271 lines
9.1 KiB
Java
271 lines
9.1 KiB
Java
package presenter;
|
|
|
|
import model.Line;
|
|
import model.LineModel;
|
|
import presenter.algorithms.advanced.LeastMedianOfSquaresEstimator;
|
|
import presenter.algorithms.advanced.RepeatedMedianEstimator;
|
|
import presenter.algorithms.advanced.TheilSenEstimator;
|
|
import presenter.evaluation.EvaluateAlgorithms;
|
|
import presenter.evaluation.PictureProcessor;
|
|
import presenter.generator.DatasetGenerator;
|
|
import presenter.io.DataExporter;
|
|
import presenter.io.DataImporter;
|
|
import presenter.io.EvalResultLatexExport;
|
|
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;
|
|
|
|
|
|
/**
|
|
* Implementierung verschiedener Algorithmen zur Berechnung von Ausgleichsgeraden.
|
|
*
|
|
* @Author: Armin Wolf
|
|
* @Email: a_wolf28@uni-muenster.de
|
|
* @Date: 28.05.2017.
|
|
*/
|
|
public class Presenter extends AbstractPresenter {
|
|
|
|
|
|
public Presenter(LineModel model, MainFrame view) {
|
|
super(model, view);
|
|
}
|
|
|
|
|
|
public void visualizeDualLines() {
|
|
getView().createDualityDialog();
|
|
}
|
|
|
|
/***************************************************************************************************************************
|
|
* Ausführung der Algorithmen
|
|
***************************************************************************************************************************/
|
|
|
|
/**
|
|
* Die Berechnung durch des Algorithmus zum LMS-Schätzer wird gestartet.
|
|
*
|
|
* @param input Parameter für den Algorithmus
|
|
*/
|
|
public void calculateLMS(String[] input) {
|
|
if (input[0] != null && input[1] != null) {
|
|
//Parameter für den Algortihmus
|
|
Double constant = Double.parseDouble(input[0]);
|
|
Double error = Double.parseDouble(input[1]);
|
|
LeastMedianOfSquaresEstimator lms = new LeastMedianOfSquaresEstimator(getModel().getLines(), getModel().getNodes(), this);
|
|
//setzen der Parameter
|
|
lms.setConstant(constant);
|
|
lms.setQuantileError(error);
|
|
//Presenter soll die Klasse überwachen
|
|
lms.addObserver(this);
|
|
getExecutor().execute(lms);
|
|
|
|
}
|
|
|
|
}
|
|
|
|
/**
|
|
* Die Berechnung durch des Algorithmus zum RM-Schätzer wird gestartet.
|
|
*
|
|
* @param input Parameter für den Algorithmus
|
|
*/
|
|
public void calculateRM(String input) {
|
|
if (input != null) {
|
|
RepeatedMedianEstimator rm = new RepeatedMedianEstimator(getModel().getLines(), this);
|
|
Double parameter = Double.parseDouble(input);
|
|
rm.setBeta(parameter);
|
|
//Presenter soll die Klasse überwachen
|
|
rm.addObserver(this);
|
|
|
|
getExecutor().execute(rm);
|
|
|
|
}
|
|
}
|
|
|
|
/**
|
|
* Die Berechnung durch des Algorithmus zum TS-Schätzer wird gestartet.
|
|
*
|
|
* @param input Parameter für den Algorithmus
|
|
*/
|
|
public void calculateTS(String input) {
|
|
if (input != null) {
|
|
TheilSenEstimator ts = new TheilSenEstimator(getModel().getLines(), getModel().getNodes(), this);
|
|
//Presenter soll die Klasse überwachen
|
|
ts.addObserver(this);
|
|
|
|
getExecutor().execute(ts);
|
|
}
|
|
}
|
|
|
|
/***************************************************************************************************************************
|
|
* Hilfsmethoden
|
|
***************************************************************************************************************************/
|
|
|
|
/**
|
|
* Startet den Import des Datensatzes.
|
|
*
|
|
* @param file importierender Datensatz
|
|
*/
|
|
public void startImport(File file) {
|
|
|
|
DataImporter importer = new DataImporter(file);
|
|
//Presenter soll die Klasse überwachen
|
|
importer.addObserver(this);
|
|
|
|
getExecutor().execute(new Runnable() {
|
|
@Override
|
|
public void run() {
|
|
LinkedList<Line> importedLines = importer.run();
|
|
if (importedLines != null) {
|
|
//Berechnung der Schnittpunkte und vis. der Ergebnisse (anz. Geraden, anz. Schnittpunkte)
|
|
getModel().setLines(importedLines);
|
|
computeIntersections();
|
|
}
|
|
}
|
|
});
|
|
}
|
|
|
|
/**
|
|
* Startet den Import eines Bildes.
|
|
*
|
|
* @param file importierendes Bild
|
|
*/
|
|
public void startPictureDataImport(File file) {
|
|
PictureProcessor pictureProcessor = new PictureProcessor(this, file);
|
|
//Presenter soll die Klasse überwachen
|
|
pictureProcessor.addObserver(this);
|
|
|
|
getExecutor().execute(new Runnable() {
|
|
@Override
|
|
public void run() {
|
|
pictureProcessor.run();
|
|
//Berechnung der Schnittpunkte und vis. der Ergebnisse (anz. Geraden, anz. Schnittpunkte)
|
|
computeIntersections();
|
|
}
|
|
});
|
|
|
|
|
|
}
|
|
|
|
/**
|
|
* Startet den Export des akteullen Datensatzes (nur der Geraden)
|
|
*
|
|
* @param file Datei in der die Informationen gespeichert werden sollen
|
|
*/
|
|
public void startExport(File file) {
|
|
DataExporter exporter = new DataExporter(getModel().getLines(), file);
|
|
//Presenter soll die Klasse überwachen
|
|
exporter.addObserver(this);
|
|
|
|
getExecutor().execute(new Runnable() {
|
|
@Override
|
|
public void run() {
|
|
exporter.export();
|
|
}
|
|
});
|
|
}
|
|
|
|
/**
|
|
* Startet den Export des akteullen Datensatzes im Rahmen der Evaluation (nur der Geraden)
|
|
*
|
|
* @param file Datei in der die Informationen gespeichert werden sollen
|
|
*/
|
|
public void startDatasetExportEvaluation(File file) {
|
|
DataExporter exporter = new DataExporter(getEval().getData(), file);
|
|
//Presenter soll die Klasse überwachen
|
|
exporter.addObserver(this);
|
|
|
|
getExecutor().execute(new Runnable() {
|
|
@Override
|
|
public void run() {
|
|
exporter.export();
|
|
}
|
|
});
|
|
}
|
|
|
|
/**
|
|
* Startet den Export der Ergebnisse der Evaluation in Form einer LaTeX Datei
|
|
*
|
|
* @param model TableModel das die Berechnenten Ergebnisse enthält
|
|
* @param file Datei in die exportiert werden soll
|
|
*/
|
|
public void startResultExport(DefaultTableModel model, File file) {
|
|
getExecutor().execute(() -> {
|
|
EvalResultLatexExport exporter = new EvalResultLatexExport(model, file);
|
|
exporter.writeFile();
|
|
});
|
|
}
|
|
|
|
/**
|
|
* Startet das generieren der Datensätze der Größe <code>n</code>
|
|
*
|
|
* @param n Größe des Datensatzes
|
|
* @param type Art der Datensatzes
|
|
*/
|
|
public void generateDataset(int n, int type) {
|
|
DatasetGenerator generator = new DatasetGenerator();
|
|
generator.addObserver(this);
|
|
getExecutor().execute(() -> {
|
|
switch (type) {
|
|
case 0:
|
|
getModel().setLines(generator.generateDataCloud(n));
|
|
break;
|
|
case 1:
|
|
getModel().setLines(generator.generateDataLines(n));
|
|
break;
|
|
case 2:
|
|
getModel().setLines(generator.generateCircle(n));
|
|
break;
|
|
default:
|
|
getModel().setLines(generator.generateDataCloud(n));
|
|
break;
|
|
}
|
|
|
|
computeIntersections();
|
|
getView().enableFunctionality();
|
|
});
|
|
}
|
|
|
|
/**
|
|
* 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
|
|
* @param n Größe des Datensatzes
|
|
* @param alg code für die auszuführenden Algorithmen (siehe <code>EvaluationPanel.checkSelection()</code> Method)
|
|
* @param datasettyp Typ des Datensatzes (Geradem Punktwolke, Kreis und Gerade)
|
|
*/
|
|
public void startEvaluation(int typ, int n, int alg, String datasettyp) {
|
|
setEval(new EvaluateAlgorithms(typ, n, alg, datasettyp));
|
|
getEval().addObserver(this);
|
|
|
|
getExecutor().submit(() -> {
|
|
getEval().run();
|
|
});
|
|
}
|
|
|
|
/**
|
|
* 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 <code>EvaluationPanel.checkSelection()</code> Method)
|
|
* @param file Typ des Datensatzes (Geradem Punktwolke, Kreis und Gerade)
|
|
*/
|
|
public void startEvaluation(int typ, int alg, File file) {
|
|
|
|
EvaluateAlgorithms evaluateAlgorithms = new EvaluateAlgorithms(typ, alg, file);
|
|
if (evaluateAlgorithms.getData().size() > 0) {
|
|
setEval(evaluateAlgorithms);
|
|
getEval().addObserver(this);
|
|
|
|
}
|
|
getExecutor().submit(() -> {
|
|
getEval().run();
|
|
}).isDone();
|
|
}
|
|
}
|