QList<int> Kmeans::picUpRepresentatives(MicroArray* microArray){
QList<int> representatives;
double distance, bestDistance;
int bestID = 0;
for(int i = 0; i < this->_lastCentroids.size(); ++i){
bestDistance = _distance->calculate(_lastCentroids[i], microArray->_matrix[0]);//!!! to moze nie dzialac
for(int j = 0; j < this->_rowsClasses.size(); ++j){
if(_rowsClasses[j] == i){
distance = _distance->calculate(_lastCentroids[i], microArray->_matrix[j]);
if(compareDistance(distance, bestDistance)){
bestID = j;
bestDistance = distance;
}
}
}
representatives.append(bestID);
}
return representatives;
}
bool Bunny::collide(GameObject* object) {
float thisRadius = dimensions.x + dimensions.y + dimensions.z;
float objectRadius = object->dimensions.x + object->dimensions.y +
object->dimensions.z;
if (compareDistance(position, object->position, thisRadius + objectRadius)) {
if (intersect(position.x, object->position.x, dimensions.x, object->dimensions.x) &&
intersect(position.y, object->position.y, dimensions.y, object->dimensions.y) &&
intersect(position.z, object->position.z, dimensions.z, object->dimensions.z) &&
dot(object->position - position, direction) > 0) {
if (dynamic_cast<Player*>(object)) {
alive = false;
material = 0;
dynamic_cast<Player*>(object)->score++;
}
direction = -direction;
return true;
}
}
return false;
}
//implementacja metody k-średnich
void Kmeans::run(MicroArray* microArray){
//Centroidy to wiersze wokół których formują się grupy. Pierwsze centroidy pochodzą
//z macierzy ale w kolejnych iteracjach ich wartości są wyliczane jako średnie grupy
QList< QList<double> > centroids;
_rowsClasses.resize(microArray->_matrix.size());
qDebug() << "ilosc sierszy w rowsClasses: " << _rowsClasses.size();
//Wylosowanie pierwszego zestawu centroidów z macierzy
QList<int> tempIds;
while(_lastCentroids.size() < _k){
int id = floor(rand() % microArray->_matrix.size());
if(!tempIds.contains(id)){
tempIds.append(id);
_lastCentroids.append(microArray->_matrix[id]);
}
}
//pętla iteracji metody
for(int i = 0; i < _iterations; ++i){
//wyzerowanie liczebnosci klastrów i ustawienie nowych centroidów
//_classIDs.clear();
centroids.clear();
centroids = _lastCentroids;
_numberInCentr.clear();
for(int i = 0; i < _k; ++i){
_numberInCentr.append(0);
for(int j = 0; j < centroids.first().size(); ++j){
_lastCentroids[i][j] = 0.0;
}
}
//pętla wierszy macierzy
for(int j = 0; j < microArray->_matrix.size(); ++j){
double bestDistance = _distance->calculate(centroids[0], microArray->_matrix[j]);
double distance = bestDistance;
int centrID = 0;//id centroidu dla którego dystans do aktualnego wiersza był najmniejszy
//pętla centroidów
for(int k = 1; k < _k; ++k){
distance = _distance->calculate(centroids[k], microArray->_matrix[j]);
if(compareDistance(distance, bestDistance)){
centrID = k;
bestDistance = distance;
}
}
_numberInCentr[centrID] += 1;//inkrementacja liczebnosci grupy
//_classIDs.append(centrID);
_rowsClasses[j] = centrID; //przypisanie wiersza o ID=j do clasy centrID
//dodanie wartości z nowego wiersza(przyda się przy liczeniu średniej)
for(int k = 0; k < _lastCentroids.first().size(); ++k){
_lastCentroids[centrID][k] += microArray->_matrix[j][k];
}
}
//obliczenie nowych centroidów
for(int j = 0; j < _k; ++j){
if(_numberInCentr[j] != 0){
for(int k = 0; k < _lastCentroids[j].size(); ++k){
_lastCentroids[j][k] = _lastCentroids[j][k] / _numberInCentr[j];
}
}
}
}
}
