○　RecognitionAPP.java の適切な場所に適切な部分を追記すること
○　各自で完成させる部分もあるので注意すること

=============================

// 学習用画像
protected BufferedImage  training_images0[];
protected BufferedImage  training_images1[];

// 評価用画像
protected BufferedImage  evaluation_images0[];
protected BufferedImage  evaluation_images1[];

=============================

// 学習用・評価用画像の決定方法の設定
enum  DistributionMethod
{
	USE_ALL_SAMPLES,
	CROSS_VALIDATION,
	BOOTSTRAP
};

// 学習用・評価用画像の決定方法
protected DistributionMethod  distribution_method =
		DistributionMethod.CROSS_VALIDATION;

=============================

// Cross Validation 法を用いるときのグループ数
protected int  cv_number_of_folds = 4;

// Cross Validation 法を用いるとき、何番目のグループを評価に使用するか設定
protected int  cv_evaluation_fold = 0;	

=============================

// 学習・評価に用いるサンプル画像の決定
public void  sampleDistribution()
{
	// サンプル画像が読み込まれていなければ終了
	if ( ( sample_images0 == null ) || ( sample_images1 == null ) )
		return;
	
	// 学習用画像の配列を削除する
	training_images0 = null;
	training_images1 = null;
	
	// 評価用画像の配列を削除する
	evaluation_images0 = null;
	evaluation_images1 = null;
	
	// 全てのサンプル画像を学習と評価に使用
	if ( distribution_method == DistributionMethod.USE_ALL_SAMPLES )
	{
		// 全てのサンプル画像を学習用画像の配列にコピー
		training_images0 = new BufferedImage[ sample_images0.length ];
		for ( int i=0; i<sample_images0.length; i++ )
			training_images0[ i ] = sample_images0[ i ];
		training_images1 = new BufferedImage[ sample_images1.length ];
		for ( int i=0; i<sample_images1.length; i++ )
			training_images1[ i ] = sample_images1[ i ];
		
		// 全てのサンプル画像を評価用画像の配列にコピー
		evaluation_images0 = new BufferedImage[ sample_images0.length ];
		for ( int i=0; i<sample_images0.length; i++ )
			evaluation_images0[ i ] = sample_images0[ i ];
		evaluation_images1 = new BufferedImage[ sample_images1.length ];
		for ( int i=0; i<sample_images1.length; i++ )
			evaluation_images1[ i ] = sample_images1[ i ];
	}
	
	// Cross Validation 法を使用
	if ( distribution_method == DistributionMethod.CROSS_VALIDATION )
	{
	// 全サンプル画像の何番目～何番目のデータを評価に使用するかを決定 （文字0）
		//（cv_number_of_folds, cv_evaluation_fold をもとに決定）
		int evaluation_begin0;  // 評価データの先頭
		int evaluation_end0;    // 評価データの最後尾
		int evaluation_count0;  // 評価データの個数

		//  ここは各自で完成
		
	// 全サンプル画像の何番目～何番目のデータを評価に使用するかを決定 （文字1）
		//（cv_number_of_folds, cv_evaluation_fold をもとに決定）
		int evaluation_begin1;  // 評価データの先頭
		int evaluation_end1;    // 評価データの最後尾
		int evaluation_count1;  // 評価データの個数

		//  ここは各自で完成

	// 全サンプル画像を評価用画像と学習用画像の配列に分配 （文字0）

		//  ここは各自で完成
		
	// 全サンプル画像を評価用画像と学習用画像の配列に分配 （文字1）

		//  ここは各自で完成
	
}

	// BOOTSTRAP 法を使用
	if ( distribution_method == DistributionMethod.BOOTSTRAP )
	{
		// 全てのサンプル画像を学習用画像の配列にコピー
		training_images0 = new BufferedImage[ sample_images0.length ];
		for ( int i=0; i<sample_images0.length; i++ )
			training_images0[ i ] = sample_images0[ i ];
		training_images1 = new BufferedImage[ sample_images1.length ];
		for ( int i=0; i<sample_images1.length; i++ )
			training_images1[ i ] = sample_images1[ i ];
		
		// 評価用画像を重複を許してランダムに選択

		// ここは各自で完成

			/* 乱数は java.lang.Math.random()メソッドで得ることができる
evaluation_images0[ i ] = 
         sample_images0[ (int)( java.lang.Math.random() * 
sample_images0.length ) ]; */

	}
}

=============================