/// <summary>
/// Генерация статистической модели на основе выбранных параметров и загруженной нормальной выборки.
/// </summary>
public void GenerateStatisticsModel()
{
var featureSets = new List <List <double> >();
foreach (var feature in _normalSet.First())
{
featureSets.Add(new List <double>());
}
foreach (var normalSample in _normalSet)
{
for (var i = 0; i < normalSample.Count; i++)
{
featureSets[i].Add(normalSample[i]);
}
}
StatisticsModel = new MultiFeatureStatisticsModel();
foreach (var featureSet in featureSets)
{
StatisticsModel.FeatureStatisticsModels.Add(WaveletTransformator.GenerateStatisticsModel(featureSet, Wavelet));
}
}
private void MenuItem_Wavelet(object sender, RoutedEventArgs e)
{
var wavelet = WaveletTransformator.WaveletStep(Img1, Size, 100);
Img1.Source = wavelet;
}
/// <summary>
/// Осуществляет применение статистических алгоритмов обнаружения аномалий к переданным данным.
/// </summary>
/// <param name="data">Исследумеые данные, представленные в виде числовых векторов.</param>
/// <param name="normalModel">Стастистическая модель нормальных данных.</param>
/// <returns>Коллекцию результатов обнаружения аномалий, по одному для каждого из выбранных алгоритмов обнаружения.</returns>
public IEnumerable <AnomalyDetectionResult> CheckOnAnomaly(IList <double> data, IWaveletTransformationStatisticsModel normalModel)
{
var testingModel = WaveletTransformator.GenerateStatisticsModel(data, normalModel.Wavelet);
return(RunAnomalyDetectionAlgorithms(testingModel, normalModel));
}
