TICC-master文件夹下面有这几个部分：output_folder、paper code、src、UnitTest_Data、example.py、example_data.txt、README.md、TICC_solver.py、UnitTest.py

一、所需环境

64位python2.7+cvxpy+snap

问题一，64位python且2.7

之前一直在使用python3.6，代码中说明要使用2.7版本，主要是snap目前还没有与3.6的接口，且作者中语法风格使用的是2.7。因此从新安装一个Python2.7。要注意必须是64位的，否则会与cvxpy中很多库不兼容。第一是官网下载包时候需要注意，第二是安装后需要注意检查

问题二，cvxpy的安装

参考下面链接的安装方法：

1、要主要安装0.4.0版本的cvxpy，否则运行代码会出现报错：NameError: name 'semidefinite' is not defined

原因在于0.4.0版本的才有semidefinite属性，后面版本没有这个属性，这是多次反复安装后的经验，默认的版本是1.0.25，不断安装卸载，太坑了。这个属性在后来的版本中都被摒弃，也没有找到新的替代方法。

2、安装完成后，简单导入cvxpy会出现一个报错：

from cvxpy import *

File "C:\Python27\lib\site-packages\cvxpy\__init__.py", line 21, in

from cvxpy.atoms import *

File "C:\Python27\lib\site-packages\cvxpy\atoms\__init__.py", line 20, in

from cvxpy.atoms.geo_mean import geo_mean

File "C:\Python27\lib\site-packages\cvxpy\atoms\geo_mean.py", line 20, in

from cvxpy.atoms.atom import Atom

File "C:\Python27\lib\site-packages\cvxpy\atoms\atom.py", line 23, in

from .. import interface as intf

File "C:\Python27\lib\site-packages\cvxpy\interface\__init__.py", line 20, in

from cvxpy.interface.matrix_utilities import *

File "C:\Python27\lib\site-packages\cvxpy\interface\matrix_utilities.py", line 20, in

from cvxpy.interface import cvxopt_interface as co_intf

File "C:\Python27\lib\site-packages\cvxpy\interface\cvxopt_interface\__init__.py", line 20, in

from cvxpy.interface.cvxopt_interface.dense_matrix_interface import DenseMatrixInterface

File "C:\Python27\lib\site-packages\cvxpy\interface\cvxopt_interface\dense_matrix_interface.py", line 26, in

import cvxopt

File "C:\Python27\lib\site-packages\cvxopt\__init__.py", line 50, in

import cvxopt.base

ImportError: DLL load failed: 找不到指定的模块。

这个错误主要原因在于numpy-mkl的问题，这是一个库，不能独立用pip来安装，下载whl的地址为：

3、在TICC类方法定义中，TICC.fit()，使用了Pool 进程，但进程却不在if __name__ == ‘__main__’中，不符合Windows使用进程的语句要求，很有可能是在Unix/Linux下完成的(也有可能是目前对代码还未完全掌握)。目前手上只有Windows，先看能不能修改吧

4、需要进一步掌握python中进程的使用，尤其是在类中

二、代码理解

TICC-master文件夹下面有这几个部分：output_folder、paper code、src、UnitTest_Data、example.py、example_data.txt、README.md、TICC_solver.py、UnitTest.py

(paper code中的代码还未梳理)，TICC-master中的代码主体框架如下：

README有算法的部分解释

TICC算法的输入是T-by-n的矩阵，正则化参数lambda(MRF的稀疏性)、平滑参数beta、窗口大小w、聚类数量k。maxIters：TICC算法的最大迭代次数，threshold：收敛阈值，prefix_string：保存文件的位置，TICC.fit：算法函数，用于学习模型的参数。

主要的任务就是把T个样本的时序数据划分为片段，并判断其所属类别。片段的总数量受beta的影响。

1、代码中的初始化提供了两种方法，GMM和k-means，代码中最后使用了gmm方法进行了初始化，得到初始的分类。

2、train_clusters函数中解决的是论文公式(5)的优化问题，使用ADMM算法，返回逆协方差。ADMM类中的ADMM_x、ADMM_DMM_z、ADMM_u分别为三个参数的更新方式

3、根据协方差矩阵进行样本点的重新聚类，计算lle_all_points_clusters，即动态规划中的距离矩阵。

4、算法的数据可使用paper code中的generate_synthetic_data.py生成，论文中提到的car数据作者不公开，代码结果保存在一个文件夹中，

5、算法结果的评判以及如何根据BIC和silhouette score来判断类的数量暂未深究

6、paper code中代码整理待续