bayes3.m

%% Initialisation

% Limité à l'ordre 4 pour des problèmes de mémoires

close all
clc

tic

cheminLecture = 'bayes.txt';
nb = 8;
fichierLecture = fopen(cheminLecture, 'r');

donnee = [];
ligneN = zeros(1,nb);
facteurs = [1 1 1 0.5 0.5 0.4 1/30 1]; % permet de réduire la mémoire utilisée et donc d'augmenter l'ordre

while(~feof(fichierLecture))
    ligneS = split(fgets(fichierLecture));
    for i=1:nb
        ligneN(i) = uint16(str2num(ligneS{i})*facteurs(i));
    end
    donnee = [donnee; ligneN];
end

fclose(fichierLecture);

toc

%% Vérifications de l'intégrité des données
Minima = min(donnee);
Maxima = max(donnee);
dims = Maxima-Minima+1;

for i = 1:nb
    figure
    plot(donnee(:,i))
    title(num2str(i))
end

% on seuil à 100 pour les rafales de vent afin de réduire la dimension

%% Création de la matrice de densité de probabilité

tic
close all
D = {};

for i = 1:nb
    D{end+1} = zeros(dims(i),dims(i),dims(i),dims(i),dims(i));
end

for i = 5:size(donnee,1)
    for n = 1:nb
        D{n}(donnee(i-4,n)-Minima(n)+1,donnee(i-3,n)-Minima(n)+1,donnee(i-2,n)-Minima(n)+1,donnee(i-1,n)-Minima(n)+1,(donnee(i,n)-Minima(n)+1):dims(n)) = D{n}(donnee(i-4,n)-Minima(n)+1,donnee(i-3,n)-Minima(n)+1,donnee(i-2,n)-Minima(n)+1,donnee(i-1,n)-Minima(n)+1,(donnee(i,n)-Minima(n)+1):dims(n))+1;
    end
end

for n = 1:nb
    for i =1:dims(n)
        for j =1:dims(n)
            for k =1:dims(n)
                for p =1:dims(n)
                    if(D{n}(i,j,k,p,dims(n))~=0)
                        D{n}(i,j,k,p,:) = D{n}(i,j,k,p,:)/D{n}(i,j,k,p,dims(n));
                    end
                end
            end
        end
    end
end

toc

%% Test

tic

nbDonnee = 20;
nbTest = 100000;
test = uint16([[4 12 17 1020 11 22 170 0];[4 15 18 1018 14 22 110 0];[4 18 15 1018 14 29 90 0];[4 21 11 1019 14 22 60 0]].*facteurs);


resultatN = zeros(1,nb);
resultat = zeros(nbTest, nbDonnee+4, nb);
for j = 1:nbTest
    resultat(j,1:4,:) = test;
    for t = 4:nbDonnee+3
        randoum = rand(nb,1);
        for i =1:nb
            resultatN(i) = Minima(i)+sum(D{i}(resultat(j,t-3,i)-Minima(i)+1,resultat(j,t-2,i)-Minima(i)+1,resultat(j,t-1,i)-Minima(i)+1,resultat(j,t,i)-Minima(i)+1,:)<randoum(i));
        end
        resultat(j,t+1,:) = resultatN;
    end
end


for t = 1:nbDonnee+4
    for j = 1:nbTest
        for i =1:nb
            resultat(j,t,i) = resultat(j,t,i)/facteurs(i);
        end
    end
end

for i = 3:nb
figure
histogram(resultat(:,end,i))
end

resultatAttendu = [[4 3 11 1027 11 14 10 0];[4 6 11 1027 14 18 20 0];[4 9 19 1027 7 18 20 0 ]];

resultat3d = mean(resultat(:,end-2:end,:));
distan = norm(resultatAttendu(:,[1,2,3,4,5,6,8])-reshape(resultat3d(1,:,[1,2,3,4,5,6,8]),3,7))

toc