public Generate ( int length, int chainRank ) : |
||
length | int | /// Length of generated sequence. /// |
chainRank | int | /// Rank of used markov chain. /// |
리턴 |
public void MarkovChainNotCongenericZeroRankTwoTest() { // using mock of random generator IGenerator generator = new MockGenerator(); // rank of markov chain is 2 (each element depends on one previous element) const int MarkovChainRank = 2; // heterogeneity is 1 (there are 2 models - for odd and even positions) const int NoCongenericRank = 0; // creating markov chain var markovChain = new MarkovChainNotCongenericStatic(MarkovChainRank, NoCongenericRank, generator); // length of generated sequence const int Length = 30; // teaching markov chain (TeachingMethod.None means there is no preprocessing) markovChain.Teach(secondTestChain, TeachingMethod.Cycle); var temp = markovChain.Generate(Length); /* * 1. Sequence a a a a a a b a a a b a * first level (unconditional probability) * * a| 10/12 (0,83333) not more than 0,83333| * b| 2/12 (0,16667) not more than 1| * * second level (conditional probability taking into account 1 previous element) * * | a | b | * ---|------|------| * a |7/9(7)|2/9(2)| * ---|------|------| * b |1,0(1)|0,0(0)| * ---|------|------| */ // expected result of generation var resultTheory = new Chain(30); resultTheory[0] = (ValueString)"a"; // "a" 0.77; resultTheory[1] = (ValueString)"a"; // "a" 0.15; resultTheory[2] = (ValueString)"b"; // "b" 0.96; resultTheory[3] = (ValueString)"a"; // "a" 0.61; resultTheory[4] = (ValueString)"a"; // "a" 0.15; resultTheory[5] = (ValueString)"b"; // "b" 0.85; resultTheory[6] = (ValueString)"a"; // "a" 0.67; resultTheory[7] = (ValueString)"a"; // "a" 0.51; resultTheory[8] = (ValueString)"a"; // "a" 0.71; resultTheory[9] = (ValueString)"a"; // "a" 0.2; resultTheory[10] = (ValueString)"a"; // "a" 0.77; resultTheory[11] = (ValueString)"a"; // "a" 0.15; resultTheory[12] = (ValueString)"b"; // "b" 0.96; resultTheory[13] = (ValueString)"a"; // "a" 0.61; resultTheory[14] = (ValueString)"a"; // "a" 0.15; resultTheory[15] = (ValueString)"b"; // "b" 0.85; resultTheory[16] = (ValueString)"a"; // "a" 0.67; resultTheory[17] = (ValueString)"a"; // "a" 0.51; resultTheory[18] = (ValueString)"a"; // "a" 0.71; resultTheory[19] = (ValueString)"a"; // "a" 0.2; resultTheory[20] = (ValueString)"a"; // "a" 0.77; resultTheory[21] = (ValueString)"a"; // "a" 0.15; resultTheory[22] = (ValueString)"b"; // "b" 0.96; resultTheory[23] = (ValueString)"a"; // "a" 0.61; resultTheory[24] = (ValueString)"a"; // "a" 0.15; resultTheory[25] = (ValueString)"b"; // "b" 0.85; resultTheory[26] = (ValueString)"a"; // "a" 0.67; resultTheory[27] = (ValueString)"a"; // "a" 0.51; resultTheory[28] = (ValueString)"a"; // "a" 0.71; resultTheory[29] = (ValueString)"a"; // "a" 0.2; Assert.AreEqual(resultTheory, temp); }
public void MarkovChainNotCongenericOneRangTwoTest() { // using mock of random generator IGenerator generator = new MockGenerator(); // rank of markov chain is 2 (each element depends on one previous element) const int MarkovChainRank = 2; // heterogeneity is 1 (there are 2 models - for odd and even positions) const int NoCongenericRank = 1; // creating markov chain var markovChain = new MarkovChainNotCongenericStatic(MarkovChainRank, NoCongenericRank, generator); // length of generated sequence const int Length = 12; // teaching markov chain (TeachingMethod.None means there is no preprocessing) markovChain.Teach(testChain, TeachingMethod.None); var temp = markovChain.Generate(Length); /* * Внутри неоднородной марковской цепи существует n однородных марковских цепей. n - порядок неоднородности цепи * порядок данных однородных цепей равен порядку неоднородной цепи * однородные цепи используются по очереди как при обучении так и при генерации. * * В данном тесте внутри неоднородной марковской цепи есть 2 однородные цепи. * Матрицы переходных вероятностей (в скобках указано кол-во входений при обучении) в них такие * * 1. Sequence * first level (unconditional probability) * * a| 1/2 (3) | * b| 1/3 (2) | * c| 1/6 (1) | * d| 0 (0) | * * second level (conditional probability taking into account 1 previous element) * * | a | b | с | d | * ---|------|------|------|------| * a |0,3(1)| 0(0) |0,3(1)|0,3(1)| * ---|------|------|------|------| * b |0,5(1)|0,5(1)| 0(0) | 0(0) | * ---|------|------|------|------| * c | 1(1) | 0(0) | 0(0) | 0(0) | * ---|------|------|------|------| * d | 0(0) | 0(0) | 0(0) | 0(0) | * ---|------|------|------|------| * * 2. Sequence * first level (unconditional probability) * * a| 2/5 (2) | * b| 1/5 (1) | * c| 1/5 (1) | * d| 1/5 (1) | * * second level (conditional probability taking into account 1 previous element) * * | a | b | с | d | * ---|------|------|------|------| * a |0,5(1)| 0(0) |0,5(1)| 0(0) | * ---|------|------|------|------| * b | 1(1) | 0(0) | 0(0) | 0(0) | * ---|------|------|------|------| * c | 0(0) | 1(1) | 0(0) | 0(0) | * ---|------|------|------|------| * d | 0(0) | 1(1) | 0(0) | 0(0) | * ---|------|------|------|------| * * * During teaching pairs are added as folowing * |-| |-| |-| |-| |-| <>- In second markov chain * a d b a a c b b a a c a * |_| |_| |_| |_| |_| |_| <>- In first markov chain * */ // expected result of generation var result = new Chain(12); result.Set((ValueString)"b", 0); // 1 chain. цепь вероятность по первому уровню. выпало 0,77 Получаем b result.Set((ValueString)"a", 1); // 2 chain. вероятность по второму уровню. выпало 0.15 Получаем a result.Set((ValueString)"c", 2); // 1 chain. вероятность по второму уровню. выпало 0.96 Получаем с result.Set((ValueString)"b", 3); // 2 chain. вероятность по второму уровню. выпало 0.61 Получаем b result.Set((ValueString)"a", 4); // 1 chain. вероятность по второму уровню. выпало 0.15 Получаем a result.Set((ValueString)"c", 5); // 2 chain. вероятность по второму уровню. выпало 0.85 Получаем c result.Set((ValueString)"a", 6); // 1 chain. вероятность по второму уровню. выпало 0.67 Получаем a result.Set((ValueString)"c", 7); // 2 chain. вероятность по второму уровню. выпало 0.51 Получаем c result.Set((ValueString)"a", 8); // 1 chain. вероятность по второму уровню. выпало 0.71 Получаем a result.Set((ValueString)"a", 9); // 2 chain. вероятность по второму уровню. выпало 0.2 Получаем a result.Set((ValueString)"c", 10); // 1 chain. вероятность по второму уровню. выпало 0.77 Получаем с result.Set((ValueString)"b", 11); // 2 chain. вероятность по второму уровню. выпало 0.15 Получаем b Assert.AreEqual(result, temp); }