Discussion :

[moha_namb]

salut
J'ai une base d'images
Et je veux utiliser le classifieur kmeans pour classer en 3 classes
(mer foret urbain)
Mais je suis debutant et je veux aider

[Jean Dumoncel]

Bonjour,

quelle est la question precisement?
Montre-nous ce que tu as commence a coder.

[moha_namb]

Je fais

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
12
 
xy{1} %  les caractéristiques des images foret. 131 img
xy{2} % les caractéristiques des images mer. 120 img
xy{3} % les caractéristiques des images urbain. 100 img
% xy est une matrice de caractéristiques de 18 colonne et (131 ou 120 ou 100)lignes  %
% mettre les caractéristiques de toutes les images en 1 vecteur
t=[xy{1};xy{2};xy{3}];
% faire la classification en 3 classes
[idx1 dv1] = kmeans(t,k,...
                    'Distance','city',...
                    'Replicates',1);
 idx1;

Mais je ne savais pas comment obtenir le taux de classification

le taux est calculé comme ça

            foret	mer	urbain
img foret   n11		x	x
img mer     x		n22  	x
img urbain  x     	x      	n33

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

taux=(n11+n22+n33)/351

351=somme des images(foret+mer+urbain)

Mais je ne sais pas comment distinguer les 3 classes
merci

[moha_namb]

apres je fais ca
j'ai sommer les 3 xy{1:3} dans t

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
 
t=[xy{1};xy{2};xy{3}];
% faire la classification en 3 class
[idx1 dv1] = kmeans(t,k,...
                    'Distance','city',...
                    'Replicates',1);
 v=[0 ,131, 251 ,351];
 for g=1:3
y(1:3)=zeros;
 for i=v(g)+1:v(g+1)
     y(idx1(i))=y(idx1(i))+1;
 end
yy(g,:)=y;
end
% r = taux de classifi
r=sum(diag(yy))/351*100

Ce processus m'a donné un résultat, mais le résultat n'est pas fixé
il n'est pas stable.
Y at-il une solution

[Jean Dumoncel]

Ce processus m'a donné un résultat, mais le résultat n'est pas fixé
il n'est pas stable.

C'est normal, c'est le principe de la méthode utilisée : les centres des clusters sont choisis aléatoirement parmi tes vecteurs, ce qui explique que le résultat peut-être vraiment différents à chaque fois que tu lances ton programme. Pour plus d'explications, voir l'option 'start' de la fonction. Une première idée est d'utiliser une matrice contenant un exemple de chacune de tes classes.

[moha_namb]

bonjour
Je l'ai fait comme vous dites

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
 
matrix(:,:,1)=xy1t(1,:); % exemple de 1 classe
matrix(:,:,2)=xy2t(1,:); % exemple de 2 classe
matrix(:,:,3)=xy3t(1,:); % exemple de 3 classe
 
t=[xy{1};xy{2};xy{3}];
% faire la classification en 3 class
[idx1 dv1] = kmeans(t,k,...
                    'Distance','city',...
                    'Replicates',3,...
                    'start',matrix););
 v=[0 ,131, 251 ,351];
 for g=1:3
y(1:3)=zeros;
 for i=v(g)+1:v(g+1)
     y(idx1(i))=y(idx1(i))+1;
 end
yy(g,:)=y;
end
% r = taux de classifi
r=sum(diag(yy))/351*100

mais il y a cette erreur

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
 
??? Error using ==> kmeans at 214
The 'Start' matrix must have the same number of columns as X.
 
Error in ==> Untitled at 26
[idx1 dv1] = kmeans(t,k,...

Comment regler
merci

[Invité]

Bonsoir,

Le message d'erreur est je pense assez explicite:

'Start' matrix must have the same number of columns as X.

Autrement-dit la matrice matrix que tu spécifies en faisant 'start',matrix doit avoir le même nombre de colonnes que ton autre entrée t.