# 資安導論 期中分組報告 靜態分析 log

> 方便最後彙整報告的LOG
> 記錄實作時遇到的問題，以及如何解決。
>
## 預處理
* **剛開始無label時，討論出兩種方式實現 :**
1. 手動標label :
先手動分類出1000張左右的image，進行訓練後，再大概分出1000張左右的圖片，並以產生的結果進行剩餘圖片的分類。

2. 使用非監督式學習 : 不過效果不佳
* Kmeans : 訓練出來的模型相當於沒有訓練到
X軸為n_clusters : 找出K個分群。
Y軸為metrics.silhouette_score : 分群效果好壞的一種評價方式，以評估結果。

* DBSCAN : 灰度圖片處理有問題
* 後來改成使用moodle提供的dataset，並進行以下pre-processing。
1. 從dataset中發現圖片格式皆為.jpg，因此將我們生成的圖片格式(.png)轉為.jpg。
2. dataset的圖片size為256 * 256, 利用resize將我們生成的圖片轉為相同大小。

* **資料要normalize或標準化 :**
為了保證資料訊練時能在相同標準下進行計算，需先利用normalization優化資料的品質。
1. normalize:
* cv2.normalize(img, None, 0, 1.0,cv2.NORM_MINMAX, dtype=cv2.CV_32F)
2. 標準化:
* preprocessing.scale()