generalbgh/algorithms-for-computing-line-estimators
generalbgh
/
algorithms-for-computing-line-estimators
1
0
Fork 0
Code Issues Pull Requests Releases Wiki Activity

optimize imports

This commit is contained in:
Armin Wolf 2020-03-20 18:08:18 +01:00
parent 0171629a9a
commit 471ad99190
46 changed files with 322 additions and 203 deletions
Show Stats Download Patch File Download Diff File Expand all files Collapse all files

5
LinearRegressionTool/pom.xml
View File

@ -64,6 +64,11 @@
</executions>
</plugin>
<plugin>
<groupId>org.sonarsource.scanner.maven</groupId>
<artifactId>sonar-maven-plugin</artifactId>
<version>3.4.0.905</version>
</plugin>
</plugins>
</build>

32
LinearRegressionTool/src/main/java/App.java
View File

@ -1,7 +1,6 @@
import model.Line;
import model.Point;
import model.LineModel;
import model.Point;
import presenter.Presenter;
import presenter.algorithms.advanced.LeastMedianOfSquaresEstimator;
import presenter.algorithms.advanced.RepeatedMedianEstimator;
@ -9,8 +8,8 @@ import presenter.algorithms.advanced.TheilSenEstimator;
import presenter.algorithms.naiv.NaivLeastMedianOfSquaresEstimator;
import presenter.algorithms.naiv.NaivRepeatedMedianEstimator;
import presenter.algorithms.naiv.NaivTheilSenEstimator;
import presenter.util.IntersectionComputer;
import presenter.generator.DatasetGenerator;
import presenter.util.IntersectionComputer;
import view.MainFrame;
import javax.swing.*;
@ -27,8 +26,17 @@ import java.util.LinkedList;
*/
public class App {
/**
* Laden der native Library für OpenCV
*/
static {
nu.pattern.OpenCV.loadShared();
System.loadLibrary(org.opencv.core.Core.NATIVE_LIBRARY_NAME);
}
/**
* Schriftart wird neu gesetzt
*
* @param f Schriftart
*/
private static void setUIFont(javax.swing.plaf.FontUIResource f) {
@ -44,7 +52,8 @@ public class App {
/**
* Das LookAndFeel wird neu gesetzt.
* @param view View Klasse
*
* @param view View Klasse
*/
private static void setLookAndFeel(JFrame view) {
String[] laf = {"com.jtattoo.plaf.aluminium.AluminiumLookAndFeel",
@ -90,31 +99,24 @@ public class App {
NaivTheilSenEstimator naivTs = new NaivTheilSenEstimator(lines);
naivTs.run();
LeastMedianOfSquaresEstimator lms = new LeastMedianOfSquaresEstimator(lines,points);
LeastMedianOfSquaresEstimator lms = new LeastMedianOfSquaresEstimator(lines, points);
lms.run();
RepeatedMedianEstimator rm = new RepeatedMedianEstimator(lines);
rm.run();
TheilSenEstimator ts = new TheilSenEstimator(lines,points);
TheilSenEstimator ts = new TheilSenEstimator(lines, points);
ts.run();
}
}
/**
* Laden der native Library für OpenCV
*/
static {
nu.pattern.OpenCV.loadShared();
System.loadLibrary(org.opencv.core.Core.NATIVE_LIBRARY_NAME);
}
/**
* Maim Methode
*
* @param args
*/
public static void main(String[] args) {
if (args.length > 0 && args[0] == "--benchmark"){
if (args.length > 0 && args[0] == "--benchmark") {
benchmark();
} else {
final Presenter presenter = new Presenter(new LineModel(), null);

2
LinearRegressionTool/src/main/java/model/Interval.java
View File

@ -15,6 +15,7 @@ public class Interval {
/**
* Konstruktor
*
* @param lower untere Schranke
* @param upper obere Schranke
*/
@ -68,6 +69,7 @@ public class Interval {
/**
* Berechnet die Distanz zwischen der oberen und unteren Schranke
*
* @return Distanz
*/
public Double getDistance() {

15
LinearRegressionTool/src/main/java/model/Line.java
View File

@ -25,8 +25,9 @@ public class Line {
/**
* Konstruktor
* @param m Steigung
* @param b y-Achsenabschnitt
*
* @param m Steigung
* @param b y-Achsenabschnitt
* @param id id
*/
public Line(double m, double b, String id) {
@ -42,6 +43,7 @@ public class Line {
/**
* Konstruktor
*
* @param m Steigung
* @param b y-Achsenabschnitt
*/
@ -57,6 +59,7 @@ public class Line {
/**
* Konstruktor
*
* @param x1 x-Koordiante des Startpunkts
* @param x2 x-Koordinate des Endpunkts
* @param y1 y-Koordinate des Startpunkts
@ -145,6 +148,7 @@ public class Line {
/**
* Setzt die Koordianten des Segments. Aus dem Segment wird eine Gerade berechnet.
*
* @param x1 x-Koordiante des Startpunkts
* @param y1 y-Koordiante des Endpunkts
* @param x2 x-Koordinate des Startpunkts
@ -161,15 +165,12 @@ public class Line {
/**
* Vergleich einzelner Geradern
*
* @param other zu vergleichende Gerade
* @return <code>true</code> falls die Geraden Gleich sind
*/
public boolean equals(Line other) {
if (other.getM() == this.getM() && other.getB() == this.getB()) {
return true;
} else {
return false;
}
return other.getM() == this.getM() && other.getB() == this.getB();
}

2
LinearRegressionTool/src/main/java/model/LineModel.java
View File

@ -35,6 +35,7 @@ public class LineModel {
/**
* Fügt einen Schnittpunkt zum Modell hinzu
*
* @param node Schnittpunkt
*/
public void addNode(Point node) {
@ -43,6 +44,7 @@ public class LineModel {
/**
* Fügt eine Gerade zu dem Modell hinzu
*
* @param line Gerade
*/
public void addLine(Line line) {

1
LinearRegressionTool/src/main/java/model/Pair.java
View File

@ -14,6 +14,7 @@ public class Pair {
/**
* Konstruktor
*
* @param p1 erstes Element des Tupels
* @param p2 zweites Element des Tupels
*/

13
LinearRegressionTool/src/main/java/model/Point.java
View File

@ -15,6 +15,7 @@ public class Point implements Comparable<Point> {
/**
* Konstruktor
*
* @param x x-Koordiante
* @param y y-Koordiante
*/
@ -25,8 +26,9 @@ public class Point implements Comparable<Point> {
/**
* Konstruktor
* @param x x-Koordiante
* @param y y-Koordiante
*
* @param x x-Koordiante
* @param y y-Koordiante
* @param id id des Punkts
*/
public Point(Double x, Double y, String id) {
@ -80,15 +82,12 @@ public class Point implements Comparable<Point> {
/**
* Vergleich zweier Punkte
*
* @param other zu vergleichernder Punkt
* @return <code>true</code> falls die Punkte gleich sind
*/
public boolean equals(Point other) {
if (other.getX() == this.getX() && other.getY() == this.getY()) {
return true;
} else {
return false;
}
return other.getX() == this.getX() && other.getY() == this.getY();
}
/**

13
LinearRegressionTool/src/main/java/presenter/AbstractPresenter.java
View File

@ -1,8 +1,8 @@
package presenter;
import model.LineModel;
import presenter.util.IntersectionComputer;
import presenter.evaluation.EvaluateAlgorithms;
import presenter.util.IntersectionComputer;
import view.MainFrame;
import javax.swing.*;
@ -20,14 +20,15 @@ import java.util.concurrent.Executors;
*/
public abstract class AbstractPresenter implements Observer {
private final ExecutorService executor;
private LineModel model;
private MainFrame view;
private EvaluateAlgorithms eval;
private final ExecutorService executor;
/**
* Konstruktor
*
* @param model Modell
* @param view View
*/
@ -42,11 +43,11 @@ public abstract class AbstractPresenter implements Observer {
String[] result = ((String[]) arg);
String observable = result[0];
switch (observable){
switch (observable) {
case "eval-dataset-generated":
SwingUtilities.invokeLater(() -> getView().addEvalDataset(getEval().getData()));
break;
case "eval-d":
case "eval-d":
SwingUtilities.invokeLater(() -> getView().appendEvalResult(result, Integer.parseInt(result[1]), false));
break;
case "eval-ds":
@ -140,7 +141,7 @@ public abstract class AbstractPresenter implements Observer {
* Wrapper Methode die das berechnen der Schnittpunkte anstößt und die Ergebnisse(Anzahl der Schnittpunkte)
* visuell darstellt.
*/
protected void computeIntersections(){
protected void computeIntersections() {
Thread t = new Thread(() -> {
long start, end;
@ -148,7 +149,7 @@ public abstract class AbstractPresenter implements Observer {
startIntersectionCalculation();
end = System.currentTimeMillis();
System.out.println("Zeit: "+(end-start)/1000);
System.out.println("Zeit: " + (end - start) / 1000);
});
t.start();
try {

2
LinearRegressionTool/src/main/java/presenter/Presenter.java
View File

@ -16,8 +16,6 @@ import view.MainFrame;
import javax.swing.table.DefaultTableModel;
import java.io.File;
import java.util.LinkedList;
import java.util.concurrent.ExecutorService;
import java.util.concurrent.Executors;
/**

2
LinearRegressionTool/src/main/java/presenter/algorithms/Algorithm.java
View File

@ -7,7 +7,7 @@ package presenter.algorithms;
* @Email: a_wolf28@uni-muenster.de
* @Date: 28.05.2017.
*/
public interface Algorithm extends Runnable{
public interface Algorithm extends Runnable {
/**
* Startet die Berechnung des jeweiligen Algorithmus.
*/

19
LinearRegressionTool/src/main/java/presenter/algorithms/advanced/LeastMedianOfSquaresEstimator.java
View File

@ -41,9 +41,10 @@ public class LeastMedianOfSquaresEstimator extends Observable implements Algorit
/**
* Konstruktor
* @param set Liste der Geraden
* @param intersections Liste der Schnittpunkte
* @param presenter Presenter (Beobachter)
*
* @param set Liste der Geraden
* @param intersections Liste der Schnittpunkte
* @param presenter Presenter (Beobachter)
*/
public LeastMedianOfSquaresEstimator(LinkedList<Line> set, ArrayList<Point> intersections,
Presenter presenter) {
@ -61,8 +62,9 @@ public class LeastMedianOfSquaresEstimator extends Observable implements Algorit
/**
* Konstruktor
* @param set Liste der Geraden
* @param intersections Liste der Schnittpunkte
*
* @param set Liste der Geraden
* @param intersections Liste der Schnittpunkte
*/
public LeastMedianOfSquaresEstimator(LinkedList<Line> set, ArrayList<Point> intersections) {
this(set, intersections, null);
@ -70,7 +72,7 @@ public class LeastMedianOfSquaresEstimator extends Observable implements Algorit
/**
* Algorithmus zum berechnen des LMS-Schätzers
*
* <p>
* 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
@ -148,13 +150,14 @@ public class LeastMedianOfSquaresEstimator extends Observable implements Algorit
}
}
end = System.currentTimeMillis();
System.out.println("Zeit: "+ ((end-start)/1000));
System.out.println("Zeit: " + ((end - start) / 1000));
pepareResult();
}
/**
* Liefert die Anzahl der Schnittpunkte in einem Intervall
*
* @param interval Intervall
* @return Anzahl der Schnittpunkte
*/
@ -217,6 +220,7 @@ public class LeastMedianOfSquaresEstimator extends Observable implements Algorit
/**
* 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
*/
public void upperBound(double point) {
@ -248,6 +252,7 @@ public class LeastMedianOfSquaresEstimator extends Observable implements Algorit
/**
* Die Methode prüft ob das übergebene Intervall die untere Schranke einer potenziellen Lösung erfüllt.
*
* @param pslab übergebene Intervall
*/
public void lowerBound(Interval pslab) {

22
LinearRegressionTool/src/main/java/presenter/algorithms/advanced/RepeatedMedianEstimator.java
View File

@ -55,8 +55,9 @@ public class RepeatedMedianEstimator extends Observable implements Algorithm {
/**
* Konstruktor
* @param set Liste der Geraden
* @param presenter Presenter (Beobachter)
*
* @param set Liste der Geraden
* @param presenter Presenter (Beobachter)
*/
public RepeatedMedianEstimator(LinkedList<Line> set, Presenter presenter) {
this.set = set;
@ -83,6 +84,7 @@ public class RepeatedMedianEstimator extends Observable implements Algorithm {
/**
* Konstruktor
*
* @param set Liste der Geraden
*/
public RepeatedMedianEstimator(LinkedList<Line> set) {
@ -91,7 +93,7 @@ public class RepeatedMedianEstimator extends Observable implements Algorithm {
/**
* Führt den Algortihmus zur Berechnung des RM-Schätzers durch.
*
* <p>
* Paper:
* Matousek, Jiri, D. M. Mount und N. S. Netanyahu
* „Efficient Randomized Algorithms for the Repeated Median Line Estimator“. 1998
@ -136,7 +138,7 @@ public class RepeatedMedianEstimator extends Observable implements Algorithm {
}
end = System.currentTimeMillis();
System.out.println("Zeit: "+ ((end-start)/1000));
System.out.println("Zeit: " + ((end - start) / 1000));
pepareResult();
}
@ -146,7 +148,7 @@ public class RepeatedMedianEstimator extends Observable implements Algorithm {
* Berechnet die mediane x-Koordinate über den Schnittpunkten.
*
* @param sampledLine Stichprobe von Geraden
* @return mediane x-Koordinate über den Schnittpunkten
* @return mediane x-Koordinate über den Schnittpunkten
*/
public Double estimateMedianIntersectionAbscissas(Line sampledLine) {
@ -172,9 +174,9 @@ public class RepeatedMedianEstimator extends Observable implements Algorithm {
*/
public void computeSlabBorders() {
kLow = Math.max(1, Math.floor(((r * k) / (linesInCenterSlab.size()))
- ((3 * Math.sqrt(r)) / (2))));
- ((3 * Math.sqrt(r)) / (2))));
kHigh = Math.min(r, Math.floor(((r * k) / (linesInCenterSlab.size()))
+ ((3 * Math.sqrt(r)) / (2))));
+ ((3 * Math.sqrt(r)) / (2))));
}
@ -200,9 +202,9 @@ public class RepeatedMedianEstimator extends Observable implements Algorithm {
}
}
countLeftSlab.set(index, (double) left);
countLeftSlab.set(index, (double) left);
countCenterSlab.set(index, (double) center);
countRightSlab.set(index, (double) right);
countRightSlab.set(index, (double) right);
}
}
@ -332,7 +334,7 @@ public class RepeatedMedianEstimator extends Observable implements Algorithm {
}
/**
* @return verteilung der Punkte
* @return verteilung der Punkte
*/
public ArrayList<Double> getCountLeftSlab() {
return countLeftSlab;

31
LinearRegressionTool/src/main/java/presenter/algorithms/advanced/TheilSenEstimator.java
View File

@ -5,7 +5,10 @@ import model.Line;
import model.Point;
import presenter.Presenter;
import presenter.algorithms.Algorithm;
import presenter.util.*;
import presenter.util.BinomialCoeffizient;
import presenter.util.FastElementSelector;
import presenter.util.IntersectionCounter;
import presenter.util.RandomSampler;
import java.util.*;
@ -46,9 +49,10 @@ public class TheilSenEstimator extends Observable implements Algorithm {
/**
* Konstruktor
* @param setOfLines Liste der Geraden
* @param setOfIntersections Liste der Schnittpunkte
* @param presenter Presenter (Beobachter)
*
* @param setOfLines Liste der Geraden
* @param setOfIntersections Liste der Schnittpunkte
* @param presenter Presenter (Beobachter)
*/
public TheilSenEstimator(LinkedList<Line> setOfLines, ArrayList<Point> setOfIntersections, Presenter presenter) {
this.presenter = presenter;
@ -69,8 +73,9 @@ public class TheilSenEstimator extends Observable implements Algorithm {
/**
* Konstruktor
* @param setOfLines Liste der Geraden
* @param setOfIntersections Liste der Schnittpunkte
*
* @param setOfLines Liste der Geraden
* @param setOfIntersections Liste der Schnittpunkte
*/
public TheilSenEstimator(LinkedList<Line> setOfLines, ArrayList<Point> setOfIntersections) {
this(setOfLines, setOfIntersections, null);
@ -86,7 +91,7 @@ public class TheilSenEstimator extends Observable implements Algorithm {
//damit eine initiale Ordnung herscht
//Collections.sort(intervalIntersections);
r = (double) n;
r = n;
while (true) {
if (this.N <= n || (Math.abs(interval.getUpper() - interval.getLower())) < EPSILON) {
break;
@ -113,7 +118,7 @@ public class TheilSenEstimator extends Observable implements Algorithm {
interval.setLower(aVariant);
interval.setUpper(bVariant);
intervalIntersections = getOpenIntervalElements(interval.getLower(), interval.getUpper());
N = (double) getOpenIntervalSize(interval.getLower(), interval.getUpper(), intervalIntersections);
N = getOpenIntervalSize(interval.getLower(), interval.getUpper(), intervalIntersections);
}
}
@ -155,16 +160,16 @@ public class TheilSenEstimator extends Observable implements Algorithm {
* @return Anzahl der Schnittpunkte im Interval [a,b)
*/
public int getIntervalSize(double a, double b) {
IntersectionCounter ic = new IntersectionCounter();
return ic.run(setOfLines, new Interval(a,b));
IntersectionCounter ic = new IntersectionCounter();
return ic.run(setOfLines, new Interval(a, b));
}
/**
* Berechne wieviele von den Schnittpunkten in dem Interval zwischen <code>a</code> und <code>b</code>
* enthalten sind.
*
* <p>
* Inspiriert durch:
* <url>https://stackoverflow.com/questions/136474/best-way-to-pick-a-random-subset-from-a-collection</url>
* <url>https://stackoverflow.com/questions/136474/best-way-to-pick-a-random-subset-from-a-collection</url>
*
* @param a untere Grenze des Intervals
* @param b obere Grenze des Intrvals
@ -219,7 +224,7 @@ public class TheilSenEstimator extends Observable implements Algorithm {
yCoordinates.add(p.getY());
}
int pseudoIndex = (int) getOpenIntervalSize(NEGATIV_INF, interval.getLower(), setOfIntersections);
int pseudoIndex = getOpenIntervalSize(NEGATIV_INF, interval.getLower(), setOfIntersections);
m = FastElementSelector.randomizedSelect(resultAbscissas, k - pseudoIndex);
Set<Double> unique = new LinkedHashSet<>(yCoordinates);

4
LinearRegressionTool/src/main/java/presenter/algorithms/naiv/NaivLeastMedianOfSquaresEstimator.java
View File

@ -24,6 +24,7 @@ public class NaivLeastMedianOfSquaresEstimator implements Algorithm {
/**
* Konstruktor
*
* @param lines Liste des Geraden
*/
public NaivLeastMedianOfSquaresEstimator(LinkedList<Line> lines) {
@ -67,11 +68,12 @@ public class NaivLeastMedianOfSquaresEstimator implements Algorithm {
}
}
end = System.currentTimeMillis();
System.out.println("Zeit: "+ ((end-start)/1000));
System.out.println("Zeit: " + ((end - start) / 1000));
}
/**
* Berechnet die Gerade mit dem medianen Fehler
*
* @param a y-Achsenabschnitt
* @param b Steigung
* @return medianer Fehler

6
LinearRegressionTool/src/main/java/presenter/algorithms/naiv/NaivRepeatedMedianEstimator.java
View File

@ -27,6 +27,7 @@ public class NaivRepeatedMedianEstimator implements Algorithm {
/**
* Konstruktor
*
* @param lines Liste der Geraden
*/
public NaivRepeatedMedianEstimator(LinkedList<Line> lines) {
@ -87,7 +88,7 @@ public class NaivRepeatedMedianEstimator implements Algorithm {
medianX = FastElementSelector.randomizedSelect(xMedians, xMedians.size() / 2);
medianY = FastElementSelector.randomizedSelect(yMedians, yMedians.size() / 2);
end = System.currentTimeMillis();
System.out.println("Zeit: "+ ((end-start)/1000));
System.out.println("Zeit: " + ((end - start) / 1000));
}
@Override
@ -97,8 +98,9 @@ public class NaivRepeatedMedianEstimator implements Algorithm {
/**
* Berechnet die Geraden zwischen zwei Punkten im dualen Raum.
*
* @param startPoint Gerade 1 => Startpunkt mit den Koordianten (m,b)
* @param endPoint Gerade 2 => Endpunkt mit den Koordianten (m', b')
* @param endPoint Gerade 2 => Endpunkt mit den Koordianten (m', b')
* @return
*/
private Point calculateLine(Line startPoint, Line endPoint) {

3
LinearRegressionTool/src/main/java/presenter/algorithms/naiv/NaivTheilSenEstimator.java
View File

@ -23,6 +23,7 @@ public class NaivTheilSenEstimator implements Algorithm {
/**
* Konstruktor
*
* @param lines Liste der Geraden
*/
public NaivTheilSenEstimator(LinkedList<Line> lines) {
@ -65,7 +66,7 @@ public class NaivTheilSenEstimator implements Algorithm {
slope = FastElementSelector.randomizedSelect(slopesList, slopesList.size() / 2);
yInterception = median2 - slope * median1;
end = System.currentTimeMillis();
System.out.println("Zeit: "+ ((end-start)/1000));
System.out.println("Zeit: " + ((end - start) / 1000));
}
@Override

44
LinearRegressionTool/src/main/java/presenter/evaluation/EvaluateAlgorithms.java
View File

@ -9,9 +9,9 @@ import presenter.algorithms.advanced.TheilSenEstimator;
import presenter.algorithms.naiv.NaivLeastMedianOfSquaresEstimator;
import presenter.algorithms.naiv.NaivRepeatedMedianEstimator;
import presenter.algorithms.naiv.NaivTheilSenEstimator;
import presenter.util.IntersectionComputer;
import presenter.generator.DatasetGenerator;
import presenter.io.DataImporter;
import presenter.util.IntersectionComputer;
import java.io.File;
import java.util.ArrayList;
@ -56,15 +56,15 @@ public class EvaluateAlgorithms extends Observable {
/**
* Konstruktor zur evaluation
*
* @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 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 datasettyp typ der zu generierenden Datensatz
*/
public EvaluateAlgorithms(int type, int n, int alg, String datasettyp) {
@ -143,9 +143,10 @@ public class EvaluateAlgorithms extends Observable {
/**
* Startet die Evaluation zu den passenden Typ. Bei beendigung wird der Beobachter informiert.
*
* @throws InterruptedException
*/
public void run() {
public void run() {
setChanged();
String[] msg = {"eval-dataset-generated"};
notifyObservers(msg);
@ -315,8 +316,9 @@ public class EvaluateAlgorithms extends Observable {
/**
* Die berechneten Ergebnisse werden an den Beobachter übermittelt um dann visualisiert zu werden.
*
* @param result Ergebnisse
* @param col Spalte
* @param col Spalte
*/
public void sendTableApproximationData(ArrayList<String> result, int col) {
ArrayList<String> tableInput = new ArrayList<>();
@ -333,6 +335,7 @@ public class EvaluateAlgorithms extends Observable {
/**
* Die berechneten Ergebnisse werden an den Beobachter übermittelt um dann visualisiert zu werden.
*
* @param result Ergebnisse
*/
public void sendTableApproximationData(ArrayList<ArrayList<String>> result) {
@ -379,6 +382,7 @@ public class EvaluateAlgorithms extends Observable {
/**
* Zur visualisierung der berechneten Geraden wird die Steigung und der y-Achsenabschnitt an den
* Beobachter übermittelt.
*
* @param res Feld mit den Werten für die Steigung und dern y-Achsenabschnitt
* @param alg code für welchen Algorithmus sich die Werte beziehen
*/
@ -399,7 +403,8 @@ public class EvaluateAlgorithms extends Observable {
/**
* Zur visualisierung der berechneten Geraden wird die Steigung und der y-Achsenabschnitt an den
* Beobachter übermittelt.
* @param res Feld mit den Werten für die Steigung und dern y-Achsenabschnitt (alle)
*
* @param res Feld mit den Werten für die Steigung und dern y-Achsenabschnitt (alle)
* @param algs codes für welchen Algorithmus sich die Werte beziehen (alle)
*/
public void sendPloteLineResults(ArrayList<Double[]> res, Integer[] algs) {
@ -418,6 +423,7 @@ public class EvaluateAlgorithms extends Observable {
/**
* Startet die Berechnung des Alg. zum LMS-Schätzer
*
* @throws InterruptedException
*/
public void startLMS() throws InterruptedException {
@ -434,6 +440,7 @@ public class EvaluateAlgorithms extends Observable {
/**
* Startet die Berechnung des Alg. zum RM-Schätzer
*
* @throws InterruptedException
*/
public void startRM() throws InterruptedException {
@ -450,6 +457,7 @@ public class EvaluateAlgorithms extends Observable {
/**
* Startet die Berechnung des Alg. zum TS-Schätzer
*
* @throws InterruptedException
*/
public void startTS() throws InterruptedException {
@ -466,10 +474,11 @@ public class EvaluateAlgorithms extends Observable {
/**
* Startet die Berechnung der skalierungsabbhängigen Maße.
*
* @param lines Liste der Geraden
* @param m Steigung
* @param b y-Achsenabschnitt
* @return Liste mit den Ergebnissen, bereit zum visualisieren
* @return Liste mit den Ergebnissen, bereit zum visualisieren
*/
public ArrayList<String> getScaleDependentMeasure(final LinkedList<Line> lines, final Double m, final Double b) {
ScaleDependentMeasure scaleDependentMeasure = new ScaleDependentMeasure(lines, m, b);
@ -486,10 +495,11 @@ public class EvaluateAlgorithms extends Observable {
/**
* Startet die Berechnung der Maße die auf dem prozentualen Fehler basieren.
*
* @param lines Liste der Geraden
* @param m Steigung
* @param b y-Achsenabschnitt
* @return Liste mit den Ergebnissen, bereit zum visualisieren
* @return Liste mit den Ergebnissen, bereit zum visualisieren
*/
public ArrayList<String> getPercentigeErrorBasedMeasure(final LinkedList<Line> lines, final Double m, final Double b) {
PercentageErrorBasedMeasure percentageErrorBasedMeasure = new PercentageErrorBasedMeasure(lines, m, b);
@ -505,10 +515,11 @@ public class EvaluateAlgorithms extends Observable {
/**
* Startet die Berechnung der skalierungsunabbhängigen Maße.
*
* @param lines Liste der Geraden
* @param m Steigung
* @param b y-Achsenabschnitt
* @return Liste mit den Ergebnissen, bereit zum visualisieren
* @return Liste mit den Ergebnissen, bereit zum visualisieren
*/
public ArrayList<String> getScaledErrorBasedMeasure(final LinkedList<Line> lines, final Double m, final Double b, final Double nM, final Double nB) {
ScaledErrorBasedMeasure scaledErrorBasedMeasure = new ScaledErrorBasedMeasure(lines, m, b, nM, nB);
@ -524,6 +535,7 @@ public class EvaluateAlgorithms extends Observable {
/**
* Damit es bei der Visualisierung trennende Zeilen gibt.
*
* @return
*/
private ArrayList<String> fillPseudoResults() {

5
LinearRegressionTool/src/main/java/presenter/evaluation/PercentageErrorBasedMeasure.java
View File

@ -20,6 +20,7 @@ public class PercentageErrorBasedMeasure {
/**
* Konstruktor
*
* @param lines Liste der Geraden
* @param m Steigung
* @param b y-Achenabschnitt
@ -45,6 +46,7 @@ public class PercentageErrorBasedMeasure {
/**
* Mean Absolute Precentage Error
*
* @return Ergebnis
*/
public Double mape() {
@ -61,6 +63,7 @@ public class PercentageErrorBasedMeasure {
/**
* Median Absolute Precentage Error:
*
* @return Ergebnis
*/
public Double mdape() {
@ -76,6 +79,7 @@ public class PercentageErrorBasedMeasure {
/**
* Root Mean Square Percentage Error
*
* @return Ergebnis
*/
public Double rmspe() {
@ -92,6 +96,7 @@ public class PercentageErrorBasedMeasure {
/**
* Root Median Square Percentage Error
*
* @return Ergebnis
*/
public Double rmdspe() {

12
LinearRegressionTool/src/main/java/presenter/evaluation/PictureProcessor.java
View File

@ -1,7 +1,6 @@
package presenter.evaluation;
import model.Line;
import org.opencv.core.*;
import org.opencv.imgcodecs.Imgcodecs;
import org.opencv.imgproc.Imgproc;
@ -32,6 +31,7 @@ public class PictureProcessor extends Observable {
/**
* Konstruktor
*
* @param presenter Presenter
* @param file Bilddatei
*/
@ -52,18 +52,19 @@ public class PictureProcessor extends Observable {
/**
* Vorverarbeitung des Eingabebilds. Dabei wird auf verschiedene OpenCV Methoden zurückgegriffen.
*
* @param image Eingabebild
* @return Matrix representation des Bilds
*/
private Mat process(Mat image) {
Mat threshold = new Mat(image.width(), image.height(), CvType.CV_8UC1);
Mat source = new Mat(image.width(), image.height(), CvType.CV_8UC1);
Imgcodecs.imwrite(file.getAbsolutePath().substring(0,file.getAbsolutePath().lastIndexOf("."))+"-orig.png", image);
Imgcodecs.imwrite(file.getAbsolutePath().substring(0, file.getAbsolutePath().lastIndexOf(".")) + "-orig.png", image);
Imgproc.cvtColor(image, source, Imgproc.COLOR_BGR2GRAY);
Imgcodecs.imwrite(file.getAbsolutePath().substring(0,file.getAbsolutePath().lastIndexOf("."))+"-Greyscale.png", source);
Imgcodecs.imwrite(file.getAbsolutePath().substring(0, file.getAbsolutePath().lastIndexOf(".")) + "-Greyscale.png", source);
Imgproc.GaussianBlur(source, threshold, new Size(3, 3), 0, 0);
Imgproc.Canny(threshold, source, 300, 600, 5, true);
Imgcodecs.imwrite(file.getAbsolutePath().substring(0,file.getAbsolutePath().lastIndexOf("."))+"-Canny.png", source);
Imgcodecs.imwrite(file.getAbsolutePath().substring(0, file.getAbsolutePath().lastIndexOf(".")) + "-Canny.png", source);
//Konturen berechnen und filtern
contours = new ArrayList<>();
Imgproc.findContours(source, contours, new Mat(), Imgproc.RETR_TREE, Imgproc.CHAIN_APPROX_SIMPLE, new Point(0, 0));
@ -76,7 +77,7 @@ public class PictureProcessor extends Observable {
Imgproc.drawContours(viscont, contours, i, new Scalar(255, 0, 0), 1);
}
}
Imgcodecs.imwrite(file.getAbsolutePath().substring(0,file.getAbsolutePath().lastIndexOf("."))+"-Contour.png", viscont);
Imgcodecs.imwrite(file.getAbsolutePath().substring(0, file.getAbsolutePath().lastIndexOf(".")) + "-Contour.png", viscont);
Mat resized = new Mat();
Imgproc.resize(viscont, resized, new Size(560, 560));
SwingUtilities.invokeLater(() -> {
@ -93,6 +94,7 @@ public class PictureProcessor extends Observable {
/**
* Das Bild wird passend umgewandelt, um im nächsten Schritt visualisiert werden zu können.
*
* @param m Matrix representation des Bilds
* @return visualisierbares Bild
*/

5
LinearRegressionTool/src/main/java/presenter/evaluation/ScaleDependentMeasure.java
View File

@ -19,6 +19,7 @@ public class ScaleDependentMeasure {
/**
* Konstruktor
*
* @param lines Liste des Geraden
* @param m Steigung
* @param b y-Achsenabschnitt
@ -39,6 +40,7 @@ public class ScaleDependentMeasure {
/**
* Mean Square Error:
*
* @return Ergebnis
*/
public Double mse() {
@ -55,6 +57,7 @@ public class ScaleDependentMeasure {
/**
* Root Mean Square Error
*
* @return Ergebnis
*/
public Double rmse() {
@ -63,6 +66,7 @@ public class ScaleDependentMeasure {
/**
* Mean Absolute Error
*
* @return Ergebnis
*/
public Double mae() {
@ -76,6 +80,7 @@ public class ScaleDependentMeasure {
/**
* Median Absolute Error
*
* @return Ergebnis
*/
public Double mdae() {

15
LinearRegressionTool/src/main/java/presenter/evaluation/ScaledErrorBasedMeasure.java
View File

@ -22,11 +22,12 @@ public class ScaledErrorBasedMeasure {
/**
* Konstruktor
* @param lines Liste der Geraden
* @param m Steigung
* @param b y-Achsenabschnitt
* @param naivSlope naive Steigung
* @param naivInterception naiver y-Achsenabschnitt
*
* @param lines Liste der Geraden
* @param m Steigung
* @param b y-Achsenabschnitt
* @param naivSlope naive Steigung
* @param naivInterception naiver y-Achsenabschnitt
*/
public ScaledErrorBasedMeasure(final LinkedList<Line> lines, Double m, Double b, Double naivSlope, Double naivInterception) {
@ -57,6 +58,7 @@ public class ScaledErrorBasedMeasure {
/**
* Mean Square Error
*
* @return Ergebnis
*/
public Double mse() {
@ -70,6 +72,7 @@ public class ScaledErrorBasedMeasure {
/**
* Root Mean Square Error
*
* @return Ergebnis
*/
public Double rmse() {
@ -78,6 +81,7 @@ public class ScaledErrorBasedMeasure {
/**
* Mean Absolute Error:
*
* @return Ergebnis
*/
public Double mae() {
@ -91,6 +95,7 @@ public class ScaledErrorBasedMeasure {
/**
* Median Absolute Error
*
* @return Ergebnis
*/
public Double mdae() {

12
LinearRegressionTool/src/main/java/presenter/generator/DatasetGenerator.java
View File

@ -22,6 +22,7 @@ public class DatasetGenerator extends Observable {
/**
* Konstruktor
*
* @param m Steigung
* @param b y-Achsenabschnitt
*/
@ -31,6 +32,7 @@ public class DatasetGenerator extends Observable {
random = new Random();
random.setSeed(9999);
}
/**
* Konstruktor
*/
@ -40,6 +42,7 @@ public class DatasetGenerator extends Observable {
/**
* Generiert zu einer gegebenen Größe einen Datensatz des typen: Punktwolke
*
* @param size Größe des Datensatzes
* @return Liste der Geraden
*/
@ -54,7 +57,7 @@ public class DatasetGenerator extends Observable {
double signal = m * i + b;
signal *= -1;
Line line = new Line((double) i, signal - y);
Line line = new Line(i, signal - y);
line.setId(i - 1 + "");
lines.add(line);
}
@ -68,6 +71,7 @@ public class DatasetGenerator extends Observable {
/**
* Wrapper Methode zum generieren eines Datensatzes des typen: Gerade
*
* @param size Größe des Datensatzes
* @return Liste des Geraden
*/
@ -79,9 +83,10 @@ public class DatasetGenerator extends Observable {
/**
* Generieren eines Datensatzes des typen: Gerade. Die Geraden werden in eine
* übergebene Liste hinzugefügt.
*
* @param lines Liste der Geraden
* @param n Größe des Datensatzes
* @return Liste des Geraden
* @return Liste des Geraden
*/
private LinkedList<Line> generateDataLines(LinkedList<Line> lines, int n) {
m = 5d;
@ -105,7 +110,7 @@ public class DatasetGenerator extends Observable {
int idx = lines.size();
for (Double d : points.keySet()) {
Line line = new Line((double) d, points.get(d));
Line line = new Line(d, points.get(d));
line.setId(idx + "");
lines.add(line);
idx++;
@ -121,6 +126,7 @@ public class DatasetGenerator extends Observable {
* 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
* <code>generateDataLines()</code> aufgerufen.
*
* @param size Größe des Datensatzes
* @return Liste der Geraden
*/

2
LinearRegressionTool/src/main/java/presenter/io/DataExporter.java
View File

@ -2,7 +2,6 @@ package presenter.io;
import com.opencsv.CSVWriter;
import model.Line;
import model.LineModel;
import java.io.File;
import java.io.FileWriter;
@ -24,6 +23,7 @@ public class DataExporter extends Observable {
/**
* Konstruktor
*
* @param lines Liste der Geraden
* @param file Datei in die, die Informationen exportiert werden sollen
*/

8
LinearRegressionTool/src/main/java/presenter/io/DataImporter.java
View File

@ -2,8 +2,6 @@ package presenter.io;
import com.opencsv.CSVReader;
import model.Line;
import model.LineModel;
import presenter.Presenter;
import javax.swing.*;
import java.io.File;
@ -29,6 +27,7 @@ public class DataImporter extends Observable {
/**
* Konstruktor
*
* @param file Datei aus der die Informationen imortiert werden sollen.
*/
public DataImporter(File file) {
@ -46,6 +45,7 @@ public class DataImporter extends Observable {
* 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
*/
public LinkedList<Line> run() {
@ -69,7 +69,7 @@ public class DataImporter extends Observable {
result[2] = counter + "";
Thread.sleep(10);
notifyObservers(result);
} else if (nextLine.length == 2){
} else if (nextLine.length == 2) {
Double x = Double.parseDouble(nextLine[1]);
Double y = Double.parseDouble(nextLine[2]) * (-1);
Line line = new Line(x, y);
@ -84,7 +84,7 @@ public class DataImporter extends Observable {
notifyObservers(result);
} else {
JOptionPane.showMessageDialog(null, "Diese Datei kann nicht importiert werden." +
"Es müssen mindestens zwei Spalten enthalten sein (x,y).", "Fehler bei der Eingabe",JOptionPane.ERROR_MESSAGE);
"Es müssen mindestens zwei Spalten enthalten sein (x,y).", "Fehler bei der Eingabe", JOptionPane.ERROR_MESSAGE);
return null;
}
}

3
LinearRegressionTool/src/main/java/presenter/io/EvalResultLatexExport.java
View File

@ -21,6 +21,7 @@ public class EvalResultLatexExport {
/**
* Konstruktor
*
* @param model TableModel aus dem exportiert werden soll
* @param file Datei in die exportiert werden soll
*/
@ -30,7 +31,7 @@ public class EvalResultLatexExport {
}
/**
* Quelle: <url>https://en.wikibooks.org/wiki/LaTeX/Tables</url>
* Quelle: <url>https://en.wikibooks.org/wiki/LaTeX/Tables</url>
* \begin{tabular}{l*{3}{c}}
* Team & P & W & D & L & F & A & Pts \\\hline
* Manchester United & 6 & 4 & 0 & 2 & 10 & 5 & 12 \\

1
LinearRegressionTool/src/main/java/presenter/util/BinomialCoeffizient.java
View File

@ -10,6 +10,7 @@ package presenter.util;
public class BinomialCoeffizient {
/**
* Berechnet den Binomialkoeffizient zu der eingabe. Bin(n,k)
*
* @param n n
* @param k k
* @return Ergebnis

13
LinearRegressionTool/src/main/java/presenter/util/FastElementSelector.java
View File

@ -15,6 +15,7 @@ public class FastElementSelector {
/**
* Liefert das k-te Element aus der Eingabeliste zurück in Theta(n) Zeit.
*
* @param a Eingabeliste
* @param i Rang des gewünschten Elements
* @return das Element
@ -50,9 +51,9 @@ public class FastElementSelector {
/**
* Hilfsmethode
*
* @param a Eingabeliste
* @param start Startindex
* @param end Index des letzten Elements
* @param a Eingabeliste
* @param start Startindex
* @param end Index des letzten Elements
* @return Pivotelement
*/
private static int randomizedPartition(List<Double> a, int start, int end) {
@ -73,9 +74,9 @@ public class FastElementSelector {
/**
* Hilfsmethode
*
* @param a Eingabeliste
* @param start Startindex
* @param end Index des letzten Elements
* @param a Eingabeliste
* @param start Startindex
* @param end Index des letzten Elements
* @return Pivotelement
*/
private static int partition(List<Double> a, int start, int end) {

36
LinearRegressionTool/src/main/java/presenter/util/IntersectionComputer.java
View File

@ -30,6 +30,7 @@ public class IntersectionComputer {
/**
* Konstruktor
*
* @param lines Liste der Geraden
*/
public IntersectionComputer(LinkedList<Line> lines) {
@ -47,27 +48,28 @@ 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.
* @param lower untere Schranke
* @param higher obere Schranke
* @return Liste der Schnittpunkte
*
* @param lower untere Schranke
* @param higher obere Schranke
* @return Liste der Schnittpunkte
*/
public ArrayList<Point> compute(final double lower, final double higher) {
if (lines.size() > 16) {
worker[0] = new Thread(() -> {
work(lines.subList(0, (lines.size() / 4)),lower,higher);
work(lines.subList(0, (lines.size() / 4)), lower, higher);
});
worker[0].start();
worker[1] = new Thread(() -> {
work(lines.subList((lines.size() / 4) + 1, (lines.size() / 2)),lower,higher);
work(lines.subList((lines.size() / 4) + 1, (lines.size() / 2)), lower, higher);
});
worker[1].start();
worker[2] = new Thread(() -> {
work(lines.subList((lines.size() / 2) + 1, 3 * (lines.size() / 4)),lower,higher);
work(lines.subList((lines.size() / 2) + 1, 3 * (lines.size() / 4)), lower, higher);
});
worker[2].start();
worker[3] = new Thread(() -> {
work(lines.subList(3 * (lines.size() / 4) + 1, (lines.size())),lower,higher);
work(lines.subList(3 * (lines.size() / 4) + 1, (lines.size())), lower, higher);
});
worker[3].start();
@ -80,17 +82,19 @@ public class IntersectionComputer {
}
}
} else {
work(lines,lower,higher);
work(lines, lower, higher);
}
return new ArrayList<>(intersections);
}
/**
* 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.
* @return Liste der Schnittpunkte
*
* @return Liste der Schnittpunkte
*/
public ArrayList<Point> compute() {
return compute(-99999, 99999);
@ -111,6 +115,7 @@ public class IntersectionComputer {
/**
* Synchronisierter Zugriff auf die Liste der Geraden
*
* @return Liste der Geraden
*/
public synchronized LinkedList<Line> getLines() {
@ -119,6 +124,7 @@ public class IntersectionComputer {
/**
* Synchronisierter hinzufügen eines Schnittpunkts
*
* @param p Schnittpunkt
*/
public synchronized void addIntersection(Point p) {
@ -127,20 +133,18 @@ public class IntersectionComputer {
/**
* Synchronisiertes abfragen ob ein Schnittpunkt bereits gefunden wurde.
*
* @param p Schnittpunkt
* @return <code>true</code>, falls der Schnittpunkt p bereits gefunden wurde
*/
public synchronized boolean isFound(Point p) {
if (intersections.contains(p)) {
return true;
} else {
return false;
}
return intersections.contains(p);
}
/**
* Zu einem Punkt werden die minimalen, maximalen x- und y-Koordinaten überprüft und ggf.
* neu gesetzt
*
* @param point Schnittpunkt
*/
public void setRanges(Point point) {
@ -152,6 +156,7 @@ public class IntersectionComputer {
/**
* Synchronisierter Zugriff auf die minimale x-Koordiante
*
* @return minimale x-Koordiante
*/
public synchronized Double getxMinimum() {
@ -160,6 +165,7 @@ public class IntersectionComputer {
/**
* Synchronisierter Zugriff auf die maximale x-Koordinate
*
* @return maximale x-Koordinate
*/
public synchronized Double getxMaximum() {
@ -168,6 +174,7 @@ public class IntersectionComputer {
/**
* Synchronisierter Zugriff auf die minimale y-Koordinate
*
* @return minimale y-Koordinate
*/
public synchronized Double getyMinimum() {
@ -176,6 +183,7 @@ public class IntersectionComputer {
/**
* Synchronisierter Zugriff auf die maximale y-Koordinate
*
* @return maximale y-Koordinate
*/
public synchronized Double getyMaximum() {

5
LinearRegressionTool/src/main/java/presenter/util/IntersectionCounter.java
View File

@ -1,6 +1,9 @@
package presenter.util;
import model.*;
import model.Interval;
import model.Line;
import model.Pair;
import model.Point;
import presenter.util.Comparators.YOrderLineComparatorBegin;
import presenter.util.Comparators.YOrderLineComparatorEnd;

5
LinearRegressionTool/src/main/java/presenter/util/RandomSampler.java
View File

@ -44,14 +44,13 @@ public class RandomSampler {
public static ArrayList<Double> run(ArrayList<Point> set, Double r) {
ArrayList<Double> sampledLines = new ArrayList<>();
for (Point p : set){
for (Point p : set) {
sampledLines.add(p.getX());
}
Random rand = new Random();
int inputSize = sampledLines.size();
for (int i = 0; i < r; i++)
{
for (int i = 0; i < r; i++) {
int indexToSwap = i + rand.nextInt(inputSize - i);
Double temp = sampledLines.get(i);
sampledLines.set(i, sampledLines.get(indexToSwap));

69
LinearRegressionTool/src/main/java/view/MainFrame.java
View File

@ -121,8 +121,9 @@ public class MainFrame extends JFrame {
/**
* Visualisiert das Ergebnis des LMS-Schätzers
* @param m Steigung
* @param b y-Achsenabschnitt
*
* @param m Steigung
* @param b y-Achsenabschnitt
*/
public void visualizeLMS(double m, double b) {
plotLMS = new PlotPanel();
@ -132,8 +133,9 @@ public class MainFrame extends JFrame {
/**
* Visualisiert das Ergebnis des RM-Schätzers
* @param m Steigung
* @param b y-Achsenabschnitt
*
* @param m Steigung
* @param b y-Achsenabschnitt
*/
public void visualizeRM(double m, double b) {
plotRM = new PlotPanel();
@ -143,8 +145,9 @@ public class MainFrame extends JFrame {
/**
* Visualisiert das Ergebnis des TS-Schätzers
* @param m Steigung
* @param b y-Achsenabschnitt
*
* @param m Steigung
* @param b y-Achsenabschnitt
*/
public void visualizeTS(double m, double b) {
plotTS = new PlotPanel();
@ -154,11 +157,12 @@ public class MainFrame extends JFrame {
/**
* Erzeugt den Plot zu einer Eingabe von Punkten und der Lösung eines Schätzers (m,b)
* @param m Steigung
* @param b y-Achsenabschnitt
* @param plot Plot
* @param panel Panel auf dem der Plot plaziert wird
* @param name Bezeichnung der Gerade
*
* @param m Steigung
* @param b y-Achsenabschnitt
* @param plot Plot
* @param panel Panel auf dem der Plot plaziert wird
* @param name Bezeichnung der Gerade
*/
public void createPlot(double m, double b, PlotPanel plot, JPanel panel, String name) {
SwingUtilities.invokeLater(() -> {
@ -171,6 +175,7 @@ public class MainFrame extends JFrame {
/**
* Visualisierung des Import-Prozesses
*
* @param progress akteulle Prozentzahl (0-100)
*/
public void showImportProgress(Integer progress) {
@ -207,13 +212,14 @@ public class MainFrame extends JFrame {
/**
* Fügt der Evaluations-Tabelle eine Spalte mit Daten hinzu
* @param res Daten der Spalte
* @param col Spalte
* @param isApprCol <code>true</code>, falls es sich um die Überschirften der Approximationsgüten handelt
*
* @param res Daten der Spalte
* @param col Spalte
* @param isApprCol <code>true</code>, falls es sich um die Überschirften der Approximationsgüten handelt
*/
public void appendEvalResult(Object[] res, int col, boolean isApprCol) {
SwingUtilities.invokeLater(() -> {
Object[] tmp = Arrays.asList(res).subList(2, res.length).toArray();
Object[] tmp = Arrays.copyOfRange(res, 2, res.length);
if (isApprCol) {
evaluationPanel.setCurrentRow(tmp.length);
evaluationPanel.addColumn(tmp, col, true);
@ -227,11 +233,12 @@ public class MainFrame extends JFrame {
/**
* Fügt der Evaluations-Tabelle eine Zeile mit Daten hinzu
* @param res Daten der Spalte
*
* @param res Daten der Spalte
*/
public void appendEvalResult(Object[] res) {
SwingUtilities.invokeLater(() -> {
Object[] tmp = Arrays.asList(res).subList(1, res.length).toArray();
Object[] tmp = Arrays.copyOfRange(res, 1, res.length);
evaluationPanel.addRow(tmp);
evaluationPanel.repaint();
evaluationPanel.revalidate();
@ -240,12 +247,13 @@ public class MainFrame extends JFrame {
/**
* Visualisiert die Ausgleichsgerade zu gegebenen Algorithmen
* @param res Steigungen und y-Achsenabschnitte
* @param alg Kodierung der Alg.
*
* @param res Steigungen und y-Achsenabschnitte
* @param alg Kodierung der Alg.
*/
public void drawLineResult(Object[] res, int alg) {
SwingUtilities.invokeLater(() -> {
Object[] result = Arrays.asList(res).subList(2, res.length).toArray();
Object[] result = Arrays.copyOfRange(res, 2, res.length);
evaluationPanel.drawLines(result, alg);
evaluationPanel.repaint();
evaluationPanel.revalidate();
@ -254,11 +262,12 @@ public class MainFrame extends JFrame {
/**
* Visualisiert die Ausgleichsgerade zu einem gegebenen Algorithmus
* @param res Steigungen und y-Achsenabschnitte
*
* @param res Steigungen und y-Achsenabschnitte
*/
public void drawLineResults(Object[] res) {
SwingUtilities.invokeLater(() -> {
Object[] result = Arrays.asList(res).subList(1, res.length).toArray();
Object[] result = Arrays.copyOfRange(res, 1, res.length);
ArrayList<Double[]> algs = new ArrayList<>();
for (int i = 0; i < (result.length + 1) / 3; i++) {
@ -277,6 +286,7 @@ public class MainFrame extends JFrame {
/**
* Evaluations-Datensätze werden Visualisiert
*
* @param lines Liste der Geraden
*/
public void addEvalDataset(LinkedList<Line> lines) {
@ -511,6 +521,7 @@ public class MainFrame extends JFrame {
/**
* Ausgabe einer Tabelle
*
* @param heading Überschrift
* @param rows Zeilen mit Text
*/
@ -523,28 +534,28 @@ public class MainFrame extends JFrame {
******************************************************************************************************************/
/**
* @return liefert den Button, zum visualisieren des dualen Raums zurück
* @return liefert den Button, zum visualisieren des dualen Raums zurück
*/
public JButton getArrangementButton() {
return arrangementButton;
}
/**
* @return liefert das Panel zum visualisieren des LMS-Schätzers
* @return liefert das Panel zum visualisieren des LMS-Schätzers
*/
public TabPanel getLmsPanel() {
return lmsPanel;
}
/**
* @return liefert das Panel zum visualisieren des RM-Schätzers
* @return liefert das Panel zum visualisieren des RM-Schätzers
*/
public TabPanel getRmPanel() {
return rmPanel;
}
/**
* @return liefert die Instanz des Presenters zurück
* @return liefert die Instanz des Presenters zurück
*/
public AbstractPresenter getPresenter() {
return presenter;
@ -558,21 +569,21 @@ public class MainFrame extends JFrame {
}
/**
* @return liefert den Dialog zum visualisieren des Import-Fortschrits
* @return liefert den Dialog zum visualisieren des Import-Fortschrits
*/
public JDialog getProgressDialog() {
return progressDialog;
}
/**
* @return liefert das Panel zum visualisieren des TS-Schätzers
* @return liefert das Panel zum visualisieren des TS-Schätzers
*/
public TabPanel getTsPanel() {
return tsPanel;
}
/**
* @return liefert den Button, exportieren zurück
* @return liefert den Button, exportieren zurück
*/
public JButton getExportButton() {
return exportButton;

3
LinearRegressionTool/src/main/java/view/MenuBar.java
View File

@ -35,6 +35,7 @@ public class MenuBar {
/**
* Konstruktor
*
* @param view View
*/
public MenuBar(MainFrame view) {
@ -99,7 +100,7 @@ public class MenuBar {
}
/**
* @return liefert die MenuBar Instanz zurück
* @return liefert die MenuBar Instanz zurück
*/
public JMenuBar getMenuBar() {
return menuBar;

1
LinearRegressionTool/src/main/java/view/listener/DualityVisualizerListener.java
View File

@ -19,6 +19,7 @@ public class DualityVisualizerListener implements ActionListener {
/**
* Konstruktor
*
* @param presenter Presenter
*/
public DualityVisualizerListener(Presenter presenter) {

1
LinearRegressionTool/src/main/java/view/listener/ExportDataListener.java
View File

@ -24,6 +24,7 @@ public class ExportDataListener implements ActionListener {
/**
* Konstruktor
*
* @param presenter Presenter
* @param component visuelle Elternkomponente
*/

5
LinearRegressionTool/src/main/java/view/listener/GenerateDataListener.java
View File

@ -25,6 +25,7 @@ public class GenerateDataListener implements ActionListener {
/**
* Konstruktor
*
* @param presenter Presenter
*/
public GenerateDataListener(Presenter presenter) {
@ -34,7 +35,7 @@ public class GenerateDataListener implements ActionListener {
@Override
public void actionPerformed(ActionEvent e) {
SwingUtilities.invokeLater(() -> {
if (dialog == null || !dialog.isVisible()) {
if (dialog == null || !dialog.isVisible()) {
dialog = new JDialog();
dialog.setTitle("generiere Datensatz");
dialog.setAlwaysOnTop(true);
@ -57,7 +58,7 @@ public class GenerateDataListener implements ActionListener {
aproveButton.addActionListener(e1 -> {
int n = Integer.parseInt(textField.getText());
int type = datasetTypeComboBox.getSelectedIndex();
Thread t = new Thread(() -> presenter.generateDataset(n,type));
Thread t = new Thread(() -> presenter.generateDataset(n, type));
t.start();
dialog.dispose();
});

1
LinearRegressionTool/src/main/java/view/listener/ImportDataListener.java
View File

@ -24,6 +24,7 @@ public class ImportDataListener implements ActionListener {
/**
* Konstruktor
*
* @param presenter Presenter
* @param component visuelle Elternkomponente
*/

1
LinearRegressionTool/src/main/java/view/listener/PictureImportListener.java
View File

@ -23,6 +23,7 @@ public class PictureImportListener implements ActionListener {
/**
* Konstruktor
*
* @param presenter Presenter
* @param component visuelle Elternkomponente
*/

1
LinearRegressionTool/src/main/java/view/listener/StartAlgorithmListener.java
View File

@ -23,6 +23,7 @@ public class StartAlgorithmListener implements ActionListener {
/**
* Konstruktor
*
* @param presenter Presenter
* @param tabPanel Algorithmus Visualisierungskomponente
*/

8
LinearRegressionTool/src/main/java/view/panels/AboutPanel.java
View File

@ -34,22 +34,22 @@ public class AboutPanel extends JPanel {
this.textArea = new JTextPane();
this.textArea.setEditable(false);
this.textArea.setOpaque(false);
SimpleAttributeSet attrs=new SimpleAttributeSet();
SimpleAttributeSet attrs = new SimpleAttributeSet();
StyleConstants.setAlignment(attrs, StyleConstants.ALIGN_CENTER);
StyleConstants.setBackground(new SimpleAttributeSet(), new Color(255, 255, 255, 128));
StyledDocument doc=(StyledDocument)textArea.getDocument();
StyledDocument doc = (StyledDocument) textArea.getDocument();
String text = "\n\n\n\nDiese Software wurde als praktischer Teil der Masterarbeit:\n" +
"\"Algorithmen zur Berechnung von Ausgleichsgeraden\"\n" +
"entwickelt.\n\n" +
" Armin Wolf\n a_wolf28@uni-muenster.de\n" +
"Matrikelnummer: 398214";
try {
doc.insertString(0,text,attrs);
doc.insertString(0, text, attrs);
} catch (BadLocationException e) {
e.printStackTrace();
}
doc.setParagraphAttributes(0,doc.getLength()-1,attrs,false);
doc.setParagraphAttributes(0, doc.getLength() - 1, attrs, false);
contentPane.add(this.textArea, BorderLayout.CENTER);
ClassLoader classLoader = getClass().getClassLoader();

17
LinearRegressionTool/src/main/java/view/panels/DualityPanel.java
View File

@ -59,12 +59,13 @@ public class DualityPanel extends JPanel {
/**
* Hilfsmethode um die Parameter im einem Schritt zu setzen
* @param lines Liste der Geraden
* @param points Liste der Schnittpunkte
* @param xmin minimale x-Koordinate
* @param xmax maximale x-Koordinate
* @param ymin minimale y-Koordinate
* @param ymax maximale y-Koordinate
*
* @param lines Liste der Geraden
* @param points Liste der Schnittpunkte
* @param xmin minimale x-Koordinate
* @param xmax maximale x-Koordinate
* @param ymin minimale y-Koordinate
* @param ymax maximale y-Koordinate
*/
public void setPrameters(LinkedList<Line> lines, ArrayList<Point> points, Double xmin, Double xmax, Double ymin, Double ymax) {
this.lines = new LinkedList<>(lines);
@ -151,6 +152,7 @@ public class DualityPanel extends JPanel {
/**
* Hilfmethode für die Zoom-Funktion im Panel
*
* @param component Komponente
*/
public void addKeyListener(JComponent component) {
@ -180,6 +182,7 @@ public class DualityPanel extends JPanel {
/**
* Zoom-Funktionalität für das Panel
*
* @param chartPanel
*/
protected void addZooming(ChartPanel chartPanel) {
@ -223,7 +226,7 @@ public class DualityPanel extends JPanel {
* @param val Bewegung
* @param min minimale Wert
* @param max maximale Wert
* @return aktuell Sichtbare Teil des Panels
* @return aktuell Sichtbare Teil des Panels
*/
private DateRange move(Double val, Double min, Double max) {
Double minimum = min;

23
LinearRegressionTool/src/main/java/view/panels/EvaluationPanel.java
View File

@ -63,6 +63,7 @@ public class EvaluationPanel extends JPanel {
/**
* Konstruktor
*
* @param view View
*/
public EvaluationPanel(MainFrame view) {
@ -186,7 +187,7 @@ public class EvaluationPanel extends JPanel {
TableColumn tm = table.getColumnModel().getColumn(0);
tm.setCellRenderer(new ColorColumnRenderer(Color.lightGray, Color.blue));
for (int i=1;i<4;i++){
for (int i = 1; i < 4; i++) {
DefaultTableCellRenderer rightRenderer = new DefaultTableCellRenderer();
rightRenderer.setHorizontalAlignment(SwingConstants.RIGHT);
rightRenderer.setFont(new FontUIResource("Courier", Font.PLAIN, 12));
@ -210,7 +211,7 @@ public class EvaluationPanel extends JPanel {
alg = checkSelection();
n = (Integer) datasetCountChoice.getSelectedItem();
String datatyp = (String) datasetType.getSelectedItem();
if (datatyp == "Import von CSV-Datei"){
if (datatyp == "Import von CSV-Datei") {
SwingUtilities.invokeLater(() -> {
File file = null;
JFileChooser chooser = new JFileChooser(FileSystemView.getFileSystemView().getHomeDirectory());
@ -312,7 +313,7 @@ public class EvaluationPanel extends JPanel {
String filename = file.getAbsolutePath().contains(".csv") ? file.getAbsolutePath() : file.getAbsolutePath().concat(".csv");
File withExtension = new File(filename);
final File input = withExtension;
Thread t = new Thread(() ->((Presenter) view.getPresenter()).startDatasetExportEvaluation(input));
Thread t = new Thread(() -> ((Presenter) view.getPresenter()).startDatasetExportEvaluation(input));
t.start();
}
});
@ -325,9 +326,9 @@ public class EvaluationPanel extends JPanel {
/**
* Fügt der Tabelle eine Spalte hinzu
*
* @param data Daten der Spalte
* @param col Spalte
* @param isLabel <code>true</code>, falls es sich um die Approximations Überschriften handelt
* @param data Daten der Spalte
* @param col Spalte
* @param isLabel <code>true</code>, falls es sich um die Approximations Überschriften handelt
*/
public void addColumn(Object[] data, int col, boolean isLabel) {
if (isLabel) {
@ -343,6 +344,7 @@ public class EvaluationPanel extends JPanel {
/**
* Fügt der Tabelle eine Zeile hinzu
*
* @param data Daten der Zeile
*/
public void addRow(Object[] data) {
@ -358,6 +360,7 @@ public class EvaluationPanel extends JPanel {
/**
* Visualisierung der Ausgleichsgeraden
*
* @param alg Steigung und y-Achsenabschnitt der Geraden, bestimmt durch die Schätzer
*/
public void drawLines(ArrayList<Double[]> alg) {
@ -374,8 +377,9 @@ public class EvaluationPanel extends JPanel {
/**
* Visualisierung der Ausgleichsgerade
* @param results Steigung und y-Achsenabschnitt der Gerade, bestimmt durch die Schätzer
* @param alg identifizierung des Alg.
*
* @param results Steigung und y-Achsenabschnitt der Gerade, bestimmt durch die Schätzer
* @param alg identifizierung des Alg.
*/
public void drawLines(Object[] results, int alg) {
String[] castedResults = Arrays.copyOf(results, results.length, String[].class);
@ -394,6 +398,7 @@ public class EvaluationPanel extends JPanel {
/**
* Visualisierung der dualen Geraden (Eingabemenge)
*
* @param points Liste der Geraden
*/
public void setDualPoints(LinkedList<Line> points) {
@ -407,6 +412,7 @@ public class EvaluationPanel extends JPanel {
/**
* Hilfsmethode
*
* @param n Anzahl der leeren Zeilen
*/
private void addBlankRows(int n) {
@ -418,6 +424,7 @@ public class EvaluationPanel extends JPanel {
/**
* Hilfsmethode
*
* @param val Anzahl der Zeilen die noch hinzugefügt werden
*/
public void setCurrentRow(int val) {

9
LinearRegressionTool/src/main/java/view/panels/InfoPanel.java
View File

@ -38,6 +38,7 @@ public class InfoPanel extends JPanel {
/**
* Fügt eine Text dem Panel als Paragraph hinzu
*
* @param p Übergebener Text
*/
public void appendParagraph(String p) {
@ -47,6 +48,7 @@ public class InfoPanel extends JPanel {
/**
* Fügt eine Überschrift dem Panel hinzu
*
* @param h1 Überschrift
*/
public void appendParagraphWithHeading(String h1) {
@ -56,6 +58,7 @@ public class InfoPanel extends JPanel {
/**
* Fügt einen Text in roter Schrift als Paragraph dem Panel hinzu
*
* @param p Text
*/
public void appendParagraphRed(String p) {
@ -65,6 +68,7 @@ public class InfoPanel extends JPanel {
/**
* Fügt einen Text in grüner Schrift als Paragraph dem Panel hinzu
*
* @param p Text
*/
public void appendParagraphGreen(String p) {
@ -74,8 +78,9 @@ public class InfoPanel extends JPanel {
/**
* Fügt eine Tabelle mit Werten dem Panel hinzu
* @param heading Überschriften
* @param rows Liste von Daten pro Zeile
*
* @param heading Überschriften
* @param rows Liste von Daten pro Zeile
*/
public void logTable(List<String> heading, List<List<String>> rows) {
content.append("<center>");

20
LinearRegressionTool/src/main/java/view/panels/PlotPanel.java
View File

@ -48,7 +48,8 @@ public class PlotPanel extends JPanel {
/**
* Erzeugen des Plots
* @param points Liste der Geraden
*
* @param points Liste der Geraden
*/
public void createPlot(LinkedList<Line> points) {
if (!points.isEmpty()) {
@ -103,10 +104,11 @@ public class PlotPanel extends JPanel {
/**
* Fügt eine Gerade zum Plot hinzu
* @param m Steigung
* @param b y-Achsenabschnitt
* @param color Farbe
* @param name Bezeichner
*
* @param m Steigung
* @param b y-Achsenabschnitt
* @param color Farbe
* @param name Bezeichner
*/
public void addLineToPlot(double m, double b, Paint color, String name) {
@ -125,9 +127,10 @@ public class PlotPanel extends JPanel {
/**
* Fügt eine Gerade zum Plot hinzu
* @param m Steigung
* @param b y-Achsenabschnitt
* @param name Bezeichner
*
* @param m Steigung
* @param b y-Achsenabschnitt
* @param name Bezeichner
*/
public void addLineToPlot(double m, double b, String name) {
XYSeries linesA = new XYSeries(name);
@ -144,6 +147,7 @@ public class PlotPanel extends JPanel {
/**
* Wandelt die Daten in ein passendes Format um
*
* @param points Liste der Geraden
*/
private void convertData(LinkedList<Line> points) {

8
LinearRegressionTool/src/main/java/view/panels/tabs/LMSPanel.java
View File

@ -69,8 +69,9 @@ public class LMSPanel extends TabPanel {
/**
* Hilftmethode um einen Botton an die passende Stelle zu platzieren
* @param row Zeile
* @param button Button
*
* @param row Zeile
* @param button Button
*/
private void addButton(int row, JButton button) {
JPanel buttonPanel = new JPanel();
@ -89,7 +90,8 @@ public class LMSPanel extends TabPanel {
/**
* Liefert die Eingaben in Form eines Feldes zurück. Die Parameter werden für den Alg. benötigt.
* @return Eingabe
*
* @return Eingabe
*/
public String[] getInput() {
String[] input = new String[3];

1
LinearRegressionTool/src/main/java/view/panels/tabs/RMPanel.java
View File

@ -77,6 +77,7 @@ public class RMPanel extends TabPanel {
/**
* Liefert die Eingabe zurück. Der Parameter wird für den Alg. benötigt.
*
* @return Eingabe
*/
public String getInput() {

19
LinearRegressionTool/src/main/java/view/panels/tabs/TabPanel.java
View File

@ -46,9 +46,10 @@ public abstract class TabPanel extends JPanel {
/**
* Fügt in eine Zeile ein Überschrift(JLabel) und eine Eingabekomponente(JTextField)
* @param row Zeile
* @param name Überschrift
* @param value Standardwert
*
* @param row Zeile
* @param name Überschrift
* @param value Standardwert
*/
protected void addTextfieldAndInput(int row, String name, Double value) {
//muss nicht obligatorisch implementiert werden
@ -56,6 +57,7 @@ public abstract class TabPanel extends JPanel {
/**
* Hilftmethode um den Plotpanel erst bei Vorhandenen Ergebnissen hinzufügen zu können
*
* @param plotPanel Plotpanel
*/
public void setPlotPanel(PlotPanel plotPanel) {
@ -70,21 +72,21 @@ public abstract class TabPanel extends JPanel {
}
/**
* @return gibt den Startbutton zurück
* @return gibt den Startbutton zurück
*/
public JButton getStartButton() {
return startButton;
}
/**
* @return gibt das obere Panel zurück
* @return gibt das obere Panel zurück
*/
public JPanel getNorthPanel() {
return northPanel;
}
/**
* @return gibt das untere Panel zurück
* @return gibt das untere Panel zurück
*/
public JPanel getCenterPanel() {
return centerPanel;
@ -92,8 +94,9 @@ public abstract class TabPanel extends JPanel {
/**
* Hilfmethode zum prüfen ob die Eingabe numerisch ist.
* @param str Eingabe
* @return <code>true</code>, falls es sich bei der Eingabe um numerische Werte handelt
*
* @param str Eingabe
* @return <code>true</code>, falls es sich bei der Eingabe um numerische Werte handelt
*/
public boolean isNumeric(String str) {
try {