learn_2s_som.m 10.5 KB
Newer Older
1
function [sMap sMap_denorm Result] = learn_2s_som(A,nb_neurone,varargin)
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 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73
% Cree la carte SOM ou S2-SOM Pour donnees cachees
%
% En entree obligatoire
%
%   A: les donnees cachees
%   nb_neurone: Nombre de neurones 
%
% En option
%
%   radius: en forme de vecteur, chaque deux elements qui ce suivent constitue
%           une temperature [i..i+1],[i+1..i+2],....
%   trainlen: en forme de vecteur: chaque element constitue une itération de
%           l'entraienement. NB:vecteur radius doit avoir un element en plus
%           que le vecteur trainlen.
%   tracking: pour visualiser l'apprentissage.
%
%   'S2-SOM': pour faire l'apprentissage avec S2-SOM. Si 'S2-SOM' est
%           specifie alors il faut d'autres parametres:
%
%   DimData: vecteur contenant la dimention de chaque bloc.
%   lambda: vecteur, c'est un hyperparametre pour calculer le poids sur les
%           blocs.
%   eta: vecteur, c'est un hyperparametre pour calculer le poids sur les
%           variables.
%
% En sortie
%
%   sMap: La carte SOM ou S2-SOM.
%
%   sMap_denorm: La carte SOM ou S2-SOM, denormalisee.
%
%   Result: structure (vecteur) avec les sorties ou resultats de chaque cas
%           entraine (avec une paire distincte de la combinaison entre lambda
%           et eta): sMap, bmus, Alpha, Beta, Perf.
%
%           Champs de Result:
%              sMap: La carte SOM ou S2-SOM du cas.
%              bmus: Bmus (best matching units) sur toute la zone.
%              Alpha: Coefficients Alpha multipliant les groupes.
%              Beta: Coefficients Alpha multipliant les variables au sans de la
%                  Carte Topologique.
%              Perf: parametre "distortion measure for the map", calcule par
%                  la fonction som_distortion.
%
%   (bmus_pixel:(best matching units) par pixel.)
% Detailed explanation goes here
  
  
% Valeurts par defaut
  tracking  = 0;
  init      = 'lininit';
  lattice   = 'rect';
  bool_norm = 0;
  
  Result    = [];
  
  init_with_make = 1;
  pre_train      = 1;
  
  %recuperer les donnees
  data.data=A;
  label=[1:size(data.data,2)];
  
  %Labelise les donnees
  ListVar={};
  for l=1:length(label)
    ListVar{l}=char(strcat('v ',int2str(label(l))));
  end
  data.colheaders=ListVar;
  
  data_casename='simulation';
  
74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89
  % --- CM pour ajouter les arguments 'data_name' et 'comp_names'
  i=1;
  while (i<=length(varargin))
    if ischar(varargin{i})
      switch varargin{i},
        case { 'data_name' },
          data_casename = varargin{i+1};
          i=i+1;
        case { 'comp_names' },
          data.colheaders = varargin{i+1};
          i=i+1;
      end
    end
    i=i+1;
  end
  
90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129
  sD = som_data_struct(data.data,'name', data_casename,'comp_names', upper(ListVar));
  i=1;
  while (i<=length(varargin) && bool_norm==0)
    if strcmp(varargin{i},'norm')
      bool_norm=1; 
      type_norm=varargin{i+1};
    end
    i=i+1;
  end
  
  %normalisation des donnees
  if bool_norm
    fprintf(1,'\n-- Normalisation des donnees selon ''%s'' ...\n', type_norm);
    if strcmp(type_norm,'simple')
      sD_norm=som_normalize(sD);
    else
      sD_norm=som_normalize(sD,type_norm);
    end
  else           
    fprintf(1,'\n-- Pas de normalisation des donnees ...\n');
    sD_norm = sD;
  end
  
  
  if ~isempty(varargin)
    i=1;
    while i<=length(varargin)
      if strcmp(varargin{i},'init')
        init=varargin{i+1};
      end
      if strcmp(varargin{i},'tracking')
        tracking=varargin{i+1};
      end
      if strcmp(varargin{i},'lattice')
        lattice=varargin{i+1};
      end
      i=i+1;
    end
  end

130 131 132 133 134 135
  fprintf(1,[ '\n-- ------------------------------------------------------------------\n', ...
              '-- New 2S-SOMTraining function:\n', ...
              '--   %s (''%s'', ''%s'', ''%s'', ... )\n', ...
              '-- ------------------------------------------------------------------\n' ], ...
          mfilename, init, lattice, data_casename);

136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161 162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178 179 180 181 182 183 184 185 186 187 188 189 190 191 192 193 194 195 196 197 198 199 200 201 202 203 204 205 206 207 208 209 210 211 212 213 214 215 216 217 218 219 220 221 222 223 224 225 226 227 228 229 230 231 232 233 234 235 236 237 238 239 240 241 242 243 244 245 246 247 248 249 250 251 252 253 254 255 256 257 258 259 260 261 262 263 264 265 266 267 268 269 270 271 272 273 274 275 276 277 278 279 280 281 282 283 284 285 286 287 288 289 290 291 292 293 294 295 296 297 298 299 300 301 302 303 304 305 306 307 308 309 310 311 312 313 314 315 316 317 318 319 320 321 322 323 324 325 326 327 328 329 330 331 332 333 334 335 336 337 338 339 340 341 342 343 344 345 346 347 348 349 350 351 352 353 354 355 356 357 358 359 360 361 362 363
  %SOM initialisation
  if init_with_make
    fprintf(1,'\n-- Initialisation avec SOM_MAKE ... ')
    sMap=som_make(sD_norm.data, ...
                  'munits',   nb_neurone, ...
                  'lattice',  lattice, ...
                  'init',     init, ...
                  'tracking', tracking); % creer la carte initiale avec et effectuer un entrainenemt

  else
    if strcmp(init,'randinit')
      fprintf(1,'\n-- Initialisation avec SOM_RANDINIT ... ')
      sMap=som_randinit(sD_norm.data, ...
                        'munits',   nb_neurone, ...
                        'lattice',  lattice, ...
                        'tracking', tracking); % creer la carte initiale

    elseif strcmp(init,'lininit')
      fprintf(1,'\n-- Initialisation avec SOM_LININIT ... ')
      sMap=som_lininit(sD_norm.data, ...
                       'munits',   nb_neurone, ...
                       'lattice',  lattice, ...
                       'tracking', tracking); % creer la carte initiale

    else
      error(sprintf(['\n *** %s error: invalid ''init'' option ''%s'' ***\n', ...
                     '     Shoud be one between { ''lininit'', ''randinit'' } ***\n' ], ...
                    mfilename, init));
    end
    fprintf(1,' <som init END>.\n')
  end
  
  bool_rad=0;
  bool_trainlen=0;
  if ~isempty(varargin)
    
    i=1;
    while i<=length(varargin)
      if ischar(varargin{i})
        switch varargin{i}
          case 'radius'
            bool_rad=1;
            loc_rad=i;
            rad=varargin{loc_rad+1};
            i=i+1;
          case 'trainlen' 
            bool_trainlen=1;
            loc_trainlen=i;
            trlen=varargin{loc_trainlen+1};
            i=i+1;
          otherwise
            i=i+1;
        end
      else
        i=i+1;
      end
    end

    if pre_train
      tracking_ini = tracking;
      %tracking_ini = 1;
      
      % batchtrain avec radius ...
      if (bool_rad && ~bool_trainlen)
        fprintf(1,'\n-- BATCHTRAIN initial avec radius ... ')
        if tracking_ini, fprintf(1,'\n'); end
        %rad=varargin{loc_rad+1};
        j=1;
        while j<length(rad)
          
          sMap=som_batchtrain(sMap,sD_norm.data,'radius',[rad(j) rad(j+1)],'tracking',tracking_ini);
          j=j+1;
          
        end
      end
      % batchtrain avec trainlen ...
      if (~bool_rad && bool_trainlen) 
        fprintf(1,'\n-- BATCHTRAIN initial avec trainlen ... ')
        if tracking_ini, fprintf(1,'\n'); end
        %trlen=varargin{loc_trainlen+1};
        j=1;
        while j<=length(trlen)
          
          sMap=som_batchtrain(sMap,sD_norm.data,'trainlen',trlen(j),'tracking',tracking_ini);
          j=j+1;
          
        end
      end
      % batchtrain avec radius et trainlen             
      if (bool_rad && bool_trainlen) 
        fprintf(1,'\n-- BATCHTRAIN initial avec radius et trainlen ... \n')
        if tracking_ini, fprintf(1,'\n'); end
        %rad=varargin{loc_rad+1};
        %trlen=varargin{loc_trainlen+1};
        if length(rad)==length(trlen)+1
          
          j=1;
          while j<length(rad)
            
            sMap=som_batchtrain(sMap,sD_norm.data,'radius',[rad(j) rad(j+1)],'trainlen',trlen(j),'tracking',tracking_ini);
            j=j+1;
            
          end
        else
          error('vecteur radius doit avoir un element en plus que le vecteur trainlen ')
        end
      end
      
      current_perf = som_distortion(sMap,sD_norm);
      fprintf(1,'--> som_distortion apres entrainement initiale = %s\n', num2str(current_perf));
      
    else
      fprintf(1,'** batchtrain initial non active **\n')
    end
  end
  
  %S2-SOM
  bool_2ssom=0;
  bool_DimData=0;
  bool_lambda=0;
  bool_eta=0;
  
  if ~isempty(varargin)
    i=1;
    while i<=length(varargin)
      if ischar(varargin{i}) 
        switch varargin{i} 
          
          case 'S2-SOM'
            disp('** S2-SOM Active **');
            bool_2ssom=1;
            i=i+1;
            %mettre en bloc
          case 'DimData'
            i=i+1;
            DimData=varargin{i};
            for di=1:length(DimData)
              DimBloc(di).Dim=DimData(di);
            end
            bool_DimData=1;
          case 'lambda' 
            i=i+1; 
            lambda=varargin{i};
            if length(lambda) < 1
              error('lambda est de longueur nulle !  Il doit y avoir au moins une valeur')
            end
            bool_lambda=1;
          case 'eta' 
            i=i+1; eta=varargin{i};
            if length(eta) < 1
              error('eta est de longueur nulle !  Il doit y avoir au moins une valeur')
            end
            bool_eta=1;
          otherwise
            i=i+1;
            
        end
      else
        i=i+1;
      end
    end
    
    if (bool_2ssom)
      if(bool_lambda && bool_eta && bool_DimData)
        
        best_i   = 0;
        best_j   = 0;
        bestperf = inf;

        i_train = 1;
        n_train = length(lambda)*length(eta);
        for i=1:length(lambda)
          for j=1:length(eta)
            fprintf(1,'\n-- batchtrainRTOM (%d/%d) with lambda=%s and eta=%s ... ',i_train, ...
                    n_train, num2str(lambda(i)),num2str(eta(j)));
            if tracking, fprintf(1,'\n'); end

            [Result(i,j).sMap Result(i,j).bmus Result(i,j).Alpha Result(i,j).Beta] = som_batchtrainRTOM( ...
                sMap, sD_norm, ...
                'TypeAlgo','2SSOM', ...
                'DimData',DimData, ...
                'DimBloc',DimBloc, ...
                'lambda', lambda(i), ...
                'eta',eta(j), ...
                'radius',[rad(round(length(rad)/2)) ...
                          rad((round(length(rad)/2))+1)], ...
                'trainlen',trlen(round(length(trlen)/2)), ...
                'tracking',tracking);

            current_perf = som_distortion(Result(i,j).sMap,sD_norm);
            fprintf(1,'   --> som_distortion=%s\n', num2str(current_perf));
            %  end
            %end
            % best_i=0;
            % best_j=0;
            % bestperf=inf;
            % for i=1:length(lambda)
            %   for j=1:length(eta)
            %         
            Result(i,j).Perf = current_perf;
            if Result(i,j).Perf < bestperf
              best_i = i;
              best_j = j;
            end

            i_train = i_train + 1;
          end
        end
        
        sMap = Result(best_i,best_j).sMap;
        
      else
        error('manque de parametre')
      end
    elseif (bool_lambda || bool_eta || bool_DimData)
      error('mentionnez si vous voulez S2-SOM')
    end
    
  end
  
  % denormalisation de la Map
  if bool_norm
    sMap_denorm=som_denormalize(sMap,sD_norm.comp_norm);
  else
    sMap_denorm=sMap;
  end
  
  return