本研究利用VGG16卷积神经网络对微观结构图像进行特征提取，并结合M3C聚类算法实现无监督分类。

数据与方法:

本研究使用包含1925张图像的数据集，从中随机选取100张进行分析。 首先，利用预训练的VGG16网络提取图像特征，具体而言，使用第五个卷积层的输出，并进行平均池化以降低特征维度。 接着，使用M3C聚类算法对提取的特征进行聚类分析，确定最佳聚类数量。 最后，利用项目共识值识别高置信度和不明确的数据，用于后续半监督学习框架的训练。

数据共享:

Python、R和Matlab之间的数据共享通过Excel文件实现。

所需软件包:

  • Python: Keras, Numpy, Xlsxwriter, Xlrd, Sklearn, Seaborn, Matplotlib, copkmeans
  • R: M3C, ConsensusClusterPlus
  • Matlab: S4VM

代码使用:

将所有代码文件下载到同一文件夹，并在Python、R和Matlab中设置该文件夹为工作目录。 提供了一个包含预期输出结果的Excel文件，用于验证代码执行结果。