尝试将 SCRIPT text 作为函数执行: C:\Users\Administrator\text.m 出错 discrimination (line 34) text(centroid(1), centroid(2), sprintf('Area: %d', area), 'Color', 'r');
时间: 2023-12-16 08:04:51 浏览: 18
根据你提供的信息,这个错误可能是因为在函数 `text()` 的调用中,输入的第一个参数 `centroid(1)` 和第二个参数 `centroid(2)` 的值不正确,导致了 `text()` 函数的执行出错。
建议检查一下 `centroid` 变量的值,确保它们是正确的。同时,也可以尝试通过调试程序或者输出一些中间结果来定位问题所在。
相关问题
rethinking graph anomaly detection: a self-supervised group discrimination p
《重新思考图形异常检测:一种自我监督的群体区分》是一篇关于图形异常检测的研究论文。现有的异常检测方法通常依赖于人工标注的异常样本,但这种方法需要大量的标注工作和专家知识。因此,该论文提出了一种基于自我监督群体区分的新方法。
该方法首先构建一个图形数据的表示形式,例如图形的节点和边表示,然后使用无监督的聚类算法将数据集分成不同的群体。通过比较不同群体之间的相似性和差异性,可以发现潜在的异常群体。这种自我监督的方法不需要人工标注的异常样本,而是通过挖掘数据本身的特征和结构来进行异常检测。
为了验证这种方法的有效性,该论文在多个真实世界的图形数据集上进行了实验。实验结果表明,该方法在检测异常群体方面具有较高的性能。与传统的异常检测方法相比,它能够更准确地识别出异常群体,并且不需要人工标注的异常样本来训练模型。
这项研究对图形异常检测领域具有重要的意义。它提出了一种新颖的自我监督方法,可以减轻传统异常检测方法中的标注负担,并且在实验中取得了很好的效果。该方法还可以应用于许多领域,如网络安全、金融欺诈检测等。未来,该研究可以进一步改进和扩展,以提高异常检测的准确性和效率。
我可以直接运行run_discrimination.py,然后得到结果吗
### 回答1:
是的,如果您已经有了所需的环境和依赖,您可以直接运行 run_discrimination.py 脚本,并得到结果。请注意,您需要确保您的计算机上安装了正确的 Python 版本和所需的库,并且需要确保 run_discrimination.py 脚本所在的路径已被添加到环境变量中。
### 回答2:
如果您已经正确地配置了您的环境,并且安装了所需的依赖项,那么您可以直接运行run_discrimination.py文件来获得结果。
在运行之前,您需要确保已按照说明正确设置了文件路径和其他相关参数。您可能需要编辑run_discrimination.py文件,以便根据您的需求进行自定义。确保所有的输入数据和模型所需要的文件都已经提供,并且路径是正确的。
然后,您可以打开终端或命令提示符,并导航到包含run_discrimination.py文件的目录。使用命令"python run_discrimination.py"来运行该脚本。稍等片刻,直到运行完成。
一旦脚本运行完成,您将能够通过查看输出来获取结果。通常情况下,脚本会生成一个结果文件或直接在终端显示结果。
请注意,正确运行run_discrimination.py需要满足一些前提条件,例如正确设置环境、安装必要的库和软件包。如果有任何错误或警告信息,请参考错误消息并进一步调试或进行必要的修复。
如果您遇到了任何问题,可以参考相关文档或寻求额外的帮助,以确保能够成功运行并获得您所期望的结果。
### 回答3:
是的,您可以直接运行run_discrimination.py脚本,并且可以得到结果。
首先,确保您已经正确安装了运行该脚本所需的所有依赖项。您可以通过运行命令"pip install -r requirements.txt"来安装所需要的依赖项。
然后,打开终端或命令提示符,并导航到包含run_discrimination.py脚本的目录。您可以使用"cd"命令来切换目录。
接下来,运行该脚本的命令。在终端中,您可以输入"python run_discrimination.py"命令来执行该脚本。
执行脚本后,它将开始执行计算和分析,根据脚本中的配置参数和输入数据生成结果。您可以根据脚本的输出,在终端中查看结果,或者在脚本指定的输出路径中找到结果文件。
请注意,确保您已经提供了正确的输入数据和配置参数,以便脚本能够正常工作并生成预期的结果。