int main()
{
#define NUM 100000
int ret = 0;
unsigned v;
double m, d, param[2], value[NUM];
fmll_random * rnd = NULL;
fmll_try;
m = 14;
param[0] = - sqrt(3 / m);
param[1] = sqrt(3 / m);
/* fmll_throw_null(rnd = fmll_random_init(FMLL_RANDOM_ALGORITHM_LCG, FMLL_RANDOM_DISTRIBUTION_NORMAL, -1, 1, 5, 20, 0, 0, 0, time(NULL))); */
fmll_throw_null(rnd = fmll_random_init_default_seed(FMLL_RANDOM_ALGORITHM_LCG, FMLL_RANDOM_DISTRIBUTION_UNIFORM, param));
for(v = 0, m = 0; v < NUM; v++)
{
value[v] = fmll_random_generate(rnd);
m += value[v];
}
m /= NUM;
for(v = 0, d = 0; v < NUM; v++)
d += (value[v] - m) * (value[v] - m);
d /= NUM;
printf("m = %f\nd = %f\n", m, d);
fmll_catch;
ret = -1;
fmll_finally;
fmll_random_destroy(rnd);
return ret;
}
Mat Kohonen::getFrame(Mat parFrame)
{
int map_dim=2;//размерность карты
unsigned N[map_dim];
unsigned u, v, q, index_winner;
N[0] = 7;//количество нейронов в каждом слое
N[1] = 7;
//определение константы для вывода каждого класса определенным цветом
uint32_t A=1;
for (int i=0;i<map_dim; i++)
{
A*=N[i];//подсчет общего числа нейрнов
}
A=0xFFFFFF/A;
fmll_som * som;
Mat resultFrame;
resultFrame.create(parFrame.rows, parFrame.cols,CV_8UC3);
Mat frameFromUnsigned;
frameFromUnsigned.create(parFrame.rows, parFrame.cols,CV_32S);
Vec3b pixel;
double ** vec;
//инициализация векторного пространства значениями яркости изображения
vec = (double **) fmll_alloc(sizeof(double), 2, parFrame.rows * parFrame.cols, 3);
som = fmll_som_load(somFilename.c_str(),& fmll_distance_euclid, & fmll_distance_euclid);
for(v = 0, q = 0; v < parFrame.rows; v++)
for(u = 0; u < parFrame.cols; u++, q++)
{
pixel=parFrame.at<Vec3b>(v,u);
vec[q][0] = pixel[0] / 255.;
vec[q][1] = pixel[1] / 255.;
vec[q][2] = pixel[2] / 255.;
}
//загрузка карты из xml
if(som == NULL)
{
fmll_random * rnd;
double param[2];
param[0] = 0;
param[1] = 0.01;
//инициализация датчика случайных чисел
rnd = fmll_random_init(FMLL_RANDOM_ALGORITHM_LCG, FMLL_RANDOM_DISTRIBUTION_UNIFORM, param, time(NULL));
//иницилизация нейронной карты
som = fmll_som_init(N, map_dim, 3, & fmll_distance_euclid, & fmll_distance_euclid);//(1)расстояние между векторами, 2)расстояние между нейронами.(2)не исп.,т.к. алгоритм WTA)
//иницилизация весов синапсов нейронов карты случайными числами
fmll_som_weight_init_random(som, rnd);
cout<<"don't load"<<endl;
//обучение нейронной карты
fmll_som_so_kohonen(som, (const double **) vec, parFrame.rows * parFrame.cols,
0.3, & fmll_timing_next_beta_step_plus_0_1, 0.8, 0.002, & fmll_som_neighbor_wta);
if (fmll_som_save(som,somFilename.c_str())!=0)
{
cout<<"Ошибка сохранения Som в Xml"<<endl;
}
fmll_random_destroy(rnd);
}
for(v = 0, q = 0; v < parFrame.rows; v++)
{
for(u = 0; u < parFrame.cols; u++, q++)
{
index_winner = fmll_som_run(som, vec[q]);
uint32_t color=A*index_winner;
pixel[0]=0x0000FF&color;
pixel[1]=(0x00FF00&color)>>8;
pixel[2]=(0xFF0000&color)>>16;
//pixel[0] = som->w[index_winner][0];
//pixel[1] = som->w[index_winner][1];
//pixel[2] = som->w[index_winner][2];
resultFrame.at<Vec3b>(v,u)=pixel;
frameFromUnsigned.at<uint32_t>(v,u)=color;
//cout<<color<<" ";
}
//cout<<endl;
}
fmll_free(vec);
imshow( "kohonen", resultFrame );
fmll_som_destroy(som);
return frameFromUnsigned;
}
