既然已經有 idx 和 gnd 為什么不直接比較 而使用missclassGroups 函式 生成全排列來進行比較呢。
此外 還想加入 ari,nmi 的計算。搞清楚這個acc是第一步
大家懂的分享一下~
function [miss1,index] = missclassGroups(Segmentation,RefSegmentation,ngroups)
if(size(RefSegmentation,2)==1)
RefSegmentation=RefSegmentation';
end
if(size(Segmentation,2)==1)
Segmentation=Segmentation'; %都變成行向量
end
Permutations = perms(1:ngroups);
miss = zeros(size(Permutations,1),size(Segmentation,1));
for k=1:size(Segmentation,1) %實際就只有一層回圈 k=1
for j=1:size(Permutations,1)
miss(j,k) = sum( abs(Segmentation(k,:)-Permutations(j,RefSegmentation))>0.1 );
%Permutations(j,RefSegmentation) 與RefSeg維度一樣 即 等于樣本個數
% 為第j個全排列，按照RefSeg(真實值)的順序，依次從這個全排列中取出來 (可嘗試 Permutations(1,[1,5,0]) )
% 為什么要這樣算ACC？？
%相減取絕對值>0.1為判斷 idx和這一個排列拓展出來的640個預測值（上一行注釋的東西）是否一樣，不一樣則為1
%sum為第二行注釋中不一樣的個數，越高越差
end
end
轉載請註明出處，本文鏈接：https://www.uj5u.com/qita/110685.html
標籤：人工智能技術
上一篇：我是一個新手菜鳥，第一次注冊，各位大神，誰能幫忙指導下如何獲取積分，不勝感激
下一篇：有制作app的沒