/// <summary>
/// Calcul de la distance entre 2 classes
/// </summary>
/// <param name="classe1">Classe 1</param>
/// <param name="classe2">Classe 2</param>
/// <returns>Distance entre les classes 1 et 2</returns>
private double CalculerDistanceClasses(Classe classe1, Classe classe2)
{
double distanceMin = 1000;
// On calcule la distance entre chaque neurone de chaque classe
foreach (Neurone neurone1 in classe1.ListeNeurones)
{
foreach (Neurone neurone2 in classe2.ListeNeurones)
{
if (neurone1.CalculerDistance(neurone2) < distanceMin)
{
distanceMin = neurone1.CalculerDistance(neurone2);
}
}
}
// On renvoie la distance la plus courte
return(distanceMin);
}
public List <Classe> Regroupement(List <Observation> observations, int nbClasses)
{
// Recherche des neurones qui ne gagnent jamais ou presque jamais
// Pour cela, on compte le nombre de fois où le neurone à l’erreur minimale
List <Classe> classes = new List <Classe>();
// Tableau pour compter
int[,] comptage = new int[nbLignes, nbColonnes];
// Initialisation à 0 pour tous les neurones de la carte
for (int i = 0; i < nbLignes; i++)
{
for (int j = 0; j < nbColonnes; j++)
{
comptage[i, j] = 0;
}
}
// Pour chaque observation, on cherche quel neurone à l’erreur la plus faible
foreach (Observation observation in observations)
{
double erreurMin = 100000;
int ligneMieux = 0;
int colonneMieux = 0;
for (int i = 0; i < nbLignes; i++)
{
for (int j = 0; j < nbColonnes; j++)
{
if (carte[i, j].CalculerErreur(observation) < erreurMin)
{
ligneMieux = i;
colonneMieux = j;
erreurMin = carte[i, j].CalculerErreur(observation);
}
}
}
comptage[ligneMieux, colonneMieux]++;
}
// Initialisation des classes (en prenant les meilleures)
for (int i = 0; i < nbLignes; i++)
{
for (int j = 0; j < nbColonnes; j++)
{
if (comptage[i, j] > 10)
{
classes.Add(new Classe(carte[i, j]));
}
}
}
// Fusion des classes : le critère le plus simple est la distance interclasse
do
{
Classe classeFusionnee1 = classes[0];
Classe classeFusionnee2 = classes[1];
double distanceMin = 1000000;
foreach (Classe classe1 in classes)
{
foreach (Classe classe2 in classes)
{
if (classe1 != classe2)
{
if (CalculerDistanceClasses(classe1, classe2) < distanceMin)
{
distanceMin = CalculerDistanceClasses(classe1, classe2);
classeFusionnee1 = classe1;
classeFusionnee2 = classe2;
}
}
}
}
// Fusion des 2 classes les plus proches
classeFusionnee1.FusionnerAvec(classeFusionnee2);
classes.Remove(classeFusionnee2);
}while (classes.Count > nbClasses);
return(classes);
}