Discussion :

[nonoprig]

Bonjour,

Je voudrais effectuer une classification à partir d'une matrice ou chaque variable a un certain poids, existe-t-il un moyen de mettre la matrice de poids en paramètre?

Merci beaucoup.

[mr_samurai]

Si je crois la Doc de ma version (7.0) , tu ne peux pas injecter d'information sur le poids .

Sinon, voici le code d'un K-mean cluster basique que j'avais fait. Tu peux pi etre l'adapter à ton cas:

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
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
 
function [ clusterimage ] = kmean_cluster_seg(image, k)
% K-mean cluster
% 
 
% Init 
colors = 255*rand(k,1);
clusterimage = zeros(size(image));
image = cast(image, 'double');
%
Errors = inf;
 
% (1%) allow
while (Errors > 0.01*size(image,1)*size(image,2)) 
 
    kSize = zeros(k,1);
    kSum = zeros(k,1);
    Errors = 0;
    % Set Colors
    for i=1:size(image,1)
        % Init
        for j=1:size(image,2)
 
            % Min 
            MatDiff = abs(colors-image(i,j));
            [colorDiff colorMin] = min(MatDiff);
 
            % Diff with Older 
            if colorMin ~= clusterimage(i,j)
               Errors = Errors +1;
            end
 
            % Set Map
            clusterimage(i,j) = colorMin;
 
            % Add Result 
            kSize(colorMin) = kSize(colorMin) + 1;
            kSum(colorMin) = kSum(colorMin) + image(i,j); 
        end
    end
    % Compute colors Means 
    colors =  kSum./kSize;
end
 
clusterimage = cast(round(clusterimage*255/k),'uint8');

[vinc-mai]

Avant d'utiliser la fonction kmean de matlab, il est nécéssaire de normaliser tes données. Il suffit ensuite de pondérer la variable de ton choix.