,] ), center=TRUE, scale=scaled) + totts.cwt = Rwave::cwt(ts,totnoct,nvoice,w0,plot=0) + ts.cwt=totts.cwt[,s0log:(s0log+noctave*nvoice)] + #Normalization + sqs <- sqrt(2^(0:(noctave*nvoice)/nvoice)*s0) + smat <- matrix(rep(sqs,length(t)),nrow=length(t),byrow=TRUE) + ts.cwt*smat }) if( spectra ) res <- lapply(res, function(l) Mod(l)^2 ) if( smooth ) - res <- lapply(res, smCWT, swabs = swabs, tw = tw, dt = dt, scalevector = scalevector) + res <- lapply(res, smCWT, swabs = swabs, tw = tw, scalevector = scalevector) resArray <- array(NA, c(nrow(res[[1]]), ncol(res[[1]]), length(res))) for( l in 1:length(res) ) resArray[ , , l] <- res[[l]] resArray } -#from sowas -adjust.noctave <- function(N,dt,s0,tw,noctave) -{ - if (tw>0) - { - dumno <- as.integer((log(N*dt)-log(2*tw*s0))/log(2)) - if (dumno taille ??! - mat1 <- vect2mat(Xcwt2[i,], delta, lscvect) + mat1 <- matrix(as.vector(Xcwt2[i,])[-(1:2)], m, lscvect) for(j in (i + 1):n) { - mat2 <- vect2mat(Xcwt2[j,], delta, lscvect) + mat2 <- matrix(as.vector(Xcwt2[j,])[-(1:2)], m, lscvect) num <- Mod(mat1 * Conj(mat2)) WX <- Mod(mat1 * Conj(mat1)) WY <- Mod(mat2 * Conj(mat2)) @@ -180,8 +108,8 @@ step2 = function(conso) smsmWX <- smCWT(WX, scalevector = scalevector4) smsmWY <- smCWT(WY, scalevector = scalevector4) wer2 <- sum(colSums(smsmnum)^2) / - sum( sum(colSums(smsmWX) * colSums(smsmWY)) ) - Xwer_dist[i, j] <- sqrt(delta * lscvect * (1 - wer2)) + sum( sum(colSums(smsmWX) * colSums(smsmWY)) ) + Xwer_dist[i, j] <- sqrt(m * lscvect * (1 - wer2)) Xwer_dist[j, i] <- Xwer_dist[i, j] } }