Пост и код приведённый ниже, предназначен не столько для использования алгоритма в рабочих целях, сколько для того, чтобы понять, как алгоритм fuzzy c-means работает и возможно, дать толчок к реализации этого алгоритма на других языках либо для усовершенствования приведённого кода и его дальнейшего использования в рабочих целях.
Общие сведения
Для начала стоит очень быстро рассказать, что такое кластеризация и что особенного в нечёткой кластеризации.
Кластеризация, как описывает это слово Викисловарь,
группировка, разбиение множества объектов на непересекающиеся подмножества, кластеры, состоящие из схожих объектов
Данное определение вполне понятное и я думаю не нуждается в дополнительном объяснении.
Что же тогда такое «нечёткая кластеризация»?
Нечёткую кластеризацию от просто кластеризации отличает то, что объекты, которые подвергаются кластеризации, относятся к конкретному кластеру с некой принадлежностью, а не однозначно, как это бывает при обычной кластеризации. Например, при нечёткой кластеризации объект A относится к кластеру K1 с принадлежностью 0.9, к кластеру K2 — с принадлежностью 0.04 и к кластеру К3 — с принадлежностью 0.06. При обычной же (чёткой) кластеризации объект А был бы отнесён к кластеру K1.
Математическое описание данного алгоритма Вы можете найти в данном хабрапосте.
Реализация fuzzy c-means на PHP.
Давайте перейдём непосредственно к реализации алгоритма. Для этого я бы рассмотрел реализацию на более-менее реальном примере. Таким примером может быть следующий — давайте кластеризируем пиксели по их RGB-значению, т.е. фактически по цвету. В итоге, мы сможем увидеть результат выполнения алгоритма наглядно.
Ниже приведён код алгоритма, который далее я разберу чуть подробнее.
define('EPLSION', 0.1);
define('MAX_EXECUTION_CYCLES', 150);
define('POINTS_COUNT', 100);
define('CLUSTERS_NUM', 3);
define('FUZZ', 1.5);
class Point
{
public $r;
public $g;
public $b;
}
// Random values 0 - 1
function random_float ($min,$max) {
return ($min+lcg_value()*(abs($max-$min)));
}
// Fuzzy C Means Algorithm
function distributeOverMatrixU($arr, $m, &$centers)
{
$centers = generateRandomPoints(CLUSTERS_NUM);
$MatrixU = fillUMatrix(count($arr), count($centers));
$previousDecisionValue = 0;
$currentDecisionValue = 1;
for($a = 0; $a < MAX_EXECUTION_CYCLES && (abs($previousDecisionValue - $currentDecisionValue) > EPLSION); $a++){
$previousDecisionValue = $currentDecisionValue;
$centers = calculateCenters($MatrixU, $m, $arr);
foreach($MatrixU as $key=>&$uRow){
foreach($uRow as $clusterIndex=>&$u){
$distance = evklidDistance3D($arr[$key], $centers[$clusterIndex]);
$u = prepareU($distance, $m);
}
$uRow = normalizeUMatrixRow($uRow);
}
$currentDecisionValue = calculateDecisionFunction($arr, $centers, $MatrixU);
}
return $MatrixU;
}
function fillUMatrix($pointsCount, $clustersCount)
{
$MatrixU = array();
for($i=0; $i<$pointsCount; $i++){
$MatrixU[$i] = array();
for($j=0; $j<$clustersCount; $j++){
$MatrixU[$i][$j] = random_float(0, 1);
}
$MatrixU[$i] = normalizeUMatrixRow($MatrixU[$i]);
}
return $MatrixU;
}
function calculateCenters($MatrixU, $m, $points)
{
$MatrixCentroids = array();
for($clusterIndex=0; $clusterIndex < CLUSTERS_NUM; $clusterIndex++){
$tempAr = 0;
$tempBr = 0;
$tempAg = 0;
$tempBg = 0;
$tempAb = 0;
$tempBb = 0;
foreach($MatrixU as $key=>$uRow){
$tempAr += pow($uRow[$clusterIndex],$m);
$tempBr += pow($uRow[$clusterIndex],$m) * $points[$key]->r;
$tempAg += pow($uRow[$clusterIndex],$m);
$tempBg += pow($uRow[$clusterIndex],$m) * $points[$key]->g;
$tempAb += pow($uRow[$clusterIndex],$m);
$tempBb += pow($uRow[$clusterIndex],$m) * $points[$key]->b;
}
$MatrixCentroids[$clusterIndex] = new Point();
$MatrixCentroids[$clusterIndex]->r = $tempBr / $tempAr;
$MatrixCentroids[$clusterIndex]->g = $tempBg / $tempAg;
$MatrixCentroids[$clusterIndex]->b = $tempBb / $tempAb;
}
return $MatrixCentroids;
}
function calculateDecisionFunction($MatrixPointX, $MatrixCentroids, $MatrixU)
{
$sum = 0;
foreach($MatrixU as $index=>$uRow){
foreach($uRow as $clusterIndex=>$u){
$sum += $u * evklidDistance3D($MatrixCentroids[$clusterIndex], $MatrixPointX[$index]);
}
}
return $sum;
}
function evklidDistance3D($pointA, $pointB)
{
$distance1 = pow(($pointA->r - $pointB->r),2);
$distance2 = pow(($pointA->g - $pointB->g),2);
$distance3 = pow(($pointA->b - $pointB->b),2);
$distance = $distance1 + $distance2 + $distance3;
return sqrt($distance);
}
function normalizeUMatrixRow($MatrixURow)
{
$sum = 0;
foreach($MatrixURow as $u){
$sum += $u;
}
foreach($MatrixURow as &$u){
$u = $u/$sum;
}
return $MatrixURow;
}
function prepareU($distance, $m)
{
return pow(1/$distance , 2/($m-1));
}
function generateRandomPoints($count){
$points = array_fill(0, $count, false);
array_walk($points, function(&$value, $key){
$value = new Point();
$value->r = rand(20, 235);
$value->g = rand(20, 235);
$value->b = rand(20, 235);
});
return $points;
}
$points = generateRandomPoints(POINTS_COUNT);
$centers = array();
$matrixU = distributeOverMatrixU($points, FUZZ, $centers);
Начнём рассмотрение алгоритма с функции, которая собственно и запускает сам алгоритм кластеризации — distributeOverMatrixU
Входными параметрами для неё являются массив кластеризируемых объектов(в нашем случае рандомно заполненный массив, содержащий об]екты класса Point) и коэффициент неопределённости. Возвращаемое значение — матрица принадлежности. Также был добавлен в функцию in/out параметр centers, в котором после выполнения алгоритма будут центры наших кластеров.
Шаги по нахождению новых центров кластеров и пересчёте матрицы принадлежности ограничены константами MAX_EXECUTION_CYCLES и EPSILON, где MAX_EXECUTION_CYCLES — ограничивает количество шагов, EPSILON — ограничивает точность нахождения матрицы принадлежности.
Каждый шаг алгоритма таков:
1) рассчитываем центры кластеров с помощью функции calculateCenters
2) далее для каждого объекта рассчитываем Евклидово расстояние до центра каждого кластера (функция evklidDistance3D — пространство 3х мерное у нас)
3) рассчитываем коэффициент принадлежности u для данного объекта (функция prepareU)
4) нормализуем коэффициенты u для данного объекта (функция normalizeUMatrixRow)
5) рассчитываем значение решающей функции (функция calculateDecisionFunction)
6) далее сравнивается текущее значение решающей функции с предыдущим её значением и если их разница меньше установленного EPSILON, то алгоритм прекращает работу.
Теперь чуть подробнее о каждом шаге:
1) центры рассчитываются по следующей формуле
где wk(x) — коэффициент принадлежности, m — коэффициент неопределённости, x — объект (в самом алгоритме в качестве х выступают составляющие R, G, B)
2) Евклидово расстояние мы рассчитываем для 3х измерений, т.е. формула следующая:r = sqrt((r2-r1)^2 + (g2-g1)^2 + (b2-b1)^2);
где r,g,b — составляющие RGB
3) коэффициент принадлежности рассчитывается по формулеu = (1/d)^(2/(m-1)),
где d — расстояние от объекта до центра кластера, m — коэффициент неопределённости.
4) нормализация всех коэффициентов принадлежности объекта — преобразуем коэффициенты, чтобы в сумме они давали 1, т.е. фактически делим каждый коэффициент на сумму всех коэффициентов данного объекта
5) решающая функция возвращает сумму всех Евклидовых расстояний каждого объекта к каждому центру кластера умноженному на коэффициент принадлежности
6) по модулю вычитаем предыдущее и текущее значение решающей функции, и если это разница меньше EPSILON — алгоритм прекращает и возвращается найденная матрица принадлежности.
В конце хотелось бы добавить пару скриншотов, демонстрирующих результаты работы алгоритма.
На рисунках видно, что алгоритм отработал верно и отнём похожие по цветам точки к одним и тем же класстерам
Таким образом, я представил Вам базовую реализацию алгоритма нечёткой кластеризации fuzzy c-means. Надеюсь, она будет Вам полезна.
Спасибо за внимание.
This entry passed through the Full-Text RSS service — if this is your content and you're reading it on someone else's site, please read the FAQ at fivefilters.org/content-only/faq.php#publishers.
Комментариев нет:
Отправить комментарий