Class Nuage

java.lang.Object
  |
  +--Nuage

public class Nuage

extends java.lang.Object

Classe permettant de charger et de partionner de nuages de points 2d ou 3d

Field Summary

private javax.media.j3d.Canvas3D	canvas3D
(package private) int	K
(package private) double	maxx
(package private) double	maxy
(package private) double	maxz
(package private) double	minx
(package private) double	miny
(package private) double	minz
(package private) int	N
(package private) int	Nna
(package private) java.lang.String	titre
(package private) double[][]	u
(package private) double[]	Vx
(package private) double[]	Vy
(package private) double[]	Vz
(package private) boolean	W3D
(package private) double[]	Xx
(package private) double[]	Xy
(package private) double[]	Xz

Constructor Summary

Nuage()

Method Summary

void	clusterize(int k) Cette méthode k-partitionne un nuage de points suivant l'algorithme des K-Means.
private double	de(int xi, int xj, Matrix F, Matrix F_inv, double P, double det) Calcule la distance exponentielle entre un site et un centroide
private void	dim(double x, double y, double z, int t) Cette méthode sert pour le calcul de la dimension (x,y,z) du nuage
double	dpa() Cette méthode calcule le critère DPA d'un nuage de points segmenté.
void	exp_clusterize(int k) Cette méthode k-partitionne un nuage de points suivant FMLE.
void	load_file(java.lang.String nom) Cette méthode sert à "aiguiller" lors du chargement de fichier, vers les fonctions de chargement en fonction de l'extension.
private boolean	load_from_bmp(java.lang.String nom) Cette méthode charge un nuage de point à partir d'une BMP 320x200x8bpp Elle affecte la mémoire nécessaire au stockage des coordonnées des sites, et positionne N, nombre de sites.
private boolean	load_from_data(java.lang.String nom) Cette méthode charge un nuage de point 2D à partir d'un fichier DATA 2D Elle affecte la mémoire nécessaire au stockage des coordonnées des sites, et positionne N, nombre de sites.
void	load_from_random(int nbp) Cette méthode charge un nuage de point à partir du générateur de nombres aléatoires Elle affecte la mémoire nécessaire au stockage des coordonnées des sites, et positionne N, nombre de sites.
private boolean	load_from_xyz(java.lang.String nom) Cette méthode charge un nuage de point à partir d'un fichier XYZ Elle affecte la mémoire nécessaire au stockage des coordonnées des sites, et positionne N, nombre de sites.
int	optimal() Cette méthode recherche la segmentation optimale d'un nuage de points et renvoie le nombre de clusters.

Methods inherited from class java.lang.Object

clone, equals, finalize, getClass, hashCode, notify, notifyAll, toString, wait, wait, wait

Field Detail

Vx

double[] Vx

Vy

double[] Vy

Vz

double[] Vz

u

double[][] u

K

int K

N

int N

Nna

int Nna

Xx

double[] Xx

Xy

double[] Xy

Xz

double[] Xz

minx

double minx

maxx

double maxx

miny

double miny

maxy

double maxy

minz

double minz

maxz

double maxz

titre

java.lang.String titre

canvas3D

private javax.media.j3d.Canvas3D canvas3D

W3D

boolean W3D

Constructor Detail

Nuage

public Nuage()

Method Detail

dim

private void dim(double x,
                 double y,
                 double z,
                 int t)

Cette méthode sert pour le calcul de la dimension (x,y,z) du nuage

load_from_random

public void load_from_random(int nbp)

Cette méthode charge un nuage de point à partir du générateur de nombres aléatoires Elle affecte la mémoire nécessaire au stockage des coordonnées des sites, et positionne N, nombre de sites.

Parameters:

nbp - nombre de points du nuage

load_file

public void load_file(java.lang.String nom)

Cette méthode sert à "aiguiller" lors du chargement de fichier, vers les fonctions de chargement en fonction de l'extension.

Parameters:

nom - nom du fichier nuage de points à charger

load_from_bmp

private boolean load_from_bmp(java.lang.String nom)
                       throws java.io.IOException

Cette méthode charge un nuage de point à partir d'une BMP 320x200x8bpp Elle affecte la mémoire nécessaire au stockage des coordonnées des sites, et positionne N, nombre de sites.

Parameters:

nom - nom de l'image BMP

Returns:

true si l'image a été chargée false sinon.

java.io.IOException

load_from_data

private boolean load_from_data(java.lang.String nom)
                        throws java.io.IOException

Cette méthode charge un nuage de point 2D à partir d'un fichier DATA 2D Elle affecte la mémoire nécessaire au stockage des coordonnées des sites, et positionne N, nombre de sites.

Parameters:

nom - nom du nuage DATA

Returns:

true si le fichier a été chargée false sinon.

java.io.IOException

load_from_xyz

private boolean load_from_xyz(java.lang.String nom)
                       throws java.io.IOException

Cette méthode charge un nuage de point à partir d'un fichier XYZ Elle affecte la mémoire nécessaire au stockage des coordonnées des sites, et positionne N, nombre de sites.

Parameters:

nom - nom du nuage XYZ

Returns:

true si le fichier a été chargée false sinon.

java.io.IOException

clusterize

public void clusterize(int k)

Cette méthode k-partitionne un nuage de points suivant l'algorithme des K-Means. L'espace mémoire nécessaire au stockage des coordonnées des centroides et des degrés d'appartenance y est aussi réservé.

Parameters:

k - nombre de clusters pour la segmentation

de

private double de(int xi,
                  int xj,
                  Matrix F,
                  Matrix F_inv,
                  double P,
                  double det)

Calcule la distance exponentielle entre un site et un centroide

exp_clusterize

public void exp_clusterize(int k)

Cette méthode k-partitionne un nuage de points suivant FMLE. L'espace mémoire nécessaire au stockage des coordonnées des centroides et des degrés d'appartenance y est aussi réservé.

Parameters:

k - nombre de clusters pour la segmentation

dpa

public double dpa()

Cette méthode calcule le critère DPA d'un nuage de points segmenté.

optimal

public int optimal()

Cette méthode recherche la segmentation optimale d'un nuage de points et renvoie le nombre de clusters.

Returns:

k nombre de clusters optimal