File content as of revision 6:e7aa8d270f8b:

#include "MCSVM.hpp"

// コンストラクタ. 適宜追加予定
MCSVM::MCSVM(int    class_n,
             int    sample_dim,
             int    sample_n,
             float* sample_data,
             int*   sample_mclabel)
    : SVM(sample_dim, sample_n, sample_data, sample_mclabel)
{
    this->n_class = class_n;
    this->maxFailcount = 5;

    int n_kC2 = (n_class) * (n_class - 1) / 2;

    mc_alpha   = new float[n_sample * n_kC2];
    mc_label   = new int[n_sample * n_kC2];

    // ラベルの生成
    int tmp_lab;
    for (int ci = 0; ci < n_class; ci++) {
        for (int cj = ci + 1; cj < n_class; cj++) {
            // i < jであることから, ラベルiは負例, ラベルjは正例に割り当てる.
            // いずれのラベルにも該当しないデータは欠損とし,ラベル0とする.
            for (int l=0; l < n_sample; l++) {
                if (this->label[l] == ci) {
                    tmp_lab = -1;
                } else if (this->label[l] == cj) {
                    tmp_lab = 1;
                } else {
                    tmp_lab = 0;
                }
                MATRIX_AT(mc_label,n_sample,INX_KSVM_IJ(n_class,ci,cj),l) = tmp_lab;
                // printf("%d : %d -> %d \r\n", l, label[l], tmp_lab);
            }

        }
    }

}

// 領域開放
MCSVM::~MCSVM(void)
{
    delete [] mc_alpha;
    delete [] mc_label;
}

// 全SVMの学習.
int MCSVM::learning(void)
{
    int status, fail_count;
    int* tmp_label = new int[n_sample];
    // 元のラベルを退避
    memcpy(tmp_label,label, sizeof(int) * n_sample);
    for (int ci = 0; ci < n_class; ci++) {
        for (int cj = ci + 1; cj < n_class; cj++) {
            // 2値ラベルを取得する.
            memcpy(label, &(MATRIX_AT(mc_label, n_sample, INX_KSVM_IJ(n_class,ci,cj), 0)), sizeof(int) * n_sample);
            // 学習 - 学習失敗の場合はリトライする.
            fail_count = 0;
            do {
                if (fail_count >= maxFailcount) {
                    fprintf(stderr, "Learning failed %d times at %d,%d classifier, give up \r\n", fail_count, ci, cj);
                    return MCSVM_NOT_LEARN;
                }
                status = SVM::learning();

                if ( (status == SVM_NOT_CONVERGENCED)
                        || (status == SVM_DETECT_BAD_VAL) ) {
                    fail_count++;
                }
            } while (status != SVM_LEARN_SUCCESS);
            // 学習結果の係数とSVラベルの取得
            memcpy(&(MATRIX_AT(mc_alpha, n_sample, INX_KSVM_IJ(n_class,ci,cj), 0)), this->alpha, sizeof(float) * n_sample);
        }
    }

    // 元のラベルを復帰
    memcpy(this->label, tmp_label, sizeof(int) * n_sample);
    delete [] tmp_label;
    return MCSVM_LEARN_SUCCESS;

}

// 未知データのラベルを推定する.
int MCSVM::predict_label(float* data)
{
    // 単位ステップ関数による決定的識別
    float net;
    int* result_label_count = new int[n_class];

    // 元のラベルを退避
    int* tmp_label = new int[n_sample];
    memcpy(tmp_label,label, sizeof(int) * n_sample);

    int tmp_ci, tmp_cj;
    memset(result_label_count, 0, sizeof(int) * n_class);
    for (int ci = 0; ci < n_class; ci++) {
        for (int cj = ci + 1; cj < n_class; cj++) {

            // インデックスをi < jに
            tmp_ci = ci;
            tmp_cj = cj;
            if ( ci > cj ) {
                tmp_cj = ci;
                tmp_ci = cj;
            }
            // 係数とラベルを取得し,ci,cjを識別するSVMを構成
            memcpy(this->alpha, &(MATRIX_AT(mc_alpha, n_sample, INX_KSVM_IJ(n_class,tmp_ci,tmp_cj), 0)), sizeof(float) * n_sample);
            memcpy(this->label, &(MATRIX_AT(mc_label, n_sample, INX_KSVM_IJ(n_class,tmp_ci,tmp_cj), 0)), sizeof(float) * n_sample);

            // 識別:識別されたクラスに投票.
            net = SVM::predict_net(data);
            //printf("ci:%d cj:%d >> net : %f \n", ci, cj, net);
            if ( net < 0 ) {
                result_label_count[ci]++;
            } else if ( net >= 0 ) {
                result_label_count[cj]++;
            }

        }
        //printf("sum_net[%d] : %f \n", ci, sum_net[ci]);
    }

    // 判定:最大頻度のクラスに判定する.
    int max,argmax;
    max = 0;
    for (int i = 0; i < n_class; i++) {
        //printf("%d : %d \n", i, result_label_count[i]);
        if ( result_label_count[i] > max ) {
            max = result_label_count[i];
            argmax = i;
        }
    }
    // 元のラベルを復帰
    memcpy(this->label, tmp_label, sizeof(int) * n_sample);
    delete [] tmp_label;
    delete [] result_label_count;

    return argmax;

}

// 未知データの識別確率を推定する.
float MCSVM::predict_probability(float* data)
{
    // シグモイド関数による確率的識別
    float prob;
    float* result_label_prob = new float[n_class];
    int tmp_ci, tmp_cj;

    memset(result_label_prob, 0, sizeof(float) * n_class);

    // 元のラベルを退避
    int* tmp_label = new int[n_sample];
    memcpy(tmp_label,label, sizeof(int) * n_sample);

    for (int ci = 0; ci < n_class; ci++) {
        for (int cj = ci + 1; cj < n_class; cj++) {

            // インデックスをci < cjに : 負例はci, 正例はcj
            tmp_ci = ci;
            tmp_cj = cj;
            if ( ci > cj ) {
                tmp_cj = ci;
                tmp_ci = cj;
            }
            // 係数とラベルを取得し,ci,cjを識別するSVMを構成
            memcpy(this->alpha, &(MATRIX_AT(mc_alpha, n_sample, INX_KSVM_IJ(n_class,tmp_ci,tmp_cj), 0)), sizeof(float) * n_sample);
            memcpy(this->label, &(MATRIX_AT(mc_label, n_sample, INX_KSVM_IJ(n_class,tmp_ci,tmp_cj), 0)), sizeof(float) * n_sample);

            // 確率識別:確率の足し上げ
            prob = SVM::predict_probability(data);
            if ( prob > float(0.5) ) {
                result_label_prob[cj] += prob;
            } else {
                result_label_prob[ci] += (1-prob);
            }

        }
        //printf("sum_net[%d] : %f \n", ci, sum_net[ci]);
    }

    // 判定:最大確率和
    // おそらくラベル識別との整合性は取れる...はず
    float max = 0;
    for (int i = 0; i < n_class; i++) {
        //printf("%d : %d \n", i, result_label_count[i]);
        if ( result_label_prob[i] > max ) {
            max = result_label_prob[i];
        }
    }

    // 元のラベルを復帰
    memcpy(this->label, tmp_label, sizeof(int) * n_sample);
    delete [] tmp_label;
    delete [] result_label_prob;

    // 平均確率を返す.
    return (max / (n_class-1));

}

// override
float* MCSVM::get_alpha(void)
{
    return (float *)mc_alpha;
}

// override
void MCSVM::set_alpha(float* mcalpha_data, int nsample, int nclass)
{
    if ( nsample != n_sample ) {
        fprintf( stderr, " set_alpha : number of sample isn't match : n_samle= %d, arg= %d \r\n", n_sample, nsample);
        return;
    } else if ( nclass != n_class ) {
        fprintf( stderr, " set_alpha : number of class isn't match : n_class= %d, nclass= %d \r\n", n_class, nclass);
        return;
    }
    memcpy(mc_alpha, mcalpha_data, sizeof(float) * n_sample * n_class * (n_class - 1) / 2);
    status = SVM_SET_ALPHA;
}