nettoyage

parmorceauxMax-git/Dynamics_Model_Periodic.m

-classdef Dynamics_Model_Periodic < Dynamics_Model
-    methods
-        function obj = Dynamics_Model_Periodic(filename_interpolant, display_screen)
-            obj = obj@Dynamics_Model(filename_interpolant, display_screen);
-        end
-        function X = normalise_X(obj, X)
-            X = mod(X, 1);
-        end
-        function periodic = is_periodic(obj)
-            periodic = 1;
-        end
-    end
-end
\ No newline at end of file

parmorceauxMax-git/Interface.m

@@ -96,7 +96,7 @@ classdef Interface < handle
                     end
                 end
             end
-                        
+            
             
             %% choix de la meilleure sequence (peut être pour plus tard: toujours choisir la séquence qui se termine sur le modèle C ?)
             [max_proba, indice] = max(obj.proba_morceaux);
@@ -105,7 +105,7 @@ classdef Interface < handle
             
             %% calcul les scores pour les frames du dernier morceau
             % mise à jour des x pour bien les étaler
-            %obj.meilleure_sequence_models(end).spread_X();
+            obj.meilleure_sequence_models(end).spread_X();
             new_scores = obj.meilleure_sequence_models(end).compute_loglikelihood_dynamics([1:obj.N-obj.first_frame_of_models(indice)+1]);
             obj.loglikelihood = [obj.scores_finis{indice} new_scores];
             
@@ -215,7 +215,7 @@ classdef Interface < handle
                         else
                             nouveau_morceau_fini_branche{branche} = copy(obj.dynamics_models{branche}); % ce modèle n'a pas encore vu la frame courante, on peut donc le sauvegader dans son état à la frame précédente
 %%%%                        %%%%%% mettre à jour la copie ici
-                            %nouveau_morceau_fini_branche{branche}.spread_X();
+                            nouveau_morceau_fini_branche{branche}.spread_X();
                         end
                         
                         %% on récupère les scores des frames vues par le modèle

parmorceauxMax-git/Interface_Periodic.m

-classdef Interface_Periodic < Interface
-    methods
-        function obj = Interface_Periodic(filename_interpolant, display_screen)
-            obj = obj@Interface(filename_interpolant, display_screen);
-            
-            if display_screen == -1
-                obj.dynamics_model = Dynamics_Model_Periodic(filename_interpolant, display_screen);
-            else
-                obj.dynamics_model = Dynamics_Model_Periodic(filename_interpolant, display_screen+2);
-            end
-        end
-        function initialise(obj, initial_alpha, sigma_estimation, sigma_test, possible_local_minimum)
-            if possible_local_minimum && obj.N > 15
-                if obj.display_screen ~= -1
-                    figure(obj.display_screen)
-                    clf(obj.display_screen)
-                end
-                
-                % choose the most likely initial X
-                llh_X = [0,0,0,0];
-                
-                % start from 0
-                obj.dynamics_model.initialise(0, initial_alpha, sigma_estimation, sigma_test);
-                
-                for i=1:15
-                    obj.dynamics_model.process_new_frame(obj.Y(i,:), obj.T(i));
-                end
-                
-                llhs = obj.dynamics_model.compute_loglikelihood_dynamics_forced(1:15);
-                llh_X(1) = sum( llhs(isfinite(llhs)) );
-                
-                
-                % start from 0.25
-                obj.dynamics_model.initialise(0.25, initial_alpha, sigma_estimation, sigma_test);
-                
-                for i=1:15
-                    obj.dynamics_model.process_new_frame(obj.Y(i,:), obj.T(i));
-                end
-                
-                llhs = obj.dynamics_model.compute_loglikelihood_dynamics_forced(1:15);
-                llh_X(2) = sum( llhs(isfinite(llhs)) );
-                
-                % start from 0.5
-                obj.dynamics_model.initialise(0.5, initial_alpha, sigma_estimation, sigma_test);
-                
-                for i=1:15
-                    obj.dynamics_model.process_new_frame(obj.Y(i,:), obj.T(i));
-                end
-                
-                llhs = obj.dynamics_model.compute_loglikelihood_dynamics_forced(1:15);
-                llh_X(3) = sum( llhs(isfinite(llhs)) );
-                
-                % start from 0.75
-                obj.dynamics_model.initialise(0.75, initial_alpha, sigma_estimation, sigma_test);
-                
-                for i=1:15
-                    obj.dynamics_model.process_new_frame(obj.Y(i,:), obj.T(i));
-                end
-                
-                llhs = obj.dynamics_model.compute_loglikelihood_dynamics_forced(1:15);
-                llh_X(4) = sum( llhs(isfinite(llhs)) );
-                
-                % choose best
-                [~, ind] = max(llh_X);
-                x = [0,0.25,0.5,0.75];
-                x_ini = x(ind);
-                
-                obj.dynamics_model.initialise(x_ini, initial_alpha, sigma_estimation, sigma_test);
-           else
-                %default
-                obj.dynamics_model.initialise(0, initial_alpha, sigma_estimation, sigma_test);
-           end
-        end
-    end
-end