更新 function.py

function.py

@@ -27,85 +27,129 @@ import os
 """
 id = "202210423122"
 name = "焦国波"
-
-
-
-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。
-"""
-def load_data(directory):
-    """
-    加载数据集，将图像数据转换为向量形式，并提取标签。
-    
-    参数:
-    - directory (str): 数据集目录路径。
-    
-    返回值:
-    - images (numpy array): 图像数据。
-    - labels (list): 标签列表。
-    """
-    images = []
-    labels = []
-    for filename in os.listdir(directory):
-        if filename.endswith(".png"):
-            label = int(filename.split('_')[0])
-            image = np.array([int(pixel) for pixel in open(os.path.join(directory, filename), 'rb').read()])
-            images.append(image)
-            labels.append(label)
-    return np.array(images), np.array(labels)
-
 def classify(input_vector, dataSet, labels, k=3):
     """
-    kNN 分类算法实现。
+    KNN 分类算法。
 
-    参数:
+    Args:
     - 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，默认值为 3。
+    - k (int): kNN 算法参数，默认设置为3。
 
-    返回值:
+    Returns:
     - int: 预测的分类标签。
     """
-    # 计算输入向量与数据集中每个样本的欧式距离
+    # 计算输入向量与训练集样本的欧氏距离
-    distances = np.sqrt(np.sum((dataSet - input_vector) ** 2, axis=1))
+    distances = np.linalg.norm(dataSet - input_vector, axis=1)
 
-    # 获取 k 个最近邻的索引
+    # 按距离排序并获取前k个距离最小的索引
-    sortedDistIndices = distances.argsort()
+    sorted_indices = distances.argsort()[:k]
 
-    # 获取 k 个最近邻的标签
+    # 统计前k个邻居的标签
-    classCount = {}
+    nearest_labels = [labels[i] for i in sorted_indices]
-    for i in range(k):
+
-        voteLabel = labels[sortedDistIndices[i]]
+    # 返回出现次数最多的标签
-        classCount[voteLabel] = classCount.get(voteLabel, 0) + 1
+    predicted_label = max(set(nearest_labels), key=nearest_labels.count)
+
+    return predicted_label
+
+
+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**。
+
+    Args:
+    - directory (str): 数据文件夹路径。
+
+    Returns:
+    - np.array: 特征数据矩阵。
+    - np.array: 标签数组。
+    """
+    file_list = os.listdir(directory)
+    num_files = len(file_list)
+    
+    # 初始化数据矩阵和标签数组
+    data_matrix = np.zeros((num_files, 1024))
+    labels = []
+    
+    for i, file_name in enumerate(file_list):
+        # 文件名格式：label_index.txt，例如 0_1.txt，标签为 0
+        label = int(file_name.split('_')[0])
+        labels.append(label)
+        data_matrix[i, :] = img_to_vector(os.path.join(directory, file_name))
+    
+    return data_matrix, np.array(labels)
+
+
+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。
+
+    Returns:
+    - np.array: 二值图像向量 (1x1024)。
+    """
+    return_vector = np.zeros((1, 1024))  # 创建1x1024的零向量
+    with open(filename) as file:
+        for i in range(32):  # 图像为32x32
+            line_str = file.readline()
+            for j in range(32):
+                return_vector[0, 32 * i + j] = int(line_str[j])  # 转换为1x1024向量
+    return return_vector
 
-    # 多数表决，返回出现次数最多的标签
-    sortedClassCount = sorted(classCount.items(), key=lambda x: x[1], reverse=True)
-    return sortedClassCount[0][0]
 
-# 以下代码用于测试和演示，实际使用时请删除或注释掉
 if __name__ == "__main__":
-    # 加载训练集和测试集
+    # 测试代码示例，加载训练集并进行分类
-    X_train, y_train = load_data('trainingDigits')
+    train_data, train_labels = load_dataset("trainingDigits")
-    X_test, y_test = load_data('testDigits')
-    
-    # 测试分类函数
-    test_samples = X_test[:5]
-    for sample in test_samples:
-        predicted_label = classify(sample, X_train, y_train)
-        print(f"Input Vector: {sample}, Predicted Label: {predicted_label}")
 
+    test_data = (
+        "00000000000000110000000000000000"
+        "00000000000011111000000000000000"
+        "00000000000011111100000000000000"
+        "00000000001111111110000000000000"
+        "00000000001111111110000000000000"
+        "00000000001111111100000000000000"
+        "00000000011111111000000000000000"
+        "00000000111111111000000000000000"
+        "00000000111111110000000000000000"
+        "00000000111111110000000000000000"
+        "00000000111111110000000000000000"
+        "00000000111111110000000000000000"
+        "00000000111111100000000000000000"
+        "00000001111111100000000000000000"
+        "00000001111111100000000000000000"
+        "00000001111111100000000000000000"
+        "00000001111111111111000000000000"
+        "00000001111111111111111000000000"
+        "00000001111111111111111100000000"
+        "00000011111111111111111110000000"
+        "00000011111111111111111110000000"
+        "00000001111111111111111110000000"
+        "00000001111111111111111110000000"
+        "00000000111111111100111111100000"
+        "00000000111111111000111111100000"
+        "00000000011111111001111111100000"
+        "00000000011111111111111111000000"
+        "00000000001111111111111111000000"
+        "00000000000111111111111111000000"
+        "00000000000011111111111100000000"
+        "00000000000001111111110000000000"
         "00000000000000000111100000000000"
     )
-    predicted_label = classify(
+
-        np.array([int(char) for char in test_data]).reshape(1, 1024),
+    # 将测试数据转换为向量
-        train_data,
+    test_vector = np.array([int(char) for char in test_data]).reshape(1, 1024)
-        train_labels,
+    
-    )
+    # 使用 kNN 进行分类
+    predicted_label = classify(test_vector, train_data, train_labels)
 
     print(f"预测的标签: {predicted_label}")
+
+
+
+        
+