diff --git a/LinearRegressionTool/build.gradle b/LinearRegressionTool/build.gradle index bbe0aa1..490ceb2 100644 --- a/LinearRegressionTool/build.gradle +++ b/LinearRegressionTool/build.gradle @@ -35,7 +35,7 @@ sourceCompatibility = '11' sonarqube { properties { property "sonar.projectName", "${rootProject.name}" - property "sonar.projectKey", "$project.group:$rootProject.name" + property "sonar.projectKey", "${project.group}:${rootProject.name}" } } diff --git a/LinearRegressionTool/gradle.properties b/LinearRegressionTool/gradle.properties new file mode 100644 index 0000000..409b361 --- /dev/null +++ b/LinearRegressionTool/gradle.properties @@ -0,0 +1 @@ +systemProp.sonar.host.url=http://192.168.0.158:9000 \ No newline at end of file diff --git a/LinearRegressionTool/src/main/java/de/wwwu/awolf/App.java b/LinearRegressionTool/src/main/java/de/wwwu/awolf/App.java index 43af790..18f8fcc 100644 --- a/LinearRegressionTool/src/main/java/de/wwwu/awolf/App.java +++ b/LinearRegressionTool/src/main/java/de/wwwu/awolf/App.java @@ -1,9 +1,9 @@ package de.wwwu.awolf; -import de.wwwu.awolf.presenter.Presenter; import de.wwwu.awolf.presenter.util.Logging; import de.wwwu.awolf.view.ViewController; import de.wwwu.awolf.view.services.GuiRegisterService; +import java.io.IOException; import javafx.application.Application; import javafx.application.Platform; import javafx.fxml.FXMLLoader; @@ -11,8 +11,6 @@ import javafx.scene.Parent; import javafx.scene.Scene; import javafx.stage.Stage; -import java.io.IOException; - /** * Implementierung verschiedener Algorithmen zur Berechnung von Ausgleichsgeraden. * @@ -22,7 +20,7 @@ import java.io.IOException; */ public class App extends Application { - private final String TITLE = "Algorithmen zur Berechnung von Ausgleichsgeraden"; + private static final String TITLE = "Algorithmen zur Berechnung von Ausgleichsgeraden"; /** * Maim Methode @@ -30,14 +28,7 @@ public class App extends Application { * @param argv */ public static void main(String[] argv) { - //create instances - final Presenter presenter = Presenter.getInstance(); - - Logging.logDebug("Presenter initialized!"); - //start gui - Platform.setImplicitExit(false); Logging.logDebug("Start ...."); - Application.launch(App.class, argv); } @@ -46,13 +37,16 @@ public class App extends Application { Platform.runLater(() -> { try { - FXMLLoader fxmlLoader = new FXMLLoader(ViewController.class.getResource("/views/MainFrame.fxml")); + FXMLLoader fxmlLoader = new FXMLLoader( + ViewController.class.getResource("/views/MainFrame.fxml")); Parent pane = fxmlLoader.load(); //register at presenter new GuiRegisterService(fxmlLoader.getController()).start(); primaryStage.setTitle(TITLE); Scene scene = new Scene(pane, 1200, 900); - scene.getStylesheets().add(ViewController.class.getResource("/style/style.css").toExternalForm()); + scene.getStylesheets() + .add(ViewController.class.getResource("/style/style.css") + .toExternalForm()); primaryStage.setScene(scene); primaryStage.setOnCloseRequest(e -> { Platform.exit(); diff --git a/LinearRegressionTool/src/main/java/de/wwwu/awolf/model/Line.java b/LinearRegressionTool/src/main/java/de/wwwu/awolf/model/Line.java index bf8a847..82dd234 100644 --- a/LinearRegressionTool/src/main/java/de/wwwu/awolf/model/Line.java +++ b/LinearRegressionTool/src/main/java/de/wwwu/awolf/model/Line.java @@ -1,8 +1,7 @@ package de.wwwu.awolf.model; -import org.apache.commons.math3.util.Precision; - import java.util.Objects; +import org.apache.commons.math3.util.Precision; /** * Implementierung verschiedener Algorithmen zur Berechnung von Ausgleichsgeraden. @@ -18,7 +17,6 @@ public class Line implements Comparable { private static final double MAX = -9999d; - private Double m; private Double b; @@ -195,7 +193,8 @@ public class Line implements Comparable { public boolean equals(Object obj) { if (obj instanceof Line) { Line other = (Line) obj; - return Precision.equals(other.getM(), this.getM(), EPSILON) && Precision.equals(other.getB(), this.getB(), EPSILON); + return Precision.equals(other.getM(), this.getM(), EPSILON) && Precision + .equals(other.getB(), this.getB(), EPSILON); } else { return super.equals(obj); } @@ -222,8 +221,10 @@ public class Line implements Comparable { // Given three colinear points p, q, r, the function checks if // point q lies on line segment 'pr' public boolean onSegment(Point p, Point q, Point r) { - return q.getX() <= Math.max(p.getX(), r.getX()) && q.getX() >= Math.min(p.getX(), r.getX()) && - q.getY() <= Math.max(p.getY(), r.getY()) && q.getY() >= Math.min(p.getY(), r.getY()); + return q.getX() <= Math.max(p.getX(), r.getX()) && q.getX() >= Math + .min(p.getX(), r.getX()) && + q.getY() <= Math.max(p.getY(), r.getY()) && q.getY() >= Math + .min(p.getY(), r.getY()); } // To find orientation of ordered triplet (p, q, r). @@ -235,9 +236,11 @@ public class Line implements Comparable { // See https://www.geeksforgeeks.org/orientation-3-ordered-points/ // for details of below formula. double val = (q.getY() - p.getY()) * (r.getX() - q.getX()) - - (q.getX() - p.getX()) * (r.getY() - q.getY()); + (q.getX() - p.getX()) * (r.getY() - q.getY()); - if (val == 0) return 0; // colinear + if (val == 0) { + return 0; // colinear + } return (val > 0) ? 1 : 2; // clock or counterclock wise } @@ -259,18 +262,25 @@ public class Line implements Comparable { int o4 = orientation(p2, q2, q1); // General case - if (o1 != o2 && o3 != o4) + if (o1 != o2 && o3 != o4) { return true; + } // Special Cases // p1, q1 and p2 are colinear and p2 lies on segment p1q1 - if (o1 == 0 && onSegment(p1, p2, q1)) return true; + if (o1 == 0 && onSegment(p1, p2, q1)) { + return true; + } // p1, q1 and q2 are colinear and q2 lies on segment p1q1 - if (o2 == 0 && onSegment(p1, q2, q1)) return true; + if (o2 == 0 && onSegment(p1, q2, q1)) { + return true; + } // p2, q2 and p1 are colinear and p1 lies on segment p2q2 - if (o3 == 0 && onSegment(p2, p1, q2)) return true; + if (o3 == 0 && onSegment(p2, p1, q2)) { + return true; + } // p2, q2 and q1 are colinear and q1 lies on segment p2q2 return o4 == 0 && onSegment(p2, q1, q2);// Doesn't fall in any of the above cases diff --git a/LinearRegressionTool/src/main/java/de/wwwu/awolf/model/Point.java b/LinearRegressionTool/src/main/java/de/wwwu/awolf/model/Point.java index 7bf2289..40467b2 100644 --- a/LinearRegressionTool/src/main/java/de/wwwu/awolf/model/Point.java +++ b/LinearRegressionTool/src/main/java/de/wwwu/awolf/model/Point.java @@ -1,8 +1,7 @@ package de.wwwu.awolf.model; -import org.apache.commons.math3.util.Precision; - import java.util.Objects; +import org.apache.commons.math3.util.Precision; /** * Implementierung verschiedener Algorithmen zur Berechnung von Ausgleichsgeraden. @@ -90,7 +89,8 @@ public class Point implements Comparable { public boolean equals(Object obj) { if (obj instanceof Point) { Point other = (Point) obj; - return Precision.equals(other.getX(), this.getX(), EPSILON) && Precision.equals(other.getY(), this.getY(), EPSILON); + return Precision.equals(other.getX(), this.getX(), EPSILON) && Precision + .equals(other.getY(), this.getY(), EPSILON); } else { return super.equals(obj); } diff --git a/LinearRegressionTool/src/main/java/de/wwwu/awolf/model/communication/Data.java b/LinearRegressionTool/src/main/java/de/wwwu/awolf/model/communication/Data.java index 1420934..1042caf 100644 --- a/LinearRegressionTool/src/main/java/de/wwwu/awolf/model/communication/Data.java +++ b/LinearRegressionTool/src/main/java/de/wwwu/awolf/model/communication/Data.java @@ -1,6 +1,7 @@ package de.wwwu.awolf.model.communication; public interface Data { + SubscriberType getType(); void setType(SubscriberType type); diff --git a/LinearRegressionTool/src/main/java/de/wwwu/awolf/model/communication/EvaluationData.java b/LinearRegressionTool/src/main/java/de/wwwu/awolf/model/communication/EvaluationData.java index b5ff731..c23bfda 100644 --- a/LinearRegressionTool/src/main/java/de/wwwu/awolf/model/communication/EvaluationData.java +++ b/LinearRegressionTool/src/main/java/de/wwwu/awolf/model/communication/EvaluationData.java @@ -1,12 +1,12 @@ package de.wwwu.awolf.model.communication; import de.wwwu.awolf.presenter.algorithms.Algorithm; - import java.io.Serializable; import java.util.List; import java.util.Map; public class EvaluationData implements Data { + private SubscriberType type; private List algorithmtypes; private List oneColumnresult; @@ -60,7 +60,8 @@ public class EvaluationData implements Data { return multipleColumnResult; } - public void setMultipleColumnResult(Map> multipleColumnResult) { + public void setMultipleColumnResult( + Map> multipleColumnResult) { this.multipleColumnResult = multipleColumnResult; } diff --git a/LinearRegressionTool/src/main/java/de/wwwu/awolf/model/communication/TypeData.java b/LinearRegressionTool/src/main/java/de/wwwu/awolf/model/communication/TypeData.java index a40587e..9740ed5 100644 --- a/LinearRegressionTool/src/main/java/de/wwwu/awolf/model/communication/TypeData.java +++ b/LinearRegressionTool/src/main/java/de/wwwu/awolf/model/communication/TypeData.java @@ -1,6 +1,7 @@ package de.wwwu.awolf.model.communication; public class TypeData implements Data { + private SubscriberType type; @Override diff --git a/LinearRegressionTool/src/main/java/de/wwwu/awolf/model/evaluation/ComparisonResult.java b/LinearRegressionTool/src/main/java/de/wwwu/awolf/model/evaluation/ComparisonResult.java index e74ee14..5872427 100644 --- a/LinearRegressionTool/src/main/java/de/wwwu/awolf/model/evaluation/ComparisonResult.java +++ b/LinearRegressionTool/src/main/java/de/wwwu/awolf/model/evaluation/ComparisonResult.java @@ -2,7 +2,6 @@ package de.wwwu.awolf.model.evaluation; import de.wwwu.awolf.model.Line; import de.wwwu.awolf.presenter.algorithms.Algorithm; - import java.util.EnumMap; import java.util.Map; diff --git a/LinearRegressionTool/src/main/java/de/wwwu/awolf/presenter/AbstractPresenter.java b/LinearRegressionTool/src/main/java/de/wwwu/awolf/presenter/AbstractPresenter.java index bf9303c..4f6542a 100644 --- a/LinearRegressionTool/src/main/java/de/wwwu/awolf/presenter/AbstractPresenter.java +++ b/LinearRegressionTool/src/main/java/de/wwwu/awolf/presenter/AbstractPresenter.java @@ -9,14 +9,13 @@ import de.wwwu.awolf.presenter.data.DataHandler; import de.wwwu.awolf.presenter.evaluation.EvaluatationHandler; import de.wwwu.awolf.presenter.util.Logging; import de.wwwu.awolf.view.ViewController; -import javafx.application.Platform; -import javafx.beans.property.BooleanProperty; - import java.util.Objects; import java.util.Set; import java.util.concurrent.ExecutorService; import java.util.concurrent.Executors; import java.util.concurrent.Flow; +import javafx.application.Platform; +import javafx.beans.property.BooleanProperty; /** * Implementierung verschiedener Algorithmen zur Berechnung von Ausgleichsgeraden. @@ -102,22 +101,22 @@ public abstract class AbstractPresenter implements Flow.Subscriber { * @param type algorithm type * @param lines set of lines */ - public void executeAlgorithmByType(Algorithm.Type type, Set lines, BooleanProperty guiFlag) { + public void executeAlgorithmByType(Algorithm.Type type, Set lines, + BooleanProperty guiFlag) { this.algorithmHandler.runAlgorithmByType(type, lines, guiFlag); } /** - * Execute an algorithm specified by a type - * (use the Lines from the LineModel) + * Execute an algorithm specified by a type (use the Lines from the LineModel) * - * @param type algorithm type + * @param type algorithm type */ public Line executeAlgorithmByType(Algorithm.Type type, BooleanProperty guiFlag) { if (getModel().getSize() == 0) { Logging.logDebug("No lines in the Model. Nothing to calculate."); throw new IllegalArgumentException(); } else { - Logging.logDebug("AlgorithmHandler will start " + type.getName() + ", with " + getModel().getSize()); + Logging.logDebug("AlgorithmHandler will start " + type.getLabel() + ", with " + getModel().getSize()); return this.algorithmHandler.runAlgorithmByType(type, getModel().getLines(), guiFlag); } } @@ -143,11 +142,8 @@ public abstract class AbstractPresenter implements Flow.Subscriber { this.view = view; Logging.logDebug("View has been set."); - //customize gui - Platform.runLater(() -> { - this.view.initGui(); - }); + Platform.runLater(() -> this.view.initGui()); } /** diff --git a/LinearRegressionTool/src/main/java/de/wwwu/awolf/presenter/Presenter.java b/LinearRegressionTool/src/main/java/de/wwwu/awolf/presenter/Presenter.java index 011698c..9b89857 100644 --- a/LinearRegressionTool/src/main/java/de/wwwu/awolf/presenter/Presenter.java +++ b/LinearRegressionTool/src/main/java/de/wwwu/awolf/presenter/Presenter.java @@ -7,11 +7,10 @@ import de.wwwu.awolf.model.communication.EvaluationData; import de.wwwu.awolf.presenter.data.DataHandler; import de.wwwu.awolf.presenter.evaluation.EvaluatationHandler; import de.wwwu.awolf.presenter.util.Logging; -import javafx.application.Platform; - -import javax.swing.*; import java.io.File; import java.util.Set; +import javafx.application.Platform; +import javax.swing.SwingUtilities; /** @@ -41,16 +40,17 @@ public class Presenter extends AbstractPresenter { protected void visualizeAlgorithm(Data data) { AlgorithmData algorithmData = (AlgorithmData) data; - Platform.runLater(() -> { - getView().getAlgorithmTabControllers().get(algorithmData.getAlgorithmType()).updatePlot(getModel(), algorithmData.getLineData()); - }); + Platform.runLater(() -> getView().getAlgorithmTabControllers().get(algorithmData.getAlgorithmType()).updatePlot(getModel(), algorithmData.getLineData()) + ); Logging.logInfo("Type: " + algorithmData.getType() + ". Result: " + algorithmData.getLineData().toString()); } @Override protected void evaluatedDatas(Data data) { EvaluationData evaluationData = (EvaluationData) data; - SwingUtilities.invokeLater(() -> getView().appendEvalResults(evaluationData.getMultipleColumnResult())); + SwingUtilities + .invokeLater( + () -> getView().appendEvalResults(evaluationData.getMultipleColumnResult())); } /*************************************************************************************************************************** @@ -87,9 +87,8 @@ public class Presenter extends AbstractPresenter { getModel().setLines(data); //Berechnung der Schnittpunkte und vis. der Ergebnisse (anz. Geraden, anz. Schnittpunkte) Logging.logInfo("Import was successful! "); - Platform.runLater(() -> { - getView().getAlgorithmTabControllers().values().forEach(e -> e.updatePlot(getModel(), null)); - }); + Platform.runLater(() -> getView().getAlgorithmTabControllers().values().forEach(e -> e.updatePlot(getModel(), null)) + ); return data; } @@ -103,15 +102,13 @@ public class Presenter extends AbstractPresenter { Set data = getDataHandler().getData(type, n); getModel().setLines(data); Logging.logInfo("Generate was successful!"); - Platform.runLater(() -> { - getView().getAlgorithmTabControllers().values().forEach(e -> e.updatePlot(getModel(), null)); - }); + Platform.runLater(() -> getView().getAlgorithmTabControllers().values().forEach(e -> e.updatePlot(getModel(), null)) + ); return data; } /** - * Startet die Evaluation zu einen gegegbenen Typ mit den Informationen zu den Datensatz. - * Beispielsweise kann ein Alg. auf mit verschiedenen Datensätzen untersucht werden, oder mehrere Algorithmen + * Startet die Evaluation zu einen gegegbenen Typ mit den Informationen zu den Datensatz. Beispielsweise kann ein Alg. auf mit verschiedenen Datensätzen untersucht werden, oder mehrere Algorithmen * auf einem gegebenen Datensatz. * * @param typ Typ der Evaluation @@ -124,9 +121,8 @@ public class Presenter extends AbstractPresenter { } /** - * Startet die Evaluation zu einen gegegbenen Datensatz, der importiert wird. - * Beispielsweise kann ein Alg. auf mit verschiedenen Datensätzen untersucht werden, oder mehrere Algorithmen - * auf einem gegebenen Datensatz. + * Startet die Evaluation zu einen gegegbenen Datensatz, der importiert wird. Beispielsweise kann ein Alg. auf mit verschiedenen Datensätzen untersucht werden, oder mehrere Algorithmen auf einem + * gegebenen Datensatz. * * @param typ Typ der Evaluation * @param alg code für die auszuführenden Algorithmen (siehe EvaluationPanel.checkSelection() Method) diff --git a/LinearRegressionTool/src/main/java/de/wwwu/awolf/presenter/algorithms/Algorithm.java b/LinearRegressionTool/src/main/java/de/wwwu/awolf/presenter/algorithms/Algorithm.java index 86f5555..176f29f 100644 --- a/LinearRegressionTool/src/main/java/de/wwwu/awolf/presenter/algorithms/Algorithm.java +++ b/LinearRegressionTool/src/main/java/de/wwwu/awolf/presenter/algorithms/Algorithm.java @@ -3,7 +3,6 @@ package de.wwwu.awolf.presenter.algorithms; import de.wwwu.awolf.model.Line; import de.wwwu.awolf.model.communication.Data; import de.wwwu.awolf.presenter.AbstractPresenter; - import java.util.Set; import java.util.concurrent.Callable; import java.util.concurrent.Flow; @@ -23,29 +22,28 @@ public interface Algorithm extends Callable, Flow.Publisher { @Override Line call(); - - enum Type { - LMS("Least Median of Squares"), - RM("Repeated Median"), - TS("Theil-Sen"), - NAIV_LMS("Brute Force (LMS)"), - NAIV_RM("Brute Force (RM)"), - NAIV_TS("Brute Force (TS)"); - - public final String name; - - Type(String name) { - this.name = name; - } - - public String getName() { - return name; - } - } - void setInput(final Set lines); Algorithm.Type getType(); void setPresenter(AbstractPresenter presenter); + + enum Type { + LMS("Least Median of Squares"), + RM("Repeated Median"), + TS("Theil-Sen"), + NAIVE_LMS("Brute Force (LMS)"), + NAIVE_RM("Brute Force (RM)"), + NAIVE_TS("Brute Force (TS)"); + + public final String label; + + Type(String label) { + this.label = label; + } + + public String getLabel() { + return label; + } + } } diff --git a/LinearRegressionTool/src/main/java/de/wwwu/awolf/presenter/algorithms/AlgorithmHandler.java b/LinearRegressionTool/src/main/java/de/wwwu/awolf/presenter/algorithms/AlgorithmHandler.java index e7fdd0c..3a542c8 100644 --- a/LinearRegressionTool/src/main/java/de/wwwu/awolf/presenter/algorithms/AlgorithmHandler.java +++ b/LinearRegressionTool/src/main/java/de/wwwu/awolf/presenter/algorithms/AlgorithmHandler.java @@ -3,9 +3,6 @@ package de.wwwu.awolf.presenter.algorithms; import de.wwwu.awolf.model.Line; import de.wwwu.awolf.presenter.Presenter; import de.wwwu.awolf.presenter.util.Logging; -import javafx.beans.property.BooleanProperty; - -import javax.annotation.Nullable; import java.util.EnumMap; import java.util.Map; import java.util.ServiceLoader; @@ -13,6 +10,8 @@ import java.util.Set; import java.util.concurrent.ExecutionException; import java.util.concurrent.ExecutorCompletionService; import java.util.concurrent.ExecutorService; +import javafx.beans.property.BooleanProperty; +import javax.annotation.Nullable; public class AlgorithmHandler { @@ -27,6 +26,7 @@ public class AlgorithmHandler { /** * Singleton getter + * * @return instance of the singleton */ public static AlgorithmHandler getInstance() { @@ -39,10 +39,12 @@ public class AlgorithmHandler { } @Nullable - public Line runAlgorithmByType(final Algorithm.Type type, final Set setOfLines, final BooleanProperty guiFlag) { + public Line runAlgorithmByType(final Algorithm.Type type, final Set setOfLines, + final BooleanProperty guiFlag) { - if (guiFlag != null) + if (guiFlag != null) { guiFlag.setValue(true); + } //get the instance Algorithm algorithm = algorithmMapping.get(type); @@ -52,20 +54,26 @@ public class AlgorithmHandler { //get the executor ExecutorService executor = Presenter.getInstance().getExecutor(); - ExecutorCompletionService completionService = new ExecutorCompletionService<>(executor); + ExecutorCompletionService completionService = new ExecutorCompletionService<>( + executor); completionService.submit(algorithm); try { return completionService.take().get(); } catch (InterruptedException e) { - Logging.logError("Interrupt Exception while waiting for result of Algorithm: " + algorithm.getType(), e); + Logging.logError( + "Interrupt Exception while waiting for result of Algorithm: " + algorithm + .getType(), e); Thread.currentThread().interrupt(); } catch (ExecutionException e) { - Logging.logError("Execution Exception while computing the result of Algorithm: " + algorithm.getType(), e); + Logging.logError( + "Execution Exception while computing the result of Algorithm: " + algorithm + .getType(), e); } finally { - if (guiFlag != null) + if (guiFlag != null) { guiFlag.setValue(false); + } } return null; } diff --git a/LinearRegressionTool/src/main/java/de/wwwu/awolf/presenter/algorithms/advanced/LeastMedianOfSquaresEstimator.java b/LinearRegressionTool/src/main/java/de/wwwu/awolf/presenter/algorithms/advanced/LeastMedianOfSquaresEstimator.java index 195a8aa..feb9ed5 100644 --- a/LinearRegressionTool/src/main/java/de/wwwu/awolf/presenter/algorithms/advanced/LeastMedianOfSquaresEstimator.java +++ b/LinearRegressionTool/src/main/java/de/wwwu/awolf/presenter/algorithms/advanced/LeastMedianOfSquaresEstimator.java @@ -10,8 +10,15 @@ import de.wwwu.awolf.presenter.AbstractPresenter; import de.wwwu.awolf.presenter.algorithms.Algorithm; import de.wwwu.awolf.presenter.util.IntersectionComputer; import de.wwwu.awolf.presenter.util.Logging; - -import java.util.*; +import java.util.ArrayList; +import java.util.Collection; +import java.util.Collections; +import java.util.Comparator; +import java.util.LinkedList; +import java.util.List; +import java.util.PriorityQueue; +import java.util.Queue; +import java.util.Set; import java.util.concurrent.Flow; /** @@ -22,6 +29,7 @@ import java.util.concurrent.Flow; * @Date: 28.05.2017. */ public class LeastMedianOfSquaresEstimator implements Algorithm { + private static final Algorithm.Type type = Type.LMS; private List setOfLines; @@ -40,15 +48,12 @@ public class LeastMedianOfSquaresEstimator implements Algorithm { private double slope; private double yInterception; private Flow.Subscriber subscriber; - private AbstractPresenter presenter; /** * Algorithmus zum berechnen des LMS-Schätzers *

- * Paper: - * Mount, David M, Nathan S Netanyahu, Kathleen Romanik, Ruth Silverman und Angela Y Wu - * „A practical approximation algorithm for the LMS line estimator“. 2007 - * Computational statistics & data Analysis 51.5, S. 2461–2486 + * Paper: Mount, David M, Nathan S Netanyahu, Kathleen Romanik, Ruth Silverman und Angela Y Wu „A practical approximation algorithm for the LMS line estimator“. 2007 Computational statistics & + * data Analysis 51.5, S. 2461–2486 */ @Override public Line call() { @@ -80,7 +85,6 @@ public class LeastMedianOfSquaresEstimator implements Algorithm { heightsigmaMin = Double.MAX_VALUE; //(3.) Apply the following steps as long as the exists active intervals - boolean active = true; Interval interval; while (!this.intervals.isEmpty()) { interval = this.intervals.peek(); @@ -94,11 +98,13 @@ public class LeastMedianOfSquaresEstimator implements Algorithm { } else { //(c.) otherwise.... // get random intersections point... - Collection tmpIntersections = IntersectionComputer.getInstance().compute(setOfLines, interval.getLower(), interval.getUpper()); + Collection tmpIntersections = IntersectionComputer + .getInstance() + .compute(setOfLines, interval.getLower(), interval.getUpper()); boolean found = false; for (Point tmpIntersection : tmpIntersections) { if (tmpIntersection.getX() > interval.getLower() - && tmpIntersection.getX() < interval.getUpper()) { + && tmpIntersection.getX() < interval.getUpper()) { intersectionsPoint = tmpIntersection.getX(); found = true; break; @@ -146,7 +152,6 @@ public class LeastMedianOfSquaresEstimator implements Algorithm { @Override public void setPresenter(AbstractPresenter presenter) { - this.presenter = presenter; subscribe(presenter); } @@ -158,15 +163,14 @@ public class LeastMedianOfSquaresEstimator implements Algorithm { * @return Anzahl der Schnittpunkte */ public int countInversions(Interval interval) { - return IntersectionComputer.getInstance().compute(setOfLines, interval.getLower(), interval.getUpper()).size(); + return IntersectionComputer.getInstance() + .compute(setOfLines, interval.getLower(), interval.getUpper()).size(); } /** - * In der Literatur wird ein planesweep vorrausgesetzt um in einem Intervall das minimale kMinus Segment zu - * identifizieren. An dieser Stelle wird eine naivere Lösung verwendet, mithilfe der Schleife werden alle - * Schnittpunkte betrachtet und bei passenden x-Koordinaten werden wird die vertikale Gerade auf kMinus Segmente - * untersucht. + * In der Literatur wird ein planesweep vorrausgesetzt um in einem Intervall das minimale kMinus Segment zu identifizieren. An dieser Stelle wird eine naivere Lösung verwendet, mithilfe der + * Schleife werden alle Schnittpunkte betrachtet und bei passenden x-Koordinaten werden wird die vertikale Gerade auf kMinus Segmente untersucht. * * @param interval * @return @@ -175,7 +179,8 @@ public class LeastMedianOfSquaresEstimator implements Algorithm { //initialisiere die x-Queue mit den 2D Punkten und sortiere nach x-Lexikographischer Ordnung List xQueue = new ArrayList<>(); - Collection points = IntersectionComputer.getInstance().compute(setOfLines, interval.getLower(), interval.getUpper()); + Collection points = IntersectionComputer.getInstance() + .compute(setOfLines, interval.getLower(), interval.getUpper()); for (Point point : points) { if (point.getX() >= interval.getLower() && point.getX() < interval.getUpper()) { xQueue.add(point); @@ -193,7 +198,8 @@ public class LeastMedianOfSquaresEstimator implements Algorithm { continue; } else if (currentBracelet[0] < heightOfBracelet) { heightOfBracelet = currentBracelet[0]; - bracelet = new Line(current.getX(), current.getX(), currentBracelet[1], currentBracelet[2]); + bracelet = new Line(current.getX(), current.getX(), currentBracelet[1], + currentBracelet[2]); } } @@ -202,8 +208,7 @@ public class LeastMedianOfSquaresEstimator implements Algorithm { } /** - * Diese Methode spaltet den aktiven Interval an der x Koordinate point. Es werden zwei neue Slabs - * erzeugt. + * Diese Methode spaltet den aktiven Interval an der x Koordinate point. Es werden zwei neue Slabs erzeugt. * * @param point x Koordinate an der, der Split geschieht. */ @@ -215,8 +220,7 @@ public class LeastMedianOfSquaresEstimator implements Algorithm { } /** - * Zu einer vertikalen Gerade werden kMinus Segmente erzeugt und geprüft ob eine bessere Lösung - * als SigmaMin vorliegt. + * Zu einer vertikalen Gerade werden kMinus Segmente erzeugt und geprüft ob eine bessere Lösung als SigmaMin vorliegt. * * @param point x-Koordinate zur Konstruktion der vertikalen Gerade */ @@ -237,10 +241,10 @@ public class LeastMedianOfSquaresEstimator implements Algorithm { heightsigmaMin = height; if (sigmaMin != null) { sigmaMin.setEndPoints(point, sortedLineSequence.get(i) - , point, sortedLineSequence.get((i + kMinus) - 1)); + , point, sortedLineSequence.get((i + kMinus) - 1)); } else { sigmaMin = new Line(point, point, sortedLineSequence.get(i), - sortedLineSequence.get((i + kMinus) - 1)); + sortedLineSequence.get((i + kMinus) - 1)); } } } @@ -266,15 +270,17 @@ public class LeastMedianOfSquaresEstimator implements Algorithm { List lines = new ArrayList<>(); for (Line p : setOfLines) { lines.add( - new Line(pslab.getLower(), pslab.getUpper(), ((pslab.getLower() * p.getM()) + p.getB()), - ((pslab.getUpper() * p.getM()) + p.getB()))); + new Line(pslab.getLower(), pslab.getUpper(), + ((pslab.getLower() * p.getM()) + p.getB()), + ((pslab.getUpper() * p.getM()) + p.getB()))); } umaxList = getEjValues(pslab.getUpper()); uminList = getEjValues(pslab.getLower()); for (int i = 0; i < n; i++) { - Line level = new Line(pslab.getLower(), pslab.getUpper(), uminList.get(i), umaxList.get(i)); + Line level = new Line(pslab.getLower(), pslab.getUpper(), uminList.get(i), + umaxList.get(i)); for (Line line : lines) { if ((line.getY1() < level.getY1()) && (line.getY2() < level.getY2())) { alpha[i]++; @@ -288,7 +294,6 @@ public class LeastMedianOfSquaresEstimator implements Algorithm { strictlyGreater = 0; } - //Teil II. int i = 0; double h; @@ -303,7 +308,7 @@ public class LeastMedianOfSquaresEstimator implements Algorithm { break; } else { h = Math.min(Math.abs(uminList.get(j) - uminList.get(i)), - Math.abs(umaxList.get(j) - umaxList.get(i))); + Math.abs(umaxList.get(j) - umaxList.get(i))); double error = 0.01; if (((1 + error) * h) < heightsigmaMin) { pslab.setActivity(true); @@ -316,8 +321,7 @@ public class LeastMedianOfSquaresEstimator implements Algorithm { } /** - * Berechnet die Schnittpunkte der Geraden und der vertikalen Gerade u. Im paper sind diese Werte - * als e_j Werte bekannt. + * Berechnet die Schnittpunkte der Geraden und der vertikalen Gerade u. Im paper sind diese Werte als e_j Werte bekannt. * * @param u vertikale Gerade * @return Liste der Schnittpunkte (da u bekannt werden nur die y Werte zurück gegeben) @@ -336,8 +340,7 @@ public class LeastMedianOfSquaresEstimator implements Algorithm { } /** - * Die Funktion berechnet anhand einer vertikalen Gerade x = px das sogenannte kleinste kMinus - * Bracelet. Mit anderen Worten es wird eine vertikale Teilgerade berechnet die mindestens kMinus + * Die Funktion berechnet anhand einer vertikalen Gerade x = px das sogenannte kleinste kMinus Bracelet. Mit anderen Worten es wird eine vertikale Teilgerade berechnet die mindestens kMinus * Geraden schneidet und dabei minimal ist. * * @param px Koordinate um die "vertikale Gerade" zu simulieren. @@ -352,8 +355,10 @@ public class LeastMedianOfSquaresEstimator implements Algorithm { } if (intersections.size() >= kMinusValue) { Collections.sort(intersections); - double height = Math.abs(intersections.get(0) - intersections.get(kMinusValue - 1)); - return new Double[]{height, intersections.get(0), intersections.get(kMinusValue - 1)}; + double height = Math + .abs(intersections.get(0) - intersections.get(kMinusValue - 1)); + return new Double[]{height, intersections.get(0), + intersections.get(kMinusValue - 1)}; } else { return null; } diff --git a/LinearRegressionTool/src/main/java/de/wwwu/awolf/presenter/algorithms/advanced/RepeatedMedianEstimator.java b/LinearRegressionTool/src/main/java/de/wwwu/awolf/presenter/algorithms/advanced/RepeatedMedianEstimator.java index b391530..a31f992 100644 --- a/LinearRegressionTool/src/main/java/de/wwwu/awolf/presenter/algorithms/advanced/RepeatedMedianEstimator.java +++ b/LinearRegressionTool/src/main/java/de/wwwu/awolf/presenter/algorithms/advanced/RepeatedMedianEstimator.java @@ -12,8 +12,12 @@ import de.wwwu.awolf.presenter.util.FastElementSelector; import de.wwwu.awolf.presenter.util.IntersectionComputer; import de.wwwu.awolf.presenter.util.Logging; import de.wwwu.awolf.presenter.util.RandomSampler; - -import java.util.*; +import java.util.ArrayList; +import java.util.Collections; +import java.util.HashSet; +import java.util.LinkedList; +import java.util.List; +import java.util.Set; import java.util.concurrent.Flow; @@ -59,10 +63,7 @@ public class RepeatedMedianEstimator implements Algorithm { /** * Führt den Algortihmus zur Berechnung des RM-Schätzers durch. *

- * Paper: - * Matousek, Jiri, D. M. Mount und N. S. Netanyahu - * „Efficient Randomized Algorithms for the Repeated Median Line Estimator“. 1998 - * Algorithmica 20.2, S. 136–150 + * Paper: Matousek, Jiri, D. M. Mount und N. S. Netanyahu „Efficient Randomized Algorithms for the Repeated Median Line Estimator“. 1998 Algorithmica 20.2, S. 136–150 */ public Line call() { @@ -103,7 +104,8 @@ public class RepeatedMedianEstimator implements Algorithm { final double lowerBound = thetaLow; final double upperBound = thetaHigh; if (!lines.isEmpty()) { - lines.forEach(line -> medianIntersectionAbscissas.add(estimateMedianIntersectionAbscissas(lines, line))); + lines.forEach(line -> medianIntersectionAbscissas + .add(estimateMedianIntersectionAbscissas(lines, line))); } //Rang vom RM-Wert in C @@ -114,8 +116,10 @@ public class RepeatedMedianEstimator implements Algorithm { //Berechne die Elemente mit dem Rang Theta_lo und Theta_hi Collections.sort(medianIntersectionAbscissas); - thetaLow = FastElementSelector.randomizedSelect(medianIntersectionAbscissas, kLow); - thetaHigh = FastElementSelector.randomizedSelect(medianIntersectionAbscissas, kHigh); + thetaLow = FastElementSelector + .randomizedSelect(medianIntersectionAbscissas, kLow); + thetaHigh = FastElementSelector + .randomizedSelect(medianIntersectionAbscissas, kHigh); //Für jede Gerade in C wird die Anzahl der Schnittpunkte die im Intervall liegen hochgezählt countNumberOfIntersectionsAbscissas(thetaLow, thetaHigh); @@ -157,20 +161,26 @@ public class RepeatedMedianEstimator implements Algorithm { */ public Double estimateMedianIntersectionAbscissas(List lines, Line sampledLine) { - List intersections = IntersectionComputer.getInstance().calculateIntersectionAbscissas(lines, sampledLine, original.getLower(), original.getUpper()); - List left = IntersectionComputer.getInstance().calculateIntersectionAbscissas(lines, sampledLine, original.getLower(), interval.getLower()); - List center = IntersectionComputer.getInstance().calculateIntersectionAbscissas(lines, sampledLine, interval.getLower(), interval.getUpper()); - + List intersections = IntersectionComputer.getInstance() + .calculateIntersectionAbscissas(lines, sampledLine, original.getLower(), + original.getUpper()); + List left = IntersectionComputer.getInstance() + .calculateIntersectionAbscissas(lines, sampledLine, original.getLower(), + interval.getLower()); + List center = IntersectionComputer.getInstance() + .calculateIntersectionAbscissas(lines, sampledLine, interval.getLower(), + interval.getUpper()); double ki = Math.ceil((n - 1) * 0.5) - left.size(); double i = (Math.ceil((Math.sqrt(n) * ki) / center.size())); int accessIndex; - if (i < 0) + if (i < 0) { accessIndex = 0; - else if (i >= intersections.size() && !intersections.isEmpty()) + } else if (i >= intersections.size() && !intersections.isEmpty()) { accessIndex = intersections.size() - 1; - else + } else { accessIndex = (int) i; + } return FastElementSelector.randomizedSelect(intersections, accessIndex); } @@ -180,40 +190,46 @@ public class RepeatedMedianEstimator implements Algorithm { */ public void computeSlabBorders() { kLow = Math.max(1, Math.floor(((r * k) / (countCenterSlab)) - - ((3 * Math.sqrt(r)) * (0.5)))); + - ((3 * Math.sqrt(r)) * (0.5)))); kHigh = Math.min(r, Math.floor(((r * k) / (countCenterSlab)) - + ((3 * Math.sqrt(r)) * (0.5)))); + + ((3 * Math.sqrt(r)) * (0.5)))); } /** - * Berechnet die Anzahl der Schnittpunkte pro Bereich. Insgesammt gibt es drei Bereiche: - * Im Intervall => (a,b], vor dem Intervall => (a', a], hinter dem Intervall => (b, b']. + * Berechnet die Anzahl der Schnittpunkte pro Bereich. Insgesammt gibt es drei Bereiche: Im Intervall => (a,b], vor dem Intervall => (a', a], hinter dem Intervall => (b, b']. */ public void countNumberOfIntersectionsAbscissas(final double lower, final double upper) { IntersectionComputer instance = IntersectionComputer.getInstance(); - - intersectionsInLeftSlab = new HashSet<>(instance.compute(setOfLines, interval.getLower(), lower)); + intersectionsInLeftSlab = new HashSet<>( + instance.compute(setOfLines, interval.getLower(), lower)); intersectionsInCenterSlab = new HashSet<>(instance.compute(setOfLines, lower, upper)); - intersectionsInRightSlab = new HashSet<>(instance.compute(setOfLines, upper, interval.getUpper())); + intersectionsInRightSlab = new HashSet<>( + instance.compute(setOfLines, upper, interval.getUpper())); - int tmp = new HashSet<>(instance.compute(setOfLines, interval.getLower(), interval.getUpper())).size(); + int tmp = new HashSet<>( + instance.compute(setOfLines, interval.getLower(), interval.getUpper())) + .size(); countLeftSlab = intersectionsInLeftSlab.size(); countCenterSlab = intersectionsInCenterSlab.size(); countRightSlab = intersectionsInRightSlab.size(); } /** - * Verkleinert das aktuelle Intervall. Eines der drei Bereiche wird als neues Intervall gewählt. - * Auf diesem Intervall werden dann in der nächsten Iteration wieder drei Bereiche bestimmt. + * Verkleinert das aktuelle Intervall. Eines der drei Bereiche wird als neues Intervall gewählt. Auf diesem Intervall werden dann in der nächsten Iteration wieder drei Bereiche bestimmt. */ public void contractIntervals(final double lower, final double upper) { double max = Math.max(countLeftSlab, Math.max(countCenterSlab, countRightSlab)); - boolean newIntervalIsC = countLeftSlab < Math.ceil(n * 0.5) && Math.ceil(n * 0.5) <= countLeftSlab + countCenterSlab; + boolean newIntervalIsC = + countLeftSlab < Math.ceil(n * 0.5) + && Math.ceil(n * 0.5) <= countLeftSlab + countCenterSlab; boolean newIntervalIsL = Math.ceil(n * 0.5) <= countLeftSlab; - boolean newIntervalIsR = countLeftSlab + countCenterSlab < Math.ceil(n * 0.5) && Math.ceil(n * 0.5) <= (countLeftSlab + countCenterSlab + countRightSlab); + boolean newIntervalIsR = + countLeftSlab + countCenterSlab < Math.ceil(n * 0.5) && Math.ceil(n * 0.5) <= ( + countLeftSlab + + countCenterSlab + countRightSlab); //wähle C als C if (newIntervalIsC) { @@ -233,7 +249,8 @@ public class RepeatedMedianEstimator implements Algorithm { potentialYInterceptions.add(line.getB() - (slope * line.getM())); }); - yInterception = FastElementSelector.randomizedSelect(potentialYInterceptions, Math.floor(potentialYInterceptions.size() * 0.5)); + yInterception = FastElementSelector.randomizedSelect(potentialYInterceptions, + Math.floor(potentialYInterceptions.size() * 0.5)); if (this.subscriber != null) { AlgorithmData data = new AlgorithmData(); diff --git a/LinearRegressionTool/src/main/java/de/wwwu/awolf/presenter/algorithms/advanced/TheilSenEstimator.java b/LinearRegressionTool/src/main/java/de/wwwu/awolf/presenter/algorithms/advanced/TheilSenEstimator.java index 719bdb2..477a4b2 100644 --- a/LinearRegressionTool/src/main/java/de/wwwu/awolf/presenter/algorithms/advanced/TheilSenEstimator.java +++ b/LinearRegressionTool/src/main/java/de/wwwu/awolf/presenter/algorithms/advanced/TheilSenEstimator.java @@ -12,8 +12,12 @@ import de.wwwu.awolf.presenter.util.BinomialCoeffizient; import de.wwwu.awolf.presenter.util.FastElementSelector; import de.wwwu.awolf.presenter.util.IntersectionComputer; import de.wwwu.awolf.presenter.util.RandomSampler; - -import java.util.*; +import java.util.ArrayList; +import java.util.Collection; +import java.util.LinkedHashSet; +import java.util.LinkedList; +import java.util.List; +import java.util.Set; import java.util.concurrent.Flow; /** @@ -51,10 +55,8 @@ public class TheilSenEstimator implements Algorithm { /** - * Randomisierter Algorithmus zur Berechnung des Theil-Sen Schätzers. - * Algorithmus stammt aus dem Paper: - * "Jiri Matousek, Randomized optimal algorithm for slope selection, - * Information Processing Letters 39 (1991) 183-187 + * Randomisierter Algorithmus zur Berechnung des Theil-Sen Schätzers. Algorithmus stammt aus dem Paper: "Jiri Matousek, Randomized optimal algorithm for slope selection, Information Processing + * Letters 39 (1991) 183-187 */ public Line call() { @@ -68,13 +70,16 @@ public class TheilSenEstimator implements Algorithm { //Collections.sort(intervalIntersections); r = n; - List intervalIntersections = new LinkedList<>(IntersectionComputer.getInstance().compute(setOfLines, interval.getLower(), interval.getUpper())); + List intervalIntersections = new LinkedList<>(IntersectionComputer.getInstance() + .compute(setOfLines, interval.getLower(), interval.getUpper())); while (true) { - if (this.N <= n || (Math.abs(interval.getUpper() - interval.getLower())) < EPSILON) { + if (this.N <= n + || (Math.abs(interval.getUpper() - interval.getLower())) < EPSILON) { break; } else { //Anzahl der Schnittpunkte im Intervall [-Inf, a) - int numberOfIntersections = getIntervalSize(NEGATIV_INF, interval.getLower()); + int numberOfIntersections = getIntervalSize(NEGATIV_INF, + interval.getLower()); //Randomized Interpolating Search j = (r / N) * (double) (k - numberOfIntersections); @@ -87,15 +92,21 @@ public class TheilSenEstimator implements Algorithm { das Intrvall weniger als 11*N / sqrt(r) Elemente besitzt */ do { //zufällige Stichprobe - List sampledIntersections = RandomSampler.run(intervalIntersections, r); + List sampledIntersections = RandomSampler + .run(intervalIntersections, r); - aVariant = FastElementSelector.randomizedSelect(getIntersectionAbscissas(sampledIntersections), jA); - bVariant = FastElementSelector.randomizedSelect(getIntersectionAbscissas(sampledIntersections), jB); + aVariant = FastElementSelector + .randomizedSelect(getIntersectionAbscissas(sampledIntersections), + jA); + bVariant = FastElementSelector + .randomizedSelect(getIntersectionAbscissas(sampledIntersections), + jB); } while (!checkCondition()); interval.setLower(aVariant); interval.setUpper(bVariant); - intervalIntersections = getOpenIntervalElements(interval.getLower(), interval.getUpper()); + intervalIntersections = getOpenIntervalElements(interval.getLower(), + interval.getUpper()); N = getIntervalSize(interval.getLower(), interval.getUpper()); } } @@ -127,9 +138,8 @@ public class TheilSenEstimator implements Algorithm { /** - * Diese Funktion überprüft ob die Bedingung für das Interval erfüllt ist. Dabei muss der k-te - * Schnittpunkt in diesem Interval enthalten sein. des weiteren soll die Anzahl der Schnittpunkte - * im Interval kleiner oder gleich dem Term: (11*N)/sqrt(r) sein. + * Diese Funktion überprüft ob die Bedingung für das Interval erfüllt ist. Dabei muss der k-te Schnittpunkt in diesem Interval enthalten sein. des weiteren soll die Anzahl der Schnittpunkte im + * Interval kleiner oder gleich dem Term: (11*N)/sqrt(r) sein. * * @return Boolscher Wert ob die Bedingung erfüllt ist */ @@ -152,8 +162,8 @@ public class TheilSenEstimator implements Algorithm { /** - * Berechne wieviele von den Schnittpunkten in dem Interval zwischen a und b - * enthalten sind. + * Berechne wieviele von den Schnittpunkten in dem Interval zwischen a und + * b enthalten sind. * * @param a untere Grenze des Intervals * @param b obere Grenze des Intrvals @@ -164,16 +174,17 @@ public class TheilSenEstimator implements Algorithm { } /** - * Berechne wieviele von den Schnittpunkten in dem Interval zwischen a und b - * enthalten sind. Zusätzlich werden diese Schnittpunkte in einer Liste festgehalten und diese werden - * zurückgeliefert. + * Berechne wieviele von den Schnittpunkten in dem Interval zwischen a und + * b enthalten sind. Zusätzlich werden diese Schnittpunkte in einer Liste + * festgehalten und diese werden zurückgeliefert. * * @param a untere Grenze des Intervals * @param b obere Grenze des Intrvals * @return Liste der Schnittpunkte die im Interval (a,b) vertreten sind */ public List getOpenIntervalElements(double a, double b) { - Collection intersections = IntersectionComputer.getInstance().compute(setOfLines, a, b); + Collection intersections = IntersectionComputer.getInstance() + .compute(setOfLines, a, b); return new ArrayList<>(intersections); } @@ -181,7 +192,8 @@ public class TheilSenEstimator implements Algorithm { double m, x; double b, y; - List resultSt = getOpenIntervalElements(interval.getLower(), interval.getUpper()); + List resultSt = getOpenIntervalElements(interval.getLower(), + interval.getUpper()); List resultAbscissas = new ArrayList<>(); for (Point p : resultSt) { diff --git a/LinearRegressionTool/src/main/java/de/wwwu/awolf/presenter/algorithms/naiv/NaivLeastMedianOfSquaresEstimator.java b/LinearRegressionTool/src/main/java/de/wwwu/awolf/presenter/algorithms/naiv/NaivLeastMedianOfSquaresEstimator.java index b0a07aa..4efcfb7 100644 --- a/LinearRegressionTool/src/main/java/de/wwwu/awolf/presenter/algorithms/naiv/NaivLeastMedianOfSquaresEstimator.java +++ b/LinearRegressionTool/src/main/java/de/wwwu/awolf/presenter/algorithms/naiv/NaivLeastMedianOfSquaresEstimator.java @@ -8,8 +8,11 @@ import de.wwwu.awolf.presenter.AbstractPresenter; import de.wwwu.awolf.presenter.algorithms.Algorithm; import de.wwwu.awolf.presenter.util.FastElementSelector; import de.wwwu.awolf.presenter.util.Logging; - -import java.util.*; +import java.util.ArrayList; +import java.util.Collections; +import java.util.LinkedList; +import java.util.List; +import java.util.Set; import java.util.concurrent.Flow; /** @@ -21,7 +24,7 @@ import java.util.concurrent.Flow; */ public class NaivLeastMedianOfSquaresEstimator implements Algorithm { - private static final Algorithm.Type type = Type.NAIV_LMS; + private static final Algorithm.Type type = Type.NAIVE_LMS; private List setOfLines = new ArrayList<>(); private int n; @@ -52,8 +55,14 @@ public class NaivLeastMedianOfSquaresEstimator implements Algorithm { triple.add(j); triple.add(k); Collections.sort(triple); - beta = (triple.get(0).getB() - triple.get(2).getB()) / (triple.get(0).getM() - triple.get(2).getM()); - alpha = (triple.get(1).getB() + triple.get(2).getB() - (beta * (triple.get(1).getM() + triple.get(2).getM()))) * 0.5; + beta = + (triple.get(0).getB() - triple.get(2).getB()) / ( + triple.get(0).getM() - triple.get(2) + .getM()); + alpha = + (triple.get(1).getB() + triple.get(2).getB() - (beta * ( + triple.get(1).getM() + triple + .get(2).getM()))) * 0.5; dijk = f(alpha, beta); if (dijk < ds) { ds = dijk; @@ -66,7 +75,7 @@ public class NaivLeastMedianOfSquaresEstimator implements Algorithm { } end = System.currentTimeMillis(); Logging.logInfo("=== E N D - naiv L M S ==="); - Logging.logInfo("Slope: " + getSlope() + ", y-Interception: " + getYInterception()); + Logging.logInfo("Slope: " + getSlope() + ", y-Interception: " + getYInterception()); AlgorithmData data = new AlgorithmData(); data.setAlgorithmType(getType()); diff --git a/LinearRegressionTool/src/main/java/de/wwwu/awolf/presenter/algorithms/naiv/NaivRepeatedMedianEstimator.java b/LinearRegressionTool/src/main/java/de/wwwu/awolf/presenter/algorithms/naiv/NaivRepeatedMedianEstimator.java index 5df7851..578ddce 100644 --- a/LinearRegressionTool/src/main/java/de/wwwu/awolf/presenter/algorithms/naiv/NaivRepeatedMedianEstimator.java +++ b/LinearRegressionTool/src/main/java/de/wwwu/awolf/presenter/algorithms/naiv/NaivRepeatedMedianEstimator.java @@ -9,8 +9,11 @@ import de.wwwu.awolf.presenter.AbstractPresenter; import de.wwwu.awolf.presenter.algorithms.Algorithm; import de.wwwu.awolf.presenter.util.FastElementSelector; import de.wwwu.awolf.presenter.util.Logging; - -import java.util.*; +import java.util.ArrayList; +import java.util.HashMap; +import java.util.List; +import java.util.Map; +import java.util.Set; import java.util.concurrent.Flow; /** @@ -22,7 +25,7 @@ import java.util.concurrent.Flow; */ public class NaivRepeatedMedianEstimator implements Algorithm { - private static final Algorithm.Type type = Type.NAIV_RM; + private static final Algorithm.Type type = Type.NAIVE_RM; private List setOfLines; private Map> slopesPerLine; @@ -86,7 +89,7 @@ public class NaivRepeatedMedianEstimator implements Algorithm { medianY = FastElementSelector.randomizedSelect(yMedians, yMedians.size() * 0.5); end = System.currentTimeMillis(); Logging.logInfo("=== E N D - naiv R M ==="); - Logging.logInfo("Slope: " + getSlope() + ", y-Interception: " + getYInterception()); + Logging.logInfo("Slope: " + getSlope() + ", y-Interception: " + getYInterception()); AlgorithmData data = new AlgorithmData(); data.setAlgorithmType(getType()); data.setType(SubscriberType.ALGORITHM); @@ -136,7 +139,6 @@ public class NaivRepeatedMedianEstimator implements Algorithm { yi = endPoint.getB(); } - double m = (yj - yi) / (xj - xi); double b = ((xj * yi) - (xi * yj)) / (xj - xi); return new Point(m, b); diff --git a/LinearRegressionTool/src/main/java/de/wwwu/awolf/presenter/algorithms/naiv/NaivTheilSenEstimator.java b/LinearRegressionTool/src/main/java/de/wwwu/awolf/presenter/algorithms/naiv/NaivTheilSenEstimator.java index 0c3f9f1..ad44db7 100644 --- a/LinearRegressionTool/src/main/java/de/wwwu/awolf/presenter/algorithms/naiv/NaivTheilSenEstimator.java +++ b/LinearRegressionTool/src/main/java/de/wwwu/awolf/presenter/algorithms/naiv/NaivTheilSenEstimator.java @@ -8,7 +8,6 @@ import de.wwwu.awolf.presenter.AbstractPresenter; import de.wwwu.awolf.presenter.algorithms.Algorithm; import de.wwwu.awolf.presenter.util.FastElementSelector; import de.wwwu.awolf.presenter.util.Logging; - import java.util.ArrayList; import java.util.List; import java.util.Set; @@ -23,7 +22,7 @@ import java.util.concurrent.Flow; */ public class NaivTheilSenEstimator implements Algorithm { - private static final Algorithm.Type type = Type.NAIV_TS; + private static final Algorithm.Type type = Type.NAIVE_TS; private List setOfLines; private double slope; @@ -46,15 +45,16 @@ public class NaivTheilSenEstimator implements Algorithm { double y = setOfLines.get(i).getB(); for (int j = i + 1; j < setOfLines.size(); j++) { - if (x != setOfLines.get(j).getM()) { // x must be different, otherwise slope becomes infinite - Double slope = (setOfLines.get(j).getB() - y) / (setOfLines.get(j).getM() - x); + if (x != setOfLines.get(j) + .getM()) { // x must be different, otherwise slope becomes infinite + Double slope = + (setOfLines.get(j).getB() - y) / (setOfLines.get(j).getM() - x); slopesList.add(slope); ++cnt; } } } - List list1 = new ArrayList<>(); List list2 = new ArrayList<>(); for (Line line : setOfLines) { @@ -67,7 +67,7 @@ public class NaivTheilSenEstimator implements Algorithm { yInterception = median2 - slope * median1; end = System.currentTimeMillis(); Logging.logInfo("=== E N D - naiv T S ==="); - Logging.logInfo("Slope: " + getSlope() + ", y-Interception: " + getYInterception()); + Logging.logInfo("Slope: " + getSlope() + ", y-Interception: " + getYInterception()); AlgorithmData data = new AlgorithmData(); data.setAlgorithmType(getType()); data.setType(SubscriberType.ALGORITHM); diff --git a/LinearRegressionTool/src/main/java/de/wwwu/awolf/presenter/data/DataHandler.java b/LinearRegressionTool/src/main/java/de/wwwu/awolf/presenter/data/DataHandler.java index 7c1990d..66a7048 100644 --- a/LinearRegressionTool/src/main/java/de/wwwu/awolf/presenter/data/DataHandler.java +++ b/LinearRegressionTool/src/main/java/de/wwwu/awolf/presenter/data/DataHandler.java @@ -8,7 +8,6 @@ import de.wwwu.awolf.presenter.data.generator.LineDatasetGenerator; import de.wwwu.awolf.presenter.data.io.DataExporter; import de.wwwu.awolf.presenter.data.io.DataImporter; import de.wwwu.awolf.presenter.util.Logging; - import java.io.File; import java.util.Collections; import java.util.Set; @@ -25,8 +24,9 @@ public class DataHandler { public Set getData(final File file) { //Presenter soll die Klasse überwachen - ExecutorCompletionService> completionService = new ExecutorCompletionService<>(this.presenter.getExecutor()); - Logging.logDebug("Importing Data: " + file.getAbsolutePath()); + ExecutorCompletionService> completionService = new ExecutorCompletionService<>( + this.presenter.getExecutor()); + Logging.logDebug("Importing Data: " + file.getAbsolutePath()); completionService.submit(new DataImporter(file)); //wait until future is ready try { @@ -41,8 +41,9 @@ public class DataHandler { public Set getData(final DataType type, final int dataSize) { //Presenter soll die Klasse überwachen - ExecutorCompletionService> completionService = new ExecutorCompletionService<>(this.presenter.getExecutor()); - Logging.logDebug("Generating Data: Size: " + dataSize + ", dataType: " + type.name()); + ExecutorCompletionService> completionService = new ExecutorCompletionService<>( + this.presenter.getExecutor()); + Logging.logDebug("Generating Data: Size: " + dataSize + ", dataType: " + type.name()); switch (type) { case CIRCLE: diff --git a/LinearRegressionTool/src/main/java/de/wwwu/awolf/presenter/data/generator/CircleDatasetGenerator.java b/LinearRegressionTool/src/main/java/de/wwwu/awolf/presenter/data/generator/CircleDatasetGenerator.java index 470a523..e5e28ce 100644 --- a/LinearRegressionTool/src/main/java/de/wwwu/awolf/presenter/data/generator/CircleDatasetGenerator.java +++ b/LinearRegressionTool/src/main/java/de/wwwu/awolf/presenter/data/generator/CircleDatasetGenerator.java @@ -1,12 +1,12 @@ package de.wwwu.awolf.presenter.data.generator; -import de.wwwu.awolf.model.Line; - -import java.util.*; -import java.util.concurrent.Callable; - import static de.wwwu.awolf.presenter.data.generator.DatasetGenerator.generateDataLines; +import de.wwwu.awolf.model.Line; +import java.util.HashSet; +import java.util.Set; +import java.util.concurrent.Callable; + /** * Implementierung verschiedener Algorithmen zur Berechnung von Ausgleichsgeraden. * @@ -23,8 +23,7 @@ public class CircleDatasetGenerator implements Callable> { } /** - * Generiert einen Datensatz des typen: Gerade mit zirkulärer Störung. Zuerst wird die - * zirkuläre Störung zu der Liste der (dualen-)Geraden hinzugefügt danach wird die wrapper Methode + * Generiert einen Datensatz des typen: Gerade mit zirkulärer Störung. Zuerst wird die zirkuläre Störung zu der Liste der (dualen-)Geraden hinzugefügt danach wird die wrapper Methode * generateDataLines() aufgerufen. * * @return Liste der Geraden diff --git a/LinearRegressionTool/src/main/java/de/wwwu/awolf/presenter/data/generator/CloudDatasetGenerator.java b/LinearRegressionTool/src/main/java/de/wwwu/awolf/presenter/data/generator/CloudDatasetGenerator.java index be7e548..dbfe53d 100644 --- a/LinearRegressionTool/src/main/java/de/wwwu/awolf/presenter/data/generator/CloudDatasetGenerator.java +++ b/LinearRegressionTool/src/main/java/de/wwwu/awolf/presenter/data/generator/CloudDatasetGenerator.java @@ -1,7 +1,6 @@ package de.wwwu.awolf.presenter.data.generator; import de.wwwu.awolf.model.Line; - import java.security.SecureRandom; import java.util.HashSet; import java.util.Set; @@ -33,7 +32,6 @@ public class CloudDatasetGenerator implements Callable> { double m = 1 + random.nextDouble(); double b = random.nextDouble(); - for (int i = 1; i < (size + 1); i++) { double y = (random.nextGaussian() * 100) % 100; double signal = m * i + b; diff --git a/LinearRegressionTool/src/main/java/de/wwwu/awolf/presenter/data/generator/DatasetGenerator.java b/LinearRegressionTool/src/main/java/de/wwwu/awolf/presenter/data/generator/DatasetGenerator.java index eb4953a..801879a 100644 --- a/LinearRegressionTool/src/main/java/de/wwwu/awolf/presenter/data/generator/DatasetGenerator.java +++ b/LinearRegressionTool/src/main/java/de/wwwu/awolf/presenter/data/generator/DatasetGenerator.java @@ -1,7 +1,6 @@ package de.wwwu.awolf.presenter.data.generator; import de.wwwu.awolf.model.Line; - import java.security.SecureRandom; import java.util.HashMap; import java.util.Map; @@ -26,8 +25,7 @@ public class DatasetGenerator { /** - * Generieren eines Datensatzes des typen: Gerade. Die Geraden werden in eine - * übergebene Liste hinzugefügt. + * Generieren eines Datensatzes des typen: Gerade. Die Geraden werden in eine übergebene Liste hinzugefügt. * * @param n Größe des Datensatzes * @return Liste des Geraden diff --git a/LinearRegressionTool/src/main/java/de/wwwu/awolf/presenter/data/generator/LineDatasetGenerator.java b/LinearRegressionTool/src/main/java/de/wwwu/awolf/presenter/data/generator/LineDatasetGenerator.java index c3ee29d..2464807 100644 --- a/LinearRegressionTool/src/main/java/de/wwwu/awolf/presenter/data/generator/LineDatasetGenerator.java +++ b/LinearRegressionTool/src/main/java/de/wwwu/awolf/presenter/data/generator/LineDatasetGenerator.java @@ -1,7 +1,6 @@ package de.wwwu.awolf.presenter.data.generator; import de.wwwu.awolf.model.Line; - import java.util.HashSet; import java.util.Set; import java.util.concurrent.Callable; diff --git a/LinearRegressionTool/src/main/java/de/wwwu/awolf/presenter/data/io/DataExporter.java b/LinearRegressionTool/src/main/java/de/wwwu/awolf/presenter/data/io/DataExporter.java index f1fd0c5..f66328b 100644 --- a/LinearRegressionTool/src/main/java/de/wwwu/awolf/presenter/data/io/DataExporter.java +++ b/LinearRegressionTool/src/main/java/de/wwwu/awolf/presenter/data/io/DataExporter.java @@ -3,7 +3,6 @@ package de.wwwu.awolf.presenter.data.io; import com.opencsv.CSVWriter; import de.wwwu.awolf.model.Line; import de.wwwu.awolf.presenter.util.Logging; - import java.io.File; import java.io.FileWriter; import java.io.IOException; @@ -33,9 +32,8 @@ public class DataExporter implements Runnable { } /** - * Diese Methode schreibt die Geraden der Form: y = mx + b, in eine Komma-Separierte Datei (CSV). - * Der Aufbau der Datei ist: id, m, b. Wenn der Export beendet wurde wird die Beobachter-Klasse informiert. - * In diesem Fall ist dies die Presenter Klasse. + * Diese Methode schreibt die Geraden der Form: y = mx + b, in eine Komma-Separierte Datei (CSV). Der Aufbau der Datei ist: id, m, b. Wenn der Export beendet wurde wird die Beobachter-Klasse + * informiert. In diesem Fall ist dies die Presenter Klasse. */ @Override public void run() { @@ -57,6 +55,7 @@ public class DataExporter implements Runnable { Logging.logError(e.getMessage(), e); } - Logging.logInfo("The model has been successfully saved under: " + file.getAbsolutePath() + "."); + Logging.logInfo( + "The model has been successfully saved under: " + file.getAbsolutePath() + "."); } } diff --git a/LinearRegressionTool/src/main/java/de/wwwu/awolf/presenter/data/io/DataImporter.java b/LinearRegressionTool/src/main/java/de/wwwu/awolf/presenter/data/io/DataImporter.java index 4ef655e..a5c0bd5 100644 --- a/LinearRegressionTool/src/main/java/de/wwwu/awolf/presenter/data/io/DataImporter.java +++ b/LinearRegressionTool/src/main/java/de/wwwu/awolf/presenter/data/io/DataImporter.java @@ -3,7 +3,6 @@ package de.wwwu.awolf.presenter.data.io; import com.opencsv.CSVReader; import de.wwwu.awolf.model.Line; import de.wwwu.awolf.presenter.util.Logging; - import java.io.File; import java.io.FileNotFoundException; import java.io.FileReader; @@ -40,9 +39,8 @@ public class DataImporter implements Callable> { } /** - * Diese Methode importiert liest zeile für zeile die Daten aus der Datei und baut eine Liste von Geraden auf. - * Dabei wird auf die richtige Form geachtet. Falls die Datei nicht, mindestens zwei Spalten enthält wird ein Fehler - * signalisiert und der Import wird abgebrochen. + * Diese Methode importiert liest zeile für zeile die Daten aus der Datei und baut eine Liste von Geraden auf. Dabei wird auf die richtige Form geachtet. Falls die Datei nicht, mindestens zwei + * Spalten enthält wird ein Fehler signalisiert und der Import wird abgebrochen. * * @return Liste der Geraden */ @@ -74,7 +72,8 @@ public class DataImporter implements Callable> { result[2] = counter + ""; Thread.sleep(10); } else { - Logging.logWarning("Diese Datei kann nicht importiert werden. Es müssen mindestens zwei Spalten enthalten sein (x,y). Fehler bei der Eingabe"); + Logging.logWarning( + "Diese Datei kann nicht importiert werden. Es müssen mindestens zwei Spalten enthalten sein (x,y). Fehler bei der Eingabe"); return null; } } diff --git a/LinearRegressionTool/src/main/java/de/wwwu/awolf/presenter/evaluation/AlgorithmComparison.java b/LinearRegressionTool/src/main/java/de/wwwu/awolf/presenter/evaluation/AlgorithmComparison.java index c7e9e06..5381268 100644 --- a/LinearRegressionTool/src/main/java/de/wwwu/awolf/presenter/evaluation/AlgorithmComparison.java +++ b/LinearRegressionTool/src/main/java/de/wwwu/awolf/presenter/evaluation/AlgorithmComparison.java @@ -4,7 +4,6 @@ import de.wwwu.awolf.model.Line; import de.wwwu.awolf.model.evaluation.ComparisonResult; import de.wwwu.awolf.presenter.algorithms.Algorithm; import de.wwwu.awolf.presenter.algorithms.AlgorithmHandler; - import java.util.List; import java.util.Set; import java.util.concurrent.CompletionService; diff --git a/LinearRegressionTool/src/main/java/de/wwwu/awolf/presenter/evaluation/EvaluatationHandler.java b/LinearRegressionTool/src/main/java/de/wwwu/awolf/presenter/evaluation/EvaluatationHandler.java index 110b99f..5f52508 100644 --- a/LinearRegressionTool/src/main/java/de/wwwu/awolf/presenter/evaluation/EvaluatationHandler.java +++ b/LinearRegressionTool/src/main/java/de/wwwu/awolf/presenter/evaluation/EvaluatationHandler.java @@ -14,9 +14,14 @@ import de.wwwu.awolf.presenter.evaluation.measures.PercentageErrorBasedMeasure; import de.wwwu.awolf.presenter.evaluation.measures.ScaleDependentMeasure; import de.wwwu.awolf.presenter.evaluation.measures.ScaledErrorBasedMeasure; import de.wwwu.awolf.presenter.util.Logging; - import java.io.File; -import java.util.*; +import java.util.Arrays; +import java.util.Collections; +import java.util.EnumMap; +import java.util.HashMap; +import java.util.List; +import java.util.Map; +import java.util.Set; import java.util.concurrent.Flow; /** @@ -43,13 +48,7 @@ public class EvaluatationHandler implements Runnable, Flow.Publisher { * * @param type Typ der evaluation * @param n Größe des Datensatzes - * @param alg 0 = lms, - * 1 = rm, - * 2 = ts, - * 3 = lms, rm, - * 4 = lms, ts, - * 5 = rm, ts, - * 6 = lms, rm, ts, + * @param alg 0 = lms, 1 = rm, 2 = ts, 3 = lms, rm, 4 = lms, ts, 5 = rm, ts, 6 = lms, rm, ts, * @param datasettyp typ der zu generierenden Datensatz */ public EvaluatationHandler(int type, int n, int alg, DataHandler.DataType datasettyp) { @@ -73,13 +72,7 @@ public class EvaluatationHandler implements Runnable, Flow.Publisher { * Konstruktor zur evaluation * * @param type Typ der evaluation - * @param alg 0 = lms, - * 1 = rm, - * 2 = ts, - * 3 = lms, rm, - * 4 = lms, ts, - * 5 = rm, ts, - * 6 = lms, rm, ts, + * @param alg 0 = lms, 1 = rm, 2 = ts, 3 = lms, rm, 4 = lms, ts, 5 = rm, ts, 6 = lms, rm, ts, * @param file Datei die importiert werden soll */ public EvaluatationHandler(int type, int alg, File file) { @@ -93,27 +86,36 @@ public class EvaluatationHandler implements Runnable, Flow.Publisher { this.alg = alg; } - private Map> benchmarkSameEstimator(final Algorithm.Type advanced, final Algorithm.Type naiv) { - Logging.logInfo("AlgorithmComparison with Types: " + advanced.name() + ", " + naiv.name()); - AlgorithmComparison comparison = new AlgorithmComparison(Arrays.asList(naiv, advanced), Collections.unmodifiableSet(arrangement.getLines())); + private Map> benchmarkSameEstimator( + final Algorithm.Type advanced, final Algorithm.Type naiv) { + Logging + .logInfo("AlgorithmComparison with Types: " + advanced.name() + ", " + naiv.name()); + AlgorithmComparison comparison = new AlgorithmComparison(Arrays.asList(naiv, advanced), + Collections.unmodifiableSet(arrangement.getLines())); ComparisonResult comparisonResult = comparison.compare(); - Map result = new HashMap<>(); - result.putAll(getScaleDependentMeasure(arrangement.getLines(), comparisonResult, advanced)); - result.putAll(getScaledErrorBasedMeasure(arrangement.getLines(), comparisonResult, advanced, naiv)); + result.putAll( + getScaleDependentMeasure(arrangement.getLines(), comparisonResult, advanced)); + result.putAll( + getScaledErrorBasedMeasure(arrangement.getLines(), comparisonResult, advanced, + naiv)); Logging.logInfo("finished with execution of the algorithms."); this.resultMapping.put(advanced, result); return this.resultMapping; } - private Map> benchmarkDifferentEstimators(List types) { + private Map> benchmarkDifferentEstimators( + List types) { Logging.logInfo("AlgorithmComparison with Types: " + types); - AlgorithmComparison comparison = new AlgorithmComparison(types, Collections.unmodifiableSet(arrangement.getLines())); + AlgorithmComparison comparison = new AlgorithmComparison(types, + Collections.unmodifiableSet(arrangement.getLines())); ComparisonResult comparisonResult = comparison.compare(); - types.forEach(typeEntry -> this.resultMapping.put(typeEntry, getPercentigeErrorBasedMeasure(arrangement.getLines(), comparisonResult, typeEntry))); + types.forEach(typeEntry -> this.resultMapping.put(typeEntry, + getPercentigeErrorBasedMeasure(arrangement.getLines(), comparisonResult, + typeEntry))); Logging.logInfo("finished with execution of the algorithms."); return this.resultMapping; } @@ -129,26 +131,34 @@ public class EvaluatationHandler implements Runnable, Flow.Publisher { case 0: //der alg der gewählt wurde if (alg == 0) { - result = benchmarkSameEstimator(Algorithm.Type.LMS, Algorithm.Type.NAIV_LMS); + result = benchmarkSameEstimator(Algorithm.Type.LMS, + Algorithm.Type.NAIVE_LMS); } else if (alg == 1) { - result = benchmarkSameEstimator(Algorithm.Type.RM, Algorithm.Type.NAIV_RM); + result = benchmarkSameEstimator(Algorithm.Type.RM, + Algorithm.Type.NAIVE_RM); } else { - result = benchmarkSameEstimator(Algorithm.Type.TS, Algorithm.Type.NAIV_TS); + result = benchmarkSameEstimator(Algorithm.Type.TS, + Algorithm.Type.NAIVE_TS); } break; case 1: switch (alg) { case 3: - result = benchmarkDifferentEstimators(Arrays.asList(Algorithm.Type.LMS, Algorithm.Type.RM)); + result = benchmarkDifferentEstimators( + Arrays.asList(Algorithm.Type.LMS, Algorithm.Type.RM)); break; case 4: - result = benchmarkDifferentEstimators(Arrays.asList(Algorithm.Type.LMS, Algorithm.Type.TS)); + result = benchmarkDifferentEstimators( + Arrays.asList(Algorithm.Type.LMS, Algorithm.Type.TS)); break; case 5: - result = benchmarkDifferentEstimators(Arrays.asList(Algorithm.Type.RM, Algorithm.Type.TS)); + result = benchmarkDifferentEstimators( + Arrays.asList(Algorithm.Type.RM, Algorithm.Type.TS)); break; case 6: - result = benchmarkDifferentEstimators(Arrays.asList(Algorithm.Type.LMS, Algorithm.Type.RM, Algorithm.Type.TS)); + result = benchmarkDifferentEstimators( + Arrays.asList(Algorithm.Type.LMS, Algorithm.Type.RM, + Algorithm.Type.TS)); break; } break; @@ -176,7 +186,8 @@ public class EvaluatationHandler implements Runnable, Flow.Publisher { * @param lines Liste der Geraden * @return Liste mit den Ergebnissen, bereit zum visualisieren */ - private Map getScaleDependentMeasure(final Set lines, final ComparisonResult comparisonResult, final Algorithm.Type type) { + private Map getScaleDependentMeasure(final Set lines, + final ComparisonResult comparisonResult, final Algorithm.Type type) { Logging.logInfo("Calculating ScaleDependentMeasure for " + type); @@ -203,12 +214,15 @@ public class EvaluatationHandler implements Runnable, Flow.Publisher { * @param lines Liste der Geraden * @return Liste mit den Ergebnissen, bereit zum visualisieren */ - private Map getPercentigeErrorBasedMeasure(final Set lines, final ComparisonResult comparisonResult, final Algorithm.Type type) { + private Map getPercentigeErrorBasedMeasure(final Set lines, + final ComparisonResult comparisonResult, final Algorithm.Type type) { Logging.logInfo("Calculating PercentigeErrorBasedMeasure for " + type); Double m = comparisonResult.get(type).getM(); Double b = comparisonResult.get(type).getB(); - PercentageErrorBasedMeasure percentageErrorBasedMeasure = new PercentageErrorBasedMeasure(lines, m, b); + PercentageErrorBasedMeasure percentageErrorBasedMeasure = new PercentageErrorBasedMeasure( + lines, + m, b); Map ret = new HashMap<>(); ret.put(type + " MAPE", percentageErrorBasedMeasure.mape().toString()); ret.put(type + " MDAPE", percentageErrorBasedMeasure.mdape().toString()); @@ -226,7 +240,9 @@ public class EvaluatationHandler implements Runnable, Flow.Publisher { * @param lines Liste der Geraden * @return Liste mit den Ergebnissen, bereit zum visualisieren */ - private Map getScaledErrorBasedMeasure(final Set lines, final ComparisonResult comparisonResult, final Algorithm.Type advanced, final Algorithm.Type naiv) { + private Map getScaledErrorBasedMeasure(final Set lines, + final ComparisonResult comparisonResult, final Algorithm.Type advanced, + final Algorithm.Type naiv) { Logging.logInfo("Calculating ScaledErrorBasedMeasure for " + advanced + ", " + naiv); @@ -237,7 +253,9 @@ public class EvaluatationHandler implements Runnable, Flow.Publisher { Double naivM = comparisonResult.get(naiv).getM(); Double naivB = comparisonResult.get(naiv).getB(); - ScaledErrorBasedMeasure scaledErrorBasedMeasure = new ScaledErrorBasedMeasure(lines, m, b, naivM, naivB); + ScaledErrorBasedMeasure scaledErrorBasedMeasure = new ScaledErrorBasedMeasure(lines, m, + b, + naivM, naivB); Map ret = new HashMap<>(); ret.put(advanced + " MSE", scaledErrorBasedMeasure.mse().toString()); ret.put(advanced + " RMSE", scaledErrorBasedMeasure.rmse().toString()); diff --git a/LinearRegressionTool/src/main/java/de/wwwu/awolf/presenter/evaluation/measures/PercentageErrorBasedMeasure.java b/LinearRegressionTool/src/main/java/de/wwwu/awolf/presenter/evaluation/measures/PercentageErrorBasedMeasure.java index aec81d1..349adc1 100644 --- a/LinearRegressionTool/src/main/java/de/wwwu/awolf/presenter/evaluation/measures/PercentageErrorBasedMeasure.java +++ b/LinearRegressionTool/src/main/java/de/wwwu/awolf/presenter/evaluation/measures/PercentageErrorBasedMeasure.java @@ -2,7 +2,6 @@ package de.wwwu.awolf.presenter.evaluation.measures; import de.wwwu.awolf.model.Line; import de.wwwu.awolf.presenter.util.FastElementSelector; - import java.util.ArrayList; import java.util.List; import java.util.Set; diff --git a/LinearRegressionTool/src/main/java/de/wwwu/awolf/presenter/evaluation/measures/ScaleDependentMeasure.java b/LinearRegressionTool/src/main/java/de/wwwu/awolf/presenter/evaluation/measures/ScaleDependentMeasure.java index e0a2e7b..89b677a 100644 --- a/LinearRegressionTool/src/main/java/de/wwwu/awolf/presenter/evaluation/measures/ScaleDependentMeasure.java +++ b/LinearRegressionTool/src/main/java/de/wwwu/awolf/presenter/evaluation/measures/ScaleDependentMeasure.java @@ -2,7 +2,6 @@ package de.wwwu.awolf.presenter.evaluation.measures; import de.wwwu.awolf.model.Line; import de.wwwu.awolf.presenter.util.FastElementSelector; - import java.util.ArrayList; import java.util.HashSet; import java.util.Set; @@ -86,6 +85,6 @@ public class ScaleDependentMeasure { */ public Double mdae() { return FastElementSelector - .randomizedSelect(new ArrayList<>(errorValues), errorValues.size() * 0.5); + .randomizedSelect(new ArrayList<>(errorValues), errorValues.size() * 0.5); } } diff --git a/LinearRegressionTool/src/main/java/de/wwwu/awolf/presenter/evaluation/measures/ScaledErrorBasedMeasure.java b/LinearRegressionTool/src/main/java/de/wwwu/awolf/presenter/evaluation/measures/ScaledErrorBasedMeasure.java index 1e0a3c1..7b3f6e3 100644 --- a/LinearRegressionTool/src/main/java/de/wwwu/awolf/presenter/evaluation/measures/ScaledErrorBasedMeasure.java +++ b/LinearRegressionTool/src/main/java/de/wwwu/awolf/presenter/evaluation/measures/ScaledErrorBasedMeasure.java @@ -2,7 +2,6 @@ package de.wwwu.awolf.presenter.evaluation.measures; import de.wwwu.awolf.model.Line; import de.wwwu.awolf.presenter.util.FastElementSelector; - import java.util.ArrayList; import java.util.Set; @@ -29,7 +28,8 @@ public class ScaledErrorBasedMeasure { * @param naivSlope naive Steigung * @param naivInterception naiver y-Achsenabschnitt */ - public ScaledErrorBasedMeasure(final Set lines, Double m, Double b, Double naivSlope, Double naivInterception) { + public ScaledErrorBasedMeasure(final Set lines, Double m, Double b, Double naivSlope, + Double naivInterception) { this.sampsonError = new ArrayList<>(); this.naivSampsonError = new ArrayList<>(); @@ -37,7 +37,9 @@ public class ScaledErrorBasedMeasure { //Sampson-Fehler der naiven Mehtode for (Line line : lines) { - Double e = Math.pow(naivSlope * line.getM() - line.getB() + naivInterception, 2) / (Math.pow(naivSlope, 2) + 1); + Double e = + Math.pow(naivSlope * line.getM() - line.getB() + naivInterception, 2) / ( + Math.pow(naivSlope, 2) + 1); naivSampsonError.add(e); } @@ -100,7 +102,7 @@ public class ScaledErrorBasedMeasure { */ public Double mdae() { return FastElementSelector - .randomizedSelect(scaledError, scaledError.size() * 0.5); + .randomizedSelect(scaledError, scaledError.size() * 0.5); } } diff --git a/LinearRegressionTool/src/main/java/de/wwwu/awolf/presenter/util/BinomialCoeffizient.java b/LinearRegressionTool/src/main/java/de/wwwu/awolf/presenter/util/BinomialCoeffizient.java index 7d69eb2..3fdfa83 100644 --- a/LinearRegressionTool/src/main/java/de/wwwu/awolf/presenter/util/BinomialCoeffizient.java +++ b/LinearRegressionTool/src/main/java/de/wwwu/awolf/presenter/util/BinomialCoeffizient.java @@ -8,6 +8,7 @@ package de.wwwu.awolf.presenter.util; * @Date: 26.06.2017. */ public class BinomialCoeffizient { + /** * Berechnet den Binomialkoeffizient zu der eingabe. Bin(n,k) * @@ -18,8 +19,9 @@ public class BinomialCoeffizient { public static Double run(int n, int k) { int res = 1; - if (k > n - k) + if (k > n - k) { k = n - k; + } for (int i = 0; i < k; ++i) { res *= (n - i); diff --git a/LinearRegressionTool/src/main/java/de/wwwu/awolf/presenter/util/Comparators/YOrderLineComparatorBegin.java b/LinearRegressionTool/src/main/java/de/wwwu/awolf/presenter/util/Comparators/YOrderLineComparatorBegin.java index 2519d00..aaf7b44 100644 --- a/LinearRegressionTool/src/main/java/de/wwwu/awolf/presenter/util/Comparators/YOrderLineComparatorBegin.java +++ b/LinearRegressionTool/src/main/java/de/wwwu/awolf/presenter/util/Comparators/YOrderLineComparatorBegin.java @@ -1,7 +1,6 @@ package de.wwwu.awolf.presenter.util.Comparators; import de.wwwu.awolf.model.Line; - import java.util.Comparator; /** diff --git a/LinearRegressionTool/src/main/java/de/wwwu/awolf/presenter/util/Comparators/YOrderLineComparatorEnd.java b/LinearRegressionTool/src/main/java/de/wwwu/awolf/presenter/util/Comparators/YOrderLineComparatorEnd.java index 618f995..fc2b94f 100644 --- a/LinearRegressionTool/src/main/java/de/wwwu/awolf/presenter/util/Comparators/YOrderLineComparatorEnd.java +++ b/LinearRegressionTool/src/main/java/de/wwwu/awolf/presenter/util/Comparators/YOrderLineComparatorEnd.java @@ -1,7 +1,6 @@ package de.wwwu.awolf.presenter.util.Comparators; import de.wwwu.awolf.model.Line; - import java.util.Comparator; /** diff --git a/LinearRegressionTool/src/main/java/de/wwwu/awolf/presenter/util/IntersectionComputer.java b/LinearRegressionTool/src/main/java/de/wwwu/awolf/presenter/util/IntersectionComputer.java index c6fb15f..686108a 100644 --- a/LinearRegressionTool/src/main/java/de/wwwu/awolf/presenter/util/IntersectionComputer.java +++ b/LinearRegressionTool/src/main/java/de/wwwu/awolf/presenter/util/IntersectionComputer.java @@ -3,8 +3,13 @@ package de.wwwu.awolf.presenter.util; import com.google.common.collect.Lists; import de.wwwu.awolf.model.Line; import de.wwwu.awolf.model.Point; - -import java.util.*; +import java.util.ArrayList; +import java.util.Collection; +import java.util.Collections; +import java.util.HashSet; +import java.util.LinkedList; +import java.util.List; +import java.util.Set; import java.util.concurrent.ForkJoinPool; import java.util.concurrent.ForkJoinTask; import java.util.concurrent.RecursiveTask; @@ -38,26 +43,29 @@ public class IntersectionComputer { } /** - * Berechnet zu einer gegebenen Menge von dualen Geraden die Schnittpunkte. Dafür wird ein modifizierter Merge-Sort - * Algorithmus verwendett. Um die Performance zu steigern wird die Berechnung ab einer passenden Größe auf vier - * Threads ausgelagert. + * Berechnet zu einer gegebenen Menge von dualen Geraden die Schnittpunkte. Dafür wird ein modifizierter Merge-Sort Algorithmus verwendett. Um die Performance zu steigern wird die Berechnung ab + * einer passenden Größe auf vier Threads ausgelagert. * * @param lower untere Schranke * @param higher obere Schranke * @return Liste der Schnittpunkte */ - public Set compute(final Collection lines, final double lower, final double higher) { + public Set compute(final Collection lines, final double lower, + final double higher) { final Set fullInput = new HashSet<>(lines); final Set copyInput = new HashSet<>(lines); - if (lower == higher) { return Collections.emptySet(); } else { - Logging.logDebug("Open ForkJoinPool: lines: " + lines.size() + " I(" + lower + ", " + higher + "]"); + Logging.logDebug( + "Open ForkJoinPool: lines: " + lines.size() + " I(" + lower + ", " + higher + + "]"); ForkJoinPool pool = ForkJoinPool.commonPool(); - RecursiveComputationTask recursiveComputationTask = new RecursiveComputationTask(fullInput, copyInput, lower, higher); + RecursiveComputationTask recursiveComputationTask = new RecursiveComputationTask( + fullInput, + copyInput, lower, higher); pool.execute(recursiveComputationTask); Set join = recursiveComputationTask.join(); return join; @@ -71,7 +79,8 @@ public class IntersectionComputer { * @param sampledLine eine spezielle Gerade * @return Liste mit x Koordinaten der Schnittpunkte */ - public List calculateIntersectionAbscissas(Collection set, Line sampledLine, double lower, double upper) { + public List calculateIntersectionAbscissas(Collection set, Line sampledLine, + double lower, double upper) { List lines = new LinkedList<>(set); Set intersections = new HashSet<>(); @@ -95,7 +104,8 @@ public class IntersectionComputer { private final double lower; private final double upper; - public RecursiveComputationTask(final Set fullList, final Set lines, final double lower, final double upper) { + public RecursiveComputationTask(final Set fullList, final Set lines, + final double lower, final double upper) { this.lines = lines; this.fullList = fullList; this.lower = lower; @@ -107,7 +117,9 @@ public class IntersectionComputer { if (this.lines.isEmpty()) { return Collections.emptySet(); } else if (this.lines.size() > THRESHOLD) { - return ForkJoinTask.invokeAll(createSubTask()).stream().map(ForkJoinTask::join).flatMap(Collection::stream).collect(Collectors.toSet()); + return ForkJoinTask.invokeAll(createSubTask()).stream() + .map(ForkJoinTask::join) + .flatMap(Collection::stream).collect(Collectors.toSet()); } else { return work(this.fullList, this.lines, this.lower, this.upper); } @@ -130,14 +142,20 @@ public class IntersectionComputer { } }); - dividedTasks.add(new RecursiveComputationTask(this.fullList, firstSubSet, this.lower, this.upper)); - dividedTasks.add(new RecursiveComputationTask(this.fullList, secondSubSet, this.lower, this.upper)); + dividedTasks + .add(new RecursiveComputationTask(this.fullList, firstSubSet, this.lower, + this.upper)); + dividedTasks + .add(new RecursiveComputationTask(this.fullList, secondSubSet, this.lower, + this.upper)); return dividedTasks; } - private Set work(Set fullList, Set lines, double lower, double higher) { + private Set work(Set fullList, Set lines, double lower, + double higher) { Set points = new HashSet<>(); - List> lists = Lists.cartesianProduct(new ArrayList<>(fullList), new ArrayList<>(lines)); + List> lists = Lists + .cartesianProduct(new ArrayList<>(fullList), new ArrayList<>(lines)); lists.forEach(entry -> { if (entry.get(0).doIntersect(entry.get(1), lower, upper)) { Point intersect = entry.get(0).intersect(entry.get(1)); diff --git a/LinearRegressionTool/src/main/java/de/wwwu/awolf/presenter/util/Logging.java b/LinearRegressionTool/src/main/java/de/wwwu/awolf/presenter/util/Logging.java index e2863b8..a6e4eb8 100644 --- a/LinearRegressionTool/src/main/java/de/wwwu/awolf/presenter/util/Logging.java +++ b/LinearRegressionTool/src/main/java/de/wwwu/awolf/presenter/util/Logging.java @@ -4,6 +4,7 @@ package de.wwwu.awolf.presenter.util; import org.apache.log4j.Logger; public class Logging { + private static Logger logger = Logger.getRootLogger(); private Logging() { @@ -11,7 +12,6 @@ public class Logging { } - private static Logger getLogger() { return logger; } diff --git a/LinearRegressionTool/src/main/java/de/wwwu/awolf/view/ViewController.java b/LinearRegressionTool/src/main/java/de/wwwu/awolf/view/ViewController.java index 43a55cd..84c8913 100644 --- a/LinearRegressionTool/src/main/java/de/wwwu/awolf/view/ViewController.java +++ b/LinearRegressionTool/src/main/java/de/wwwu/awolf/view/ViewController.java @@ -1,6 +1,5 @@ package de.wwwu.awolf.view; - import de.wwwu.awolf.model.Line; import de.wwwu.awolf.presenter.Presenter; import de.wwwu.awolf.presenter.algorithms.Algorithm; @@ -8,17 +7,22 @@ import de.wwwu.awolf.presenter.data.DataHandler; import de.wwwu.awolf.presenter.util.Logging; import de.wwwu.awolf.view.controller.AlgorithmTabController; import de.wwwu.awolf.view.services.DataService; +import java.io.File; +import java.io.IOException; +import java.util.EnumMap; +import java.util.HashMap; +import java.util.Map; import javafx.application.Platform; import javafx.fxml.FXML; import javafx.fxml.FXMLLoader; import javafx.scene.Parent; -import javafx.scene.control.*; +import javafx.scene.control.Menu; +import javafx.scene.control.MenuBar; +import javafx.scene.control.MenuItem; +import javafx.scene.control.Tab; +import javafx.scene.control.TabPane; import javafx.stage.FileChooser; -import java.io.File; -import java.io.IOException; -import java.util.*; - /** * Implementierung verschiedener Algorithmen zur Berechnung von Ausgleichsgeraden. * @@ -37,15 +41,15 @@ public class ViewController { private MenuBar menuBar; private Map algorithmTabControllers; - public Map getAlgorithmTabControllers() { - return algorithmTabControllers; - } - public ViewController() { super(); this.algorithmTabControllers = new EnumMap<>(Algorithm.Type.class); } + public Map getAlgorithmTabControllers() { + return algorithmTabControllers; + } + public void initGui() { initMenuBar(); initTabbedPane(); @@ -59,11 +63,11 @@ public class ViewController { props.put("sdfdsfg", "dsadasd"); props.put("dsfsdfsdf", "dsadasd"); - try { for (Algorithm.Type value : Algorithm.Type.values()) { FXMLLoader loader = new FXMLLoader(); - loader.setLocation(AlgorithmTabController.class.getResource("/views/AlgorithmTab.fxml")); + loader.setLocation( + AlgorithmTabController.class.getResource("/views/AlgorithmTab.fxml")); Parent parent = loader.load(); AlgorithmTabController controller = loader.getController(); controller.setAlgorithmType(value); @@ -71,7 +75,7 @@ public class ViewController { controller.setModel(Presenter.getInstance().getModel()); controller.init(); this.algorithmTabControllers.put(value, controller); - Tab tab = new Tab(value.getName(), parent); + Tab tab = new Tab(value.getLabel(), parent); tab.setId(value.name()); tabPane.getTabs().add(tab); } @@ -122,7 +126,8 @@ public class ViewController { MenuItem generationItem = new MenuItem("Generate"); generationItem.setOnAction(actionEvent -> { - new DataService(DataHandler.ActionType.GENERATE, DataHandler.DataType.LINE, 1000).start(); + new DataService(DataHandler.ActionType.GENERATE, DataHandler.DataType.LINE, 1000) + .start(); }); MenuItem evaluationItem = new MenuItem("Evaluate"); @@ -136,7 +141,6 @@ public class ViewController { } - /******************************************************************************************************************* * visualisierungs methoden ******************************************************************************************************************/ diff --git a/LinearRegressionTool/src/main/java/de/wwwu/awolf/view/controller/AlgorithmTabController.java b/LinearRegressionTool/src/main/java/de/wwwu/awolf/view/controller/AlgorithmTabController.java index d6c56ee..1985a09 100644 --- a/LinearRegressionTool/src/main/java/de/wwwu/awolf/view/controller/AlgorithmTabController.java +++ b/LinearRegressionTool/src/main/java/de/wwwu/awolf/view/controller/AlgorithmTabController.java @@ -4,6 +4,7 @@ import de.wwwu.awolf.model.Line; import de.wwwu.awolf.model.LineModel; import de.wwwu.awolf.presenter.algorithms.Algorithm; import de.wwwu.awolf.view.services.ButtonClickService; +import java.util.Map; import javafx.beans.property.BooleanProperty; import javafx.fxml.FXML; import javafx.geometry.Insets; @@ -16,22 +17,19 @@ import javafx.scene.control.TextField; import javafx.scene.layout.BorderPane; import javafx.scene.layout.VBox; -import java.util.Map; - public class AlgorithmTabController { private final XYChart.Series dataSerie; private final XYChart.Series lineSerie; - private Algorithm.Type algorithmType; - private Map properties; - private LineModel model; - @FXML public LineChart chart; @FXML public VBox vBox; @FXML public Button startButton; + private Algorithm.Type algorithmType; + private Map properties; + private LineModel model; public AlgorithmTabController() { dataSerie = new XYChart.Series<>(); @@ -72,9 +70,10 @@ public class AlgorithmTabController { BooleanProperty booleanProperty = startButton.disableProperty(); startButton.setOnAction(event -> { - ButtonClickService buttonClickService = new ButtonClickService(algorithmType, booleanProperty); - buttonClickService.start(); - } + ButtonClickService buttonClickService = new ButtonClickService(algorithmType, + booleanProperty); + buttonClickService.start(); + } ); updatePlot(this.model, null); @@ -84,7 +83,9 @@ public class AlgorithmTabController { public void updatePlot(final LineModel model, final Line pLine) { dataSerie.getData().clear(); - model.getLines().forEach(line -> dataSerie.getData().add(new XYChart.Data<>(line.getM(), line.getB()))); + model.getLines() + .forEach( + line -> dataSerie.getData().add(new XYChart.Data<>(line.getM(), line.getB()))); if (pLine != null) { lineSerie.getData().clear(); diff --git a/LinearRegressionTool/src/main/java/de/wwwu/awolf/view/services/ButtonClickService.java b/LinearRegressionTool/src/main/java/de/wwwu/awolf/view/services/ButtonClickService.java index d94a441..eb55b1d 100644 --- a/LinearRegressionTool/src/main/java/de/wwwu/awolf/view/services/ButtonClickService.java +++ b/LinearRegressionTool/src/main/java/de/wwwu/awolf/view/services/ButtonClickService.java @@ -24,7 +24,8 @@ public class ButtonClickService extends Service { @Override protected Boolean call() throws Exception { try { - Line line = Presenter.getInstance().executeAlgorithmByType(type, startButtonDisabled); + Line line = Presenter.getInstance() + .executeAlgorithmByType(type, startButtonDisabled); if (line != null) { return true; } diff --git a/LinearRegressionTool/src/main/java/de/wwwu/awolf/view/services/DataService.java b/LinearRegressionTool/src/main/java/de/wwwu/awolf/view/services/DataService.java index 3be351c..c6fe277 100644 --- a/LinearRegressionTool/src/main/java/de/wwwu/awolf/view/services/DataService.java +++ b/LinearRegressionTool/src/main/java/de/wwwu/awolf/view/services/DataService.java @@ -2,11 +2,10 @@ package de.wwwu.awolf.view.services; import de.wwwu.awolf.presenter.Presenter; import de.wwwu.awolf.presenter.data.DataHandler; +import java.io.File; import javafx.concurrent.Service; import javafx.concurrent.Task; -import java.io.File; - public class DataService extends Service { private File file; @@ -14,7 +13,8 @@ public class DataService extends Service { private DataHandler.ActionType actionType; private int n; - public DataService(final DataHandler.ActionType actionType, final DataHandler.DataType type, final int n) { + public DataService(final DataHandler.ActionType actionType, final DataHandler.DataType type, + final int n) { this.type = type; this.actionType = actionType; this.n = n; diff --git a/LinearRegressionTool/src/main/resources/views/AlgorithmTab.fxml b/LinearRegressionTool/src/main/resources/views/AlgorithmTab.fxml index 1aa8316..d179ffb 100644 --- a/LinearRegressionTool/src/main/resources/views/AlgorithmTab.fxml +++ b/LinearRegressionTool/src/main/resources/views/AlgorithmTab.fxml @@ -1,55 +1,64 @@ - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - -

- - - - - - - - - - - - - - -
+ + + + + + + + + +
+ + + + + + + + + + + + + + + + +
+ + + + + + + + + + + + + + + + + + + + + + + + + diff --git a/LinearRegressionTool/src/main/resources/views/MainFrame.fxml b/LinearRegressionTool/src/main/resources/views/MainFrame.fxml index 03c7395..2e9c7c3 100644 --- a/LinearRegressionTool/src/main/resources/views/MainFrame.fxml +++ b/LinearRegressionTool/src/main/resources/views/MainFrame.fxml @@ -1,18 +1,22 @@ - - - - - - - - - -
- - - - -
+ + + + +
+ + + + +
+ + + + + diff --git a/LinearRegressionTool/src/test/java/de/wwwu/awolf/presenter/algorithms/advanced/LeastMedianOfSquaresEstimatorTest.java b/LinearRegressionTool/src/test/java/de/wwwu/awolf/presenter/algorithms/advanced/LeastMedianOfSquaresEstimatorTest.java index f3bb06c..44468aa 100644 --- a/LinearRegressionTool/src/test/java/de/wwwu/awolf/presenter/algorithms/advanced/LeastMedianOfSquaresEstimatorTest.java +++ b/LinearRegressionTool/src/test/java/de/wwwu/awolf/presenter/algorithms/advanced/LeastMedianOfSquaresEstimatorTest.java @@ -3,10 +3,9 @@ package de.wwwu.awolf.presenter.algorithms.advanced; import de.wwwu.awolf.model.Line; import de.wwwu.awolf.presenter.algorithms.Algorithm; import de.wwwu.awolf.presenter.algorithms.AlgorithmHandler; -import org.junit.Before; - import java.util.HashSet; import java.util.Set; +import org.junit.Before; /** * Implementierung verschiedener Algorithmen zur Berechnung von Ausgleichsgeraden. @@ -22,11 +21,10 @@ public class LeastMedianOfSquaresEstimatorTest { private Line line; @Before - public void setUp(){ + public void setUp() { Double[] x = {18d, 24d, 30d, 34d, 38d}; Double[] y = {18d, 26d, 30d, 40d, 70d}; - lines = new HashSet<>(); for (int i = 0; i < 5; i++) { diff --git a/LinearRegressionTool/src/test/java/de/wwwu/awolf/presenter/algorithms/advanced/TheilSenEstimatorTest.java b/LinearRegressionTool/src/test/java/de/wwwu/awolf/presenter/algorithms/advanced/TheilSenEstimatorTest.java index 44a3ed3..b68b8aa 100644 --- a/LinearRegressionTool/src/test/java/de/wwwu/awolf/presenter/algorithms/advanced/TheilSenEstimatorTest.java +++ b/LinearRegressionTool/src/test/java/de/wwwu/awolf/presenter/algorithms/advanced/TheilSenEstimatorTest.java @@ -1,10 +1,9 @@ package de.wwwu.awolf.presenter.algorithms.advanced; import de.wwwu.awolf.model.Line; -import org.junit.Before; - import java.util.LinkedList; import java.util.List; +import org.junit.Before; /** * Implementierung verschiedener Algorithmen zur Berechnung von Ausgleichsgeraden. @@ -17,11 +16,10 @@ public class TheilSenEstimatorTest { @Before - public void setUp(){ + public void setUp() { Double[] x = {18d, 24d, 30d, 34d, 38d}; Double[] y = {18d, 26d, 30d, 40d, 70d}; - List lines = new LinkedList<>(); for (int i = 0; i < 5; i++) { diff --git a/LinearRegressionTool/src/test/java/de/wwwu/awolf/presenter/util/FastElementSelectorTest.java b/LinearRegressionTool/src/test/java/de/wwwu/awolf/presenter/util/FastElementSelectorTest.java index db06ada..7fe85a9 100644 --- a/LinearRegressionTool/src/test/java/de/wwwu/awolf/presenter/util/FastElementSelectorTest.java +++ b/LinearRegressionTool/src/test/java/de/wwwu/awolf/presenter/util/FastElementSelectorTest.java @@ -1,12 +1,11 @@ package de.wwwu.awolf.presenter.util; -import org.junit.Test; +import static org.junit.Assert.assertEquals; import java.util.ArrayList; import java.util.Arrays; import java.util.Collections; - -import static org.junit.Assert.*; +import org.junit.Test; /** * Implementierung verschiedener Algorithmen zur Berechnung von Ausgleichsgeraden. diff --git a/LinearRegressionTool/src/test/java/de/wwwu/awolf/presenter/util/IntersectionCounterTest.java b/LinearRegressionTool/src/test/java/de/wwwu/awolf/presenter/util/IntersectionCounterTest.java index fbb1e0a..ebbea50 100644 --- a/LinearRegressionTool/src/test/java/de/wwwu/awolf/presenter/util/IntersectionCounterTest.java +++ b/LinearRegressionTool/src/test/java/de/wwwu/awolf/presenter/util/IntersectionCounterTest.java @@ -1,14 +1,13 @@ package de.wwwu.awolf.presenter.util; +import static org.junit.Assert.assertEquals; + import de.wwwu.awolf.model.Line; import de.wwwu.awolf.model.LineModel; +import java.util.ArrayList; import org.junit.Before; import org.junit.Test; -import java.util.ArrayList; - -import static org.junit.Assert.assertEquals; - /** * Implementierung verschiedener Algorithmen zur Berechnung von Ausgleichsgeraden. * @@ -23,18 +22,19 @@ public class IntersectionCounterTest { @Before public void setUp() throws Exception { lineModel = new LineModel(); - lineModel.addLine(new Line(3,13,10,3)); - lineModel.addLine(new Line(1,9,1,9)); - lineModel.addLine(new Line(1,12,4,6)); - for (Line l :lineModel.getLines()) { - System.out.println("Steigung: "+l.getM()+"\t y-Achsenabschnitt: "+l.getB()); + lineModel.addLine(new Line(3, 13, 10, 3)); + lineModel.addLine(new Line(1, 9, 1, 9)); + lineModel.addLine(new Line(1, 12, 4, 6)); + for (Line l : lineModel.getLines()) { + System.out.println("Steigung: " + l.getM() + "\t y-Achsenabschnitt: " + l.getB()); } } @Test public void run() throws Exception { IntersectionComputer instance = IntersectionComputer.getInstance(); - assertEquals(3, IntersectionComputer.getInstance().compute(new ArrayList<>(lineModel.getLines()), -9999,9999).size()); + assertEquals(3, IntersectionComputer.getInstance() + .compute(new ArrayList<>(lineModel.getLines()), -9999, 9999).size()); } } \ No newline at end of file