From 69be197163a6087dbb3b4707b273c90c26c653b9 Mon Sep 17 00:00:00 2001
From: DREMN2112 <z2117004628@gmail.com>
Date: Wed, 16 Oct 2024 22:52:25 +0800
Subject: [PATCH] =?UTF-8?q?=E6=9B=B4=E6=96=B0=20function.py?=
MIME-Version: 1.0
Content-Type: text/plain; charset=UTF-8
Content-Transfer-Encoding: 8bit

---
 function.py | 82 +++++++++++++++++++++--------------------------------
 1 file changed, 33 insertions(+), 49 deletions(-)

diff --git a/function.py b/function.py
index b1f8c16..ea69359 100644
--- a/function.py
+++ b/function.py
@@ -1,47 +1,10 @@
-# function.py
 import numpy as np
 import os
 
-"""
-实验说明:
-- 自行编写实现数据加载与 kNN 的手写数字分类算法。
-- 函数输入: 待分类的样本 input_vector, 训练数据集 dataSet, 训练集对应的标签 labels。
-- 函数返回: 预测的分类标签。
+id = "202210218225"
+name = "周水源"
 
-注意事项:
-- 在 function.py 中实现 kNN 分类算法。
-- 可以自行导入其他库，需要在 requirements.txt 添加依赖，若未在 requirements.txt 中添加使用到的依赖，则无法自动评测，成绩为零。
-- 自动评测脚本仅会加载 classify 和 load_data 函数，请勿修改函数名。
-- 训练集和测试集需手动下载解压，并放入当前目录下。
-
-测评环境:
-- CPU: Intel Xeon(R) CPU E3-1231 v3 @ 3.40GHz
-- OS: Ubuntu 22.04.4 LTS
-- Python: 3.10.12
-- numpy: 2.1.1
-"""
-
-
-"""
-请在这里填写学号和姓名，不填写即成绩无效。
-"""
-id = "202210423xxx"
-name = "test_name"
-
-
-"""
-参数说明:
-- input_vector (numpy array): 输入待分类的样本。
-- dataSet (numpy array): 训练数据集。
-- labels (list or numpy array): 训练集对应的标签。
-- k (int): kNN 算法参数，请**自行设置默认值**，评测时仅会使用其默认值，不修改默认值将**无法通过**评测，**成绩为零**。
-返回值:
-- int: 预测的分类标签。
-"""
-
-
-# 这里写自己的代码实现
-def classify(input_vector, dataSet, labels, k=0):
+def classify(input_vector, dataSet, labels, k=3):
     """
     KNN 分类算法。
 
@@ -49,14 +12,21 @@ def classify(input_vector, dataSet, labels, k=0):
     - input_vector (numpy array): 输入待分类的样本。
     - dataSet (numpy array): 训练数据集。
     - labels (list or numpy array): 训练集对应的标签。
-    - k (int): kNN 算法参数，请**自行设置默认值**，评测时仅会使用其默认值，不修改默认值将**无法通过**评测，**成绩为零**。
+    - k (int): kNN 算法参数，默认值为3。
 
     Returns:
     - int: 预测的分类标签。
     """
+    # 计算欧氏距离
+    distances = np.linalg.norm(dataSet - input_vector, axis=1)
+    # 获取距离最近的k个样本的索引
+    nearest_indices = distances.argsort()[:k]
+    # 获取这k个样本对应的标签
+    nearest_labels = labels[nearest_indices]
+    # 统计出现最多的标签
+    predicted_label = np.bincount(nearest_labels).argmax()
+    return predicted_label
 
-
-# 这里也写自己的代码实现
 def load_dataset(directory):
     """
     从文件夹中加载数据，若不自行正确实现，则无法通过评测，**不记录成绩**。
@@ -68,13 +38,22 @@ def load_dataset(directory):
     - np.array: 特征数据。
     - np.array: 标签数据。
     """
+    labels = []
+    file_list = os.listdir(directory)
+    dataSet = np.zeros((len(file_list), 1024))
+    
+    for i, filename in enumerate(file_list):
+        # 获取文件的标签，假设标签是文件名的第一个字符
+        label = int(filename.split('_')[0])
+        labels.append(label)
+        # 将图像转换为向量
+        dataSet[i, :] = img_to_vector(os.path.join(directory, filename))
+    
+    return dataSet, np.array(labels)
 
-
-# 这里还写自己的代码实现
 def img_to_vector(filename):
     """
     将二值图像转换为向量。
-    该部分应为 load_dataset 函数的辅助子函数，可单独在这里实现，也可直接集成至 load_dataset 函数中。
 
     Args:
     - filename (str): 图像文件路径。
@@ -82,12 +61,17 @@ def img_to_vector(filename):
     Returns:
     - np.array: 二值图像向量。
     """
-
+    img_vector = np.zeros((1, 1024))
+    with open(filename, 'r') as f:
+        for i in range(32):  # 32x32图像
+            line = f.readline()
+            for j in range(32):
+                img_vector[0, 32 * i + j] = int(line[j])
+    return img_vector
 
 if __name__ == "__main__":
-    # 以下代码可用于测试，可自行随意修改
+    # 测试
     train_data, train_labels = load_dataset("trainingDigits")
-
     test_data = (
         "00000000000000110000000000000000"
         "00000000000011111000000000000000"