Remove explicit filename from Doxygen @file commands.
[ffmpeg.git] / libavutil / lls.c
1 /*
2  * linear least squares model
3  *
4  * Copyright (c) 2006 Michael Niedermayer <michaelni@gmx.at>
5  *
6  * This file is part of FFmpeg.
7  *
8  * FFmpeg is free software; you can redistribute it and/or
9  * modify it under the terms of the GNU Lesser General Public
10  * License as published by the Free Software Foundation; either
11  * version 2.1 of the License, or (at your option) any later version.
12  *
13  * FFmpeg is distributed in the hope that it will be useful,
14  * but WITHOUT ANY WARRANTY; without even the implied warranty of
15  * MERCHANTABILITY or FITNESS FOR A PARTICULAR PURPOSE.  See the GNU
16  * Lesser General Public License for more details.
17  *
18  * You should have received a copy of the GNU Lesser General Public
19  * License along with FFmpeg; if not, write to the Free Software
20  * Foundation, Inc., 51 Franklin Street, Fifth Floor, Boston, MA 02110-1301 USA
21  */
22
23 /**
24  * @file
25  * linear least squares model
26  */
27
28 #include <math.h>
29 #include <string.h>
30
31 #include "lls.h"
32
33 void av_init_lls(LLSModel *m, int indep_count){
34     memset(m, 0, sizeof(LLSModel));
35
36     m->indep_count= indep_count;
37 }
38
39 void av_update_lls(LLSModel *m, double *var, double decay){
40     int i,j;
41
42     for(i=0; i<=m->indep_count; i++){
43         for(j=i; j<=m->indep_count; j++){
44             m->covariance[i][j] *= decay;
45             m->covariance[i][j] += var[i]*var[j];
46         }
47     }
48 }
49
50 void av_solve_lls(LLSModel *m, double threshold, int min_order){
51     int i,j,k;
52     double (*factor)[MAX_VARS+1]= (void*)&m->covariance[1][0];
53     double (*covar )[MAX_VARS+1]= (void*)&m->covariance[1][1];
54     double  *covar_y            =  m->covariance[0];
55     int count= m->indep_count;
56
57     for(i=0; i<count; i++){
58         for(j=i; j<count; j++){
59             double sum= covar[i][j];
60
61             for(k=i-1; k>=0; k--)
62                 sum -= factor[i][k]*factor[j][k];
63
64             if(i==j){
65                 if(sum < threshold)
66                     sum= 1.0;
67                 factor[i][i]= sqrt(sum);
68             }else
69                 factor[j][i]= sum / factor[i][i];
70         }
71     }
72     for(i=0; i<count; i++){
73         double sum= covar_y[i+1];
74         for(k=i-1; k>=0; k--)
75             sum -= factor[i][k]*m->coeff[0][k];
76         m->coeff[0][i]= sum / factor[i][i];
77     }
78
79     for(j=count-1; j>=min_order; j--){
80         for(i=j; i>=0; i--){
81             double sum= m->coeff[0][i];
82             for(k=i+1; k<=j; k++)
83                 sum -= factor[k][i]*m->coeff[j][k];
84             m->coeff[j][i]= sum / factor[i][i];
85         }
86
87         m->variance[j]= covar_y[0];
88         for(i=0; i<=j; i++){
89             double sum= m->coeff[j][i]*covar[i][i] - 2*covar_y[i+1];
90             for(k=0; k<i; k++)
91                 sum += 2*m->coeff[j][k]*covar[k][i];
92             m->variance[j] += m->coeff[j][i]*sum;
93         }
94     }
95 }
96
97 double av_evaluate_lls(LLSModel *m, double *param, int order){
98     int i;
99     double out= 0;
100
101     for(i=0; i<=order; i++)
102         out+= param[i]*m->coeff[order][i];
103
104     return out;
105 }
106
107 #ifdef TEST
108
109 #include <stdlib.h>
110 #include <stdio.h>
111
112 int main(void){
113     LLSModel m;
114     int i, order;
115
116     av_init_lls(&m, 3);
117
118     for(i=0; i<100; i++){
119         double var[4];
120         double eval;
121         var[0] = (rand() / (double)RAND_MAX - 0.5)*2;
122         var[1] = var[0] + rand() / (double)RAND_MAX - 0.5;
123         var[2] = var[1] + rand() / (double)RAND_MAX - 0.5;
124         var[3] = var[2] + rand() / (double)RAND_MAX - 0.5;
125         av_update_lls(&m, var, 0.99);
126         av_solve_lls(&m, 0.001, 0);
127         for(order=0; order<3; order++){
128             eval= av_evaluate_lls(&m, var+1, order);
129             printf("real:%9f order:%d pred:%9f var:%f coeffs:%f %9f %9f\n",
130                 var[0], order, eval, sqrt(m.variance[order] / (i+1)),
131                 m.coeff[order][0], m.coeff[order][1], m.coeff[order][2]);
132         }
133     }
134     return 0;
135 }
136
137 #endif