clusteringHierarchiqueTemplate.py

Aller à la documentation de ce fichier.

#-------------------------------------------------------------------------------
print "Algorithme de clustering hierarchique"
print "\t@version: 1.2  date: 26/06/2007 modified by Thomas Leaute"
print "\t@version: 1.1  date: 25/05/2007 modified by Thomas Leaute"
print "\t@version: 1.0  date: 05/03/2007 created by Thomas Leaute"
print "\t@author: thomas.leaute _AT_ epfl.ch date: 09/05/2007"
print "\t@copyright: EPFL-IC-IIF-LIA 2007"
#-------------------------------------------------------------------------------
## @package clusteringHierarchiqueTemplate Algorithme de clustering hierarchique, par single-link et complete-link

## @file clusteringHierarchiqueTemplate.py Algorithme de clustering hierarchique, par single-link et complete-link

execfile("distance.py")

## "single-link" ou "complete-link" 
METHODE = "" 

## liste des noeuds de dendogramme restant a fusionner
NOEUDS = [] 

##  \brief Cette classe represente un noeud dans un dendogramme de clusters
class Noeud:

        ## @var profondeur 
        # \brief Profondeur du noeud dans le dendogramme
        
        ## @var successeurs 
        # \brief Liste des successeurs du noeud dans le dendogramme
        
        ## @var cluster 
        # \brief Cluster associe a ce noeud
        
        ## \brief Constructeur
        # @param self Reference vers l'objet
        # @param p Profondeur du noeud dans le dendogramme
        # @param succ Liste des successeurs du noeud
        # @param c Cluster associe a ce noeud. Si pas precise, construit le cluster comme l'union des clusters des successeurs
        def __init__ (self, p, succ, c = None):
                self.profondeur = p
                self.successeurs = succ
                if c != None:
                        self.cluster = c
                else:
                        self.cluster = [ donnee for noeud in self.successeurs for donnee in noeud.cluster ]
        
        ## \brief Affiche le dendogramme qui a ce noeud pour racine
        # @param self Reference vers l'objet
        # @param prefixe (optionnel) String a utiliser comme prefixe en debut de chaque ligne
        def afficheDentogramme (self, prefixe = ""):
                print prefixe + str(self.cluster)
                for i in range(0, len(self.successeurs)):
                        print prefixe + "|\n" + prefixe + "|"
                        trait = "---" + "".join(["---" for j in range(0, self.successeurs[i].profondeur - self.profondeur - 1)])
                        marge = "".join(["   " for j in range(0, self.successeurs[i].profondeur - self.profondeur - 1)])
                        if i == len(self.successeurs)-1:
                                marge = "   " + marge
                        else:
                                marge = "|  " + marge
                        print prefixe + trait
                        self.successeurs[i].afficheDentogramme(prefixe + marge)
                

## \brief Initialise l'algorithme
# 
# Transforme les donnees en une liste de noeuds, chaque noeud correspondant a un cluster contenant une unique donnee
# @param methode Methode utilisee ("complete-link" ou "single-link") 
def chargeDonnees (methode):
        global NOEUDS, METHODE
        METHODE = methode
        print "a completer"


## \brief Retourne si tous les clusters ont ete fusionnes  
# @return True si et seulement si \c NOEUDS ne contient plus qu'un seul noeud
def fini ():
        print "a completer"
        
        
## \brief Distance entre deux clusters 
# 
# Consulte la valeur de \c METHODE pour decider de la methode de calcul de la distance
# @param cluster1 Premier cluster
# @param cluster2 Deuxieme cluster
# @return La distance entre \c cluster1 et \c cluster2
def distanceClusters (cluster1, cluster2):
        if METHODE == "single-link":
                print "a completer"
        elif METHODE == "complete-link":
                print "a completer"
        else:
                print "Methode de calcul de la distance entre clusters '" + METHODE + "' inconnue"
                return None
        
        
## \brief Fusionne les deux clusters les plus similaires dans la liste \c NOEUDS
def reviseClusters ():

        # S'il y a strictement moins de 2 noeuds :
        if len(NOEUDS) <= 1:
                return 
        
        # Sinon (plus de 2 noeuds), trouve les 2 noeuds dont les clusters sont les plus similaires :
        print "a completer"
                                
        # Fusionne les deux clusters trouves pour former un nouveau noeud : 
        print "a completer"
                                

## \brief Affiche le resultat du clustering, i.e. le dendogramme obtenu
def afficheResultat (): 
        NOEUDS[0].afficheDentogramme()


############################

# Charge la base de donnees :
#execfile("maladies.py")
execfile("profits.py")

# Initialise l'algorithme de clustering hierarchique :
chargeDonnees("single-link") 
#chargeDonnees("complete-link") 

# Lance l'agorithme de clustering :
execfile("clustering.py")

---