Corrigi o construtor das MRFTrees

Author: miguelrfernandes

ProjetoAMC/src/Classifier.java

@@ -49,10 +49,11 @@ public double Classify(int[] amostra) {  // cada classe (por ex. benigno) e repr
 
 		for (int c=0; c < odds.size(); c++) {
 			if (odds.get(c) == Collections.max(odds)) {
-				return Dataset2.ClassValuesList.get(c);  //não faz sentido
+				//return Dataset2.ClassValuesList.get(c);  n�o faz sentido
+				
 			}
 		}
-		 
+		return -1.0;
 	}
 
 }

ProjetoAMC/src/MRFTree.java

@@ -32,18 +32,24 @@ public MRFTree(Tree arvore, Dataset tfiber) {
 			d++;
 		}
 
+		// TODO aumentar eficiencia
 		// adicionamos uma matriz com os valores de phi(xi,xj) a cada aresta da nova arvore
 		for (int i = 0; i < n; i++) { // for aresta in arvore
-			// TODO trocar para apenas as arestas da arvore dada
 			for (int j = 0; j < n; j++) {
-				markovtree.Add(i, j, phi(i,j));
-				int[] a = new int[2];
-				a[0] = i;
-				a[1] = j;
-				E.add(a);
+				if (arvore.EdgeQ(i, j)) {
+					markovtree.Add(i, j, phi(i,j));
+					int[] a = new int[2];
+					a[0] = i;
+					a[1] = j;
+					E.add(a);
+				}
 			}
 		}
 	}
+	
+	public int getDatabaseSize() {
+		return m;
+	}
 
 	public double[][] phi(int i, int j) {  // calculo do phi
 		double[][] phiv = new double[n][n];
@@ -70,7 +76,6 @@ public double[][] phi(int i, int j) {  // calculo do phi
 		return phiv;
 	}
 
-	// TODO
 	// Prob: dado um vetor de dados 𝑥1, ... , 𝑥( retorna a probabilidade destes dados no dataset.
 	public double prob(int[] v) {
 		double r;

ProjetoAMC/src/Main.java

@@ -52,19 +52,19 @@ public static void main(String[] args) {
 		dataeg2.print();
 
 
-		/*
 
-		ArrayList<int[]> fibra2 = dataset2.Fiber(1);
 
+		//ArrayList<int[]> fibra2 = dataeg2.Fiber(1);
 
-		WeightedGraph grafo = new WeightedGraph(10);
+		
+		//WeightedGraph grafo = new WeightedGraph(10);
 		// adicionar pesos ao grafico
-		Tree maximal = grafo.MST();
+		//Tree maximal = grafo.MST();
 		ArrayList<MRFTree> listamrft= new ArrayList<MRFTree>(2);
 
 		for (int i = 0; i < 2; i++) {
-			MRFTree markov = new MRFTree(maximal, dataset2.Fiber(i));
-			listamrft.add(markov);
+			//MRFTree markov = new MRFTree(maximal, dataset2.Fiber(i));
+			//listamrft.add(markov);
 		}
 
 		//Classifier classificador = new Classifier(listamrft, classfreq); */