package SEM.bloom;

import java.io.IOException;
import java.util.ArrayList;
import java.util.HashMap;
import java.util.List;
import java.util.Map;

import AVQ.ASQ.OVQ.OSQ.VSQ.obj.WordFrequency;
import OCI.ME.analysis.C.A;
import PCI.ASQ.basic.RatioMatrix;
import PCI.ASQ.demension.AMV_MVS_VSQ_2D;
import PCI.ASQ.demension.AMV_MVS_VSQ_3D;
import PCI.ASQ.demension.Line2D;
import PCI.ASQ.demension.Line3D;

//进行了test 的main 整理，还没有测试，稍后。
//可以用的 一些老接口见 http://tinos.qicp.vip/data.html
//著作权人 + 作者 = 罗瑶光
public interface StaticFunctionMapP_VECS_C {
  public static Map<String, String> annotationMap= new HashMap<>();


  //public static  数据预测static 全部统计下

  //  坐标类
  //  完善了欧基里德 熵增距离位移标记算法 20191216 罗瑶光
  //  完善了欧基里德 距离重心算法 20191216 罗瑶光
  //  完善了基于2维重心曲度射极斜率探测坐标雷达算法来获取边缘， 比常规 边缘小线段集合梯度计算快600倍。
  //20191216 罗瑶光
  //  完善了基于3维重心曲度射极斜率探测坐标雷达算法来获取边缘， 比常规 边缘小线段集合梯度计算快600倍。
  // 20191218 罗瑶光
  //  https://github.com/yaoguangluo/Data_Prediction/blob/master/src/org/tinos/deta/cluster/SideEnd.java
  //
  public List<AMV_MVS_VSQ_2D> getSideEnd2D(List<AMV_MVS_VSQ_2D> list, double scale);
  public List<AMV_MVS_VSQ_3D> getSideEnd3D(List<AMV_MVS_VSQ_3D> list, double scale);


  //  完善了极快速欧基里德动态坐标簇分类算法 20191217 罗瑶光
  //  https://github.com/yaoguangluo/Data_Prediction/blob/master/src/org/tinos/deta/classification/PositionClasification.java
  //
  public Map<Double, List<AMV_MVS_VSQ_2D>> addNewPositionWithoutHeart(Map<Double, List<AMV_MVS_VSQ_2D>> groups
      , AMV_MVS_VSQ_2D position2D, double scaleDistance);
  public Map<Double, List<AMV_MVS_VSQ_2D>> addNewPositionWithHeart(Map<Double, List<AMV_MVS_VSQ_2D>> groups
      , AMV_MVS_VSQ_2D position2D, Map<Double, AMV_MVS_VSQ_2D> hearts, double scaleDistance);

  //position

  public List<AMV_MVS_VSQ_2D> getShortestSamplePosition2DGroup(AMV_MVS_VSQ_2D inputHeart
      , Map<Double, List<AMV_MVS_VSQ_2D>> groups);
  public Map<Double, List<AMV_MVS_VSQ_2D>> 
  getShorterSamplePosition2DGroupsWithScale(AMV_MVS_VSQ_2D inputHeart
      , Map<Double, List<AMV_MVS_VSQ_2D>> groups, double scale);
  public List<AMV_MVS_VSQ_3D> 
  getShortestSamplePosition3DGroup(AMV_MVS_VSQ_3D inputHeart, Map<Double, List<AMV_MVS_VSQ_3D>> groups);
  public Map<Double, List<AMV_MVS_VSQ_3D>> 
  getShortestSamplePosition3DGroupsWithScale(AMV_MVS_VSQ_3D inputHeart
      , Map<Double, List<AMV_MVS_VSQ_3D>> groups, double scale);

  //  完善了带精度 欧基里德 2维坐标团 切裂算法 20191219 罗瑶光
  //  完善了带精度 欧基里德 2维坐标集 重心熵 融聚算法 20191219 罗瑶光
  //  完善了带精度 欧基里德 3维坐标团 切裂算法 20191219 罗瑶光
  //  https://github.com/yaoguangluo/Data_Prediction/blob/master/src/org/tinos/deta/classification/Fissile.java
  //
  public Map<Double, List<AMV_MVS_VSQ_2D>> fissilePosition2D(List<AMV_MVS_VSQ_2D> groups
      , double scale);
  public Map<Double, List<AMV_MVS_VSQ_3D>> fissilePosition3D(List<AMV_MVS_VSQ_3D> groups
      , double scale);

  //  完善了带精度 欧基里德 3维坐标集 重心熵 融聚算法 20191219 罗瑶光
  //  https://github.com/yaoguangluo/Data_Prediction/blob/master/src/org/tinos/deta/cluster/Fusion.java
  //
  public Map<Double, List<AMV_MVS_VSQ_2D>> fusionPosition2DwithHeart(Map<Double
      , List<AMV_MVS_VSQ_2D>> groups
      , Map<Double, AMV_MVS_VSQ_2D> groupsHeart, double scale);
  public Map<Double, List<AMV_MVS_VSQ_3D>> fusionPosition3DwithHeart(Map<Double
      , List<AMV_MVS_VSQ_3D>> groups
      , Map<Double, AMV_MVS_VSQ_3D> groupsHeart, double scale);

  //  完善了带精度 2维 (非欧拉权距)商旅路径团簇 隔离 算法 20191220 罗瑶光
  //  完善了带精度 3维 (非欧拉权距)商旅路径团簇 隔离 算法 20191220 罗瑶光
  //  https://gitee.com/DetaChina/Data_Prediction/blob/master/src/org/tinos/deta/isolation/Isolation.java
  //
  public Map<Double, List<AMV_MVS_VSQ_2D>> getTSPIsolationGroups2D(List<AMV_MVS_VSQ_2D> groups
      , double scale);
  public Map<Double, List<AMV_MVS_VSQ_3D>> getTSPIsolationGroups3D(List<AMV_MVS_VSQ_3D> groups
      , double scale);

  //  完善了带精度 2维 商旅路径团簇 森林单元 隔离 算法 20191220 罗瑶光
  //  完善了带精度 3维 商旅路径团簇 森林单元 隔离 算法 20191220 罗瑶光
  //  https://github.com/yaoguangluo/Data_Prediction/blob/master/src/org/tinos/deta/isolation/ForestIsolation.java
  //
  public Map<Double, List<AMV_MVS_VSQ_2D>> getTSPForestIsolationGroups2D(List<AMV_MVS_VSQ_2D> groups, double scale);
  public Map<Double, List<AMV_MVS_VSQ_3D>> getTSPForestIsolationGroups3D(List<AMV_MVS_VSQ_3D> groups, double scale);

  //  完善 2维 坐标集 切裂 重心 轨迹 跟踪算法 20191221 罗瑶光
  //  完善 3维 坐标集 切裂 重心 轨迹 跟踪算法 20191221 罗瑶光
  //  https://gitee.com/DetaChina/Data_Prediction/tree/master/src/org/tinos/deta/trace
  //
  public List<AMV_MVS_VSQ_2D> trackTracePosition2DHeartsWithSingerGroup(List<AMV_MVS_VSQ_2D> coods);
  public List<AMV_MVS_VSQ_3D> trackTracePosition3DHeartsWithSingerGroup(List<AMV_MVS_VSQ_3D> coods);
  public List<AMV_MVS_VSQ_2D> trackTracePosition2DByHearts(List<AMV_MVS_VSQ_2D> hearts);
  public List<AMV_MVS_VSQ_3D> trackTracePosition3DByHearts(List<AMV_MVS_VSQ_3D> hearts);
  public Map<Double, List<AMV_MVS_VSQ_2D>> trackTracePosition2DHeartsWithFissileGroups(List<AMV_MVS_VSQ_2D> coods, double distanceScale);
  public Map<Double, List<AMV_MVS_VSQ_3D>> trackTracePosition3DHeartsWithFissileGroups(List<AMV_MVS_VSQ_3D> coods, double distanceScale);

  //  完善增加 2维 坐标重心轨迹跟踪算法 20191221 罗瑶光
  //  完善增加 3维 坐标重心轨迹跟踪算法 20191221 罗瑶光
  //  增加 2维 带精度匹配最短最近重心团切融算法 20191223 罗瑶光
  //  增加 3维 带精度匹配最短最近重心团切融算法 20191223 罗瑶光
  //  增加 2维基于带精度 最短 重心位移 路径坐标集团采样 算法 20191223 罗瑶光
  //  增加 3维基于带精度 最短 重心位移 路径坐标集团采样 算法 20191223 罗瑶光
  //  增加了2维精度距离内 坐标集 筛选算法。 20191223 罗瑶光
  //  增加了3维精度距离内 坐标集 筛选算法。 20191223 罗瑶光
  //  增加了 小于重心距离精度内 2维坐标团集合筛选 算法 20191223 罗瑶光
  //  增加了 小于重心距离精度内 3维坐标团集合筛选 算法 20191223 罗瑶光
  //  增加了 2维 融聚团 宇宙重心算法 20191224 罗瑶光
  //  增加了 3维 融聚团 宇宙重心算法 20191224 罗瑶光
  //  增加了 2维 精度 子集数量内 融聚团 筛选算法 20191224 罗瑶光
  //  增加了 3维 精度 子集数量内 融聚团 筛选算法 20191224 罗瑶光
  //  增加了 2维 坐标团的带精度计算 主要有效距离成份集的平均压强算法 20191225 罗瑶光
  //  增加了 3维 坐标团的带精度计算 主要有效距离成份集的平均压强算法 20191225 罗瑶光
  //  https://gitee.com/DetaChina/Data_Prediction/blob/master/src/org/tinos/deta/PCA/FindPCAMeanDistance.java
  //
  public double findMeanDistanceFromPositions2D(List<AMV_MVS_VSQ_2D> position2Ds
      , double oberserverPCAScale, int sortRangeScale);
  public double findMeanDistanceFromPositions3D(List<AMV_MVS_VSQ_3D> position3Ds
      , double oberserverPCAScale, int sortRangeScale);

  //  增加了 2维 坐标团中 每一个坐标与精度数邻接坐标集的最小距离平均值比上 整体平均值来 获取的不稳定状态观测/预测（斥力，活性）算法。 20191225 罗瑶光
  //  增加了 3维 坐标团中 每一个坐标与精度数邻接坐标集的最小距离平均值比上 整体平均值来 获取的不稳定状态观测/预测（斥力，活性）算法。 20191225 罗瑶光
  //  https://github.com/yaoguangluo/Data_Prediction/blob/master/src/org/tinos/deta/PCA/FindPCAMeanDistance.java
  //
  public double[] findPascalMeanDistanceByEachPositions2D(List<AMV_MVS_VSQ_2D> position2Ds
      , double oberserverPCAScale, int sortRangeScale);
  public double[] findPascalMeanDistanceByEachPositions3D(List<AMV_MVS_VSQ_3D> position3Ds
      , double oberserverPCAScale, int sortRangeScale);

  //  增加了 2维 坐标集的计算观测优化函数 和 观测宽度差 求值 20191225 罗瑶光
  //  增加了 3维 坐标集的计算观测优化函数 和 观测宽度差 求值 20191225 罗瑶光
  //  增加了 2维 坐标集隐藏运动趋势预测算法 20191226 罗瑶光
  //  增加了 3维 坐标集隐藏运动趋势预测算法 20191226 罗瑶光
  //  增加了 2，3 求坐标团集的中心和重心集 算法 并做了局部认知优化 20191226 罗瑶光
  //  增加了 2，3维 通过坐标团的 精度匹配分割的内部坐标聚类团 进行 每个聚类团的 重心和中心距离 求解 获取有效的团稳定观测数据模型 20191227 罗瑶光
  //  https://gitee.com/DetaChina/Data_Prediction/blob/master/src/org/tinos/deta/PCA/FindPositionsGroupPascalHearts.java
  //
  public Map<Double, AMV_MVS_VSQ_2D> getPosition2DsGroupPascalHearts(ArrayList<AMV_MVS_VSQ_2D> groups, double scale);
  public Map<Double, AMV_MVS_VSQ_3D> getPosition3DsGroupPascalHearts(ArrayList<AMV_MVS_VSQ_3D> groups, double scale) ;
  public Map<Double, AMV_MVS_VSQ_2D> getPosition2DsGroupPascalMids(ArrayList<AMV_MVS_VSQ_2D> groups, double scale);
  public Map<Double, AMV_MVS_VSQ_3D> getPosition3DsGroupPascalMids(ArrayList<AMV_MVS_VSQ_3D> groups, double scale);

  public Map<Double, Line2D> getPosition2DsGroupPascalDirection(Map<Double, AMV_MVS_VSQ_2D> pascalHearts, Map<Double, AMV_MVS_VSQ_2D> pascalMids);
  public Map<Double, Line3D> getPosition3DsGroupPascalDirection(Map<Double, AMV_MVS_VSQ_3D> pascalHearts, Map<Double, AMV_MVS_VSQ_3D> pascalMids);
  public Map<Double, Line3D> getPosition3DsGroupPascalDirection(ArrayList<AMV_MVS_VSQ_3D> groups
      , double scale);
  public Map<Double, Line2D> getPosition2DsGroupPascalDirection(ArrayList<AMV_MVS_VSQ_2D> groups
      , double scale);

  //  增加了 2，3维 临近2个坐标团的相互引力比的算法建模观测，小于1 吸引，大于1 排斥。 20191227 罗瑶光
  //  增加了 2，3维 支持高达1亿坐标 的 极速欧拉微分回路 商旅路径计算 的 TSP算法 1代 20200112 罗瑶光
  //  增加了 2，3维 支持高达1亿坐标 的 极速欧拉微分回路 商旅路径计算 的 TSP算法 2,3代 20200317 罗瑶光
  //  https://gitee.com/DetaChina/Data_Prediction/blob/master/src/org/tinos/deta/tsp/YaoguangLuoEulerRingTSP2D.java 
  //  https://gitee.com/DetaChina/Data_Prediction/blob/master/src/org/tinos/deta/tsp/YaoguangLuoEulerRingTSP3D.java
  public List<Line2D> getYaoguangLuo2DEulerRingTSP(List<AMV_MVS_VSQ_2D> AMV_MVS_VSQs);
  public List<Line3D> getYaoguangLuo3DEulerRingTSP(List<AMV_MVS_VSQ_3D> AMV_MVS_VSQs);

  public List<Line2D> getYaoguangLuo2DEulerRingTSP2D(List<AMV_MVS_VSQ_2D> AMV_MVS_VSQs);
  public List<Line3D> getYaoguangLuo3DEulerRingTSP2D(List<AMV_MVS_VSQ_3D> AMV_MVS_VSQs);

  public List<Line2D> getYaoguangLuo2DEulerRingTSP3D(List<AMV_MVS_VSQ_2D> positions
      , int sortRangeScale, int sortDeepsScale);
  public List<Line3D> getYaoguangLuo3DEulerRingTSP3D(List<AMV_MVS_VSQ_3D> positions
      , int sortRangeScale, int sortDeepsScale);
  //
  //  增加了 2，3维 根据坐标的重心轨迹来求解其坐标集的反演函数。 20200414 罗瑶光
  //  概率类
  //  完善了贝叶斯决策树矩阵轭相似度匹配算法 20191217 罗瑶光
  //  完善了贝叶斯决策树轭校验评估算法 20191217 罗瑶光
  //  增加findMean 函数集， 纠正 findSumOfDoubleMatrix3D 函数 20191222 罗瑶光
  //  增加了增量比 函数 20191223 罗瑶光
  //  增加 模糊概率集相似成份采样。20191223 罗瑶光
  //  增加 带精度有效概率集合采样。20191223 罗瑶光
  //  增加了 相似概率集 有效成份过滤 的PCA 均值采样算法 20191223 罗瑶光
  //  增加了 数组排序后，对最大最小精度百分比数值过滤后的 中间主要有效成份 的 mean 求解算法。 20191226 罗瑶光
  //  增加了 求指定像素在图片中的像素占比算法。 20200301 罗瑶光
  //  增加了 用于Fissile函数执行切裂后的相同像素团 精度筛选部分 在 相关团中的簇数量占比算法。 20200301 罗瑶光
  //  增加了 用于Fissile函数执行切裂后的相同像素团 精度筛选部分 在 相关团中的像素占比求解算法。 20200301 罗瑶光
  //  数组类
  //  增加 进行精度误差 线性和2分匹配 来获取质量是否属于合格状态算法 20191228 罗瑶光
  //  增加 进行2维和3维的像素矩阵中2分极值分类 来进行 map坐标转化观测 算法 20190229 罗瑶光
  //  增加 将shareholder分层处理的图片像素数据 按指定的精度和对应像素进行按像素团的大小进行特定过滤算法 20190302 罗瑶光
  //  https://github.com/yaoguangluo/Data_Prediction/blob/master/src/org/tinos/deta/image/ImagePixGroupFilter.java
  //
  public int[][] getImagePix2DGroupFilter(int[][] inputPixMatrix, int RBG, int distanceScale
      ,int max, int min);
  public int[][][] getImagePix3DGroupFilter(int[][][] inputPixMatrix, int RBG, int distanceScale
      ,int max, int min);


  //  增加 将像素矩阵指定的RBG颜色值拿出来形成波形数列输出算法 20190303 罗瑶光
  //  增加 2，3维 带精度 矩阵中非有效成份筛选过滤算法 20190303 罗瑶光
  //  NLP
  //  NLP Algorithm of Matching The POS Scored Sentence 20191228 Yaoguang. Luo
  //  NLP Algorithm of Matching The POS Scored Sentences 20191229 Yaoguang. Luo
  //  https://gitee.com/DetaChina/Data_Prediction/blob/master/src/org/tinos/deta/NLP/NLPTopicMatch.java
  //  
  public String NLPBestSentenceMatch(String searchString, String[] sampleSentences) 
      throws IOException ;

  //<<NLP Algorithm of Matching The POS Scored Sentences>>.
  //This prediction algorithm mostly used for matching the ranged sample sentences by using score method.  
  //Theory: Yaoguang.Luo 20191229
  //Application: Yaoguang.Luo
  //Attention: need Deta Parser API OSS 
  //sortStackRange: for the sort stacks filter scale
  //filterRate: for how many sets need to delete 
  public List<String> NLPBestSentencesMatch(String searchString, String[] sampleSentences
      , int sortStackRange, double filterRate) throws IOException ;
  public double[] getNLPBestSentencesMatchScore(String searchString, String[] sampleSentences) 
      throws IOException;
  public double[] getNLPBestSentencesMatchScoreRights(String searchString
      , String[] sampleSentences, A _A, Map<String, String> nlp
      , Map<String, WordFrequency> keyMap) throws IOException;

  //这个函数用于进行精度误差匹配 获取质量是否属于合格状态。
  public boolean getErrorAsserts(double inputValue, double[] matchValues, double scale);  
  public boolean getBinaryErrorAsserts(double inputValue, double[] matchValues, double scale
      , int sortStackRange, boolean isSort);


  //统计
  public double findTotalIncrementWithScale(double value, double times, double scale);
  public double findMeanIncrementWithScale(double value, double times, double scale);
  //平均
  public double findMeanOfFilterDoubleArrayWithScale(double[] input, double filterScale
      , int sortRangeScale);
  public double findMeanOfDoubleArray(double[] input);
  public Double[] findMeanOfTwoDoubleArray(Double[] origin, Double[] input);
  public Double[][] findMeanOfTwoDoubleArray2D(Double[][] origin, Double[][] input);
  public double findMeanOfDoubleMatrix2D(double[][] input);
  public double[] findRowMeanOfDoubleMatrix2D(double[][] input);
  public double[] findCulumnMeanOfDoubleMatrix2D(double[][] input);
  public double findMeanOfDoubleMatrix3D(double[][][] input);
  public double findMeanOfDoubleList(List<Double> input);
  public Double[] findMeanOfMartrix1DList(List<Double[]> input);
  public Double[][] findMeanOfMartrix2DList(List<Double[][]> input);
  //求和
  public double findSumOfDoubleArray(double[] input);
  public Double[] findSumOfTwoDoubleArray(Double[] origin, Double[] input);
  public Double[][] findSumOfTwoDoubleArray2D(Double[][] origin, Double[][] input);
  public double findSumOfDoubleMatrix2D(double[][] input);
  public double[] findRowSumOfDoubleMatrix2D(double[][] input) ;
  public double[] findCulumnSumOfDoubleMatrix2D(double[][] input);
  public double findSumOfDoubleMatrix3D(double[][][] input);
  public double findSumOfDoubleList(List<Double> input);
  public Double[] findSumOfMartrix1DList(List<Double[]> input);
  public Double[][] findSumOfMartrix2DList(List<Double[][]> input);
  //计数
  public double getShareholdCount(int[][] input, int sharehold);
  //评估
  public boolean encodeEstimateSumOfScoresList(List<Double> scores, double estimateValue) ;
  public boolean encodeEstimateSumOfScoresArray(double[] scores, double estimateValue) ;
  public boolean getEstimateCartesianSumOfScoresArray(double input, double[] EstimateRatios
      , double estimateValue);
  public boolean getEstimateCartesian1DSumOfScoresArray(double[] inputs, double[] EstimateRatios
      , double estimateValue);
  public boolean[] encodeEstimateInitonsScore(double[] input, double[] estimateRatios
      , double estimateValue[]);
  public boolean[] decodeEstimateInitonsScore(double input, double[] estimateRatios
      , double estimateValue[]);
  public double[] getRightsEstimateScore(double[] inputs, double[] rights);

  //这个函数用于求模糊概率集平均值采样主要成份分析
  public RatioMatrix getSimilarFuzzSetWithScale(RatioMatrix input, List<RatioMatrix> groups
      , double scale);
  public RatioMatrix getSimilarFuzzSet(RatioMatrix input, List<RatioMatrix> groups);
  public List<RatioMatrix> getSimilarFuzzSetListWithScale(RatioMatrix input
      , List<RatioMatrix> groups, double scale);


  //ratio
  public double getDistanceRatio2D(AMV_MVS_VSQ_2D begin, AMV_MVS_VSQ_2D end) ;
  //降低计算速度来获取高准确斜率梯度 (早期傅里叶思想)
  public double getARCDistanceRatio2D(AMV_MVS_VSQ_2D begin, AMV_MVS_VSQ_2D end) ;
  //降低计算速度来获取两点间线的真实角度 
  public double getTrueARCDistanceRatio2D(AMV_MVS_VSQ_2D begin, AMV_MVS_VSQ_2D end) ;
  //获取计算参照梯度
  public double getDistanceRatio3D(AMV_MVS_VSQ_3D begin, AMV_MVS_VSQ_3D end);
  //获取真实三维夹角
  public double getTrueARCDistanceRatio3D(AMV_MVS_VSQ_3D begin, AMV_MVS_VSQ_3D end) ;
  public List<Double> getPercentListByOuterKey(Double[] array);
  public void kernel(List<Double> output, Double[] array, int j);
  public void kernelFix(List<Double> output, Double[] array, int j);

  public double findTotalIncrementRatioWithScale(double value, double times, double scale);
  public double findMeanIncrementRatioWithScale(double value, double times, double scale);


  //比较简单的鸡尾酒频率盲分割
  public double[] frequencyUpSplit(double[] originFrequency, double[] compareFrequency);
  public double[] frequencyDownSplit(double[] originFrequency, double[] compareFrequency);
  public double[] frequencyUpSplitWithScale(double[] originFrequency, double[] compareFrequency
      , double scale);
  public double[] frequencyDownSplitWithScale(double[] originFrequency, double[] compareFrequency
      , double scale);

  public boolean predictionResult(RatioMatrix input, List<RatioMatrix> groups, double scale);
  public String predictionMatrixResult(RatioMatrix input, Map<String, RatioMatrix> groups
      , double scale);

  //image
  //思想：统计与概率论
  //作者：罗瑶光
  //将shareholder分层处理的图片像素数据进行 分类归类统计输出
  public Map<Integer, ArrayList<AMV_MVS_VSQ_2D>> getImagePixClassificationMap(int[][] pixMap);
  public Map<Integer, ArrayList<AMV_MVS_VSQ_3D>> getImagePixClassificationMap(int[][][] pixMap);
  public int[] getVWaveFromImagePix(int[][] pixMap, int RGB);
  public int[] getHWaveFromImagePix(int[][] pixMap, int RGB);
  public double getPixPercentByDeterPix(int[][] imagePix, int scaleRBG);
  //这个函数用于Fissile函数执行切裂后的相同像素团 精度筛选部分 在 相关团中的簇数量占比。
  public double getClusterPercentByDeterPixGroup(Map<Double, List<AMV_MVS_VSQ_2D>> imagePix
      , int scaleSUM);
  //这个函数用于Fissile函数执行切裂后的相同像素团 精度筛选部分 在 相关团中的像素占比。
  public double getPixPercentByDeterPixGroup(Map<Double, List<AMV_MVS_VSQ_2D>> imagePix
      , int scaleSUM);

  //FusionPCAFilter{
  public Map<Double, List<AMV_MVS_VSQ_2D>> filterFusion2DSetsWithCountScale
  (Map<Double, List<AMV_MVS_VSQ_2D>> groups, double countScale);
  public Map<Double, List<AMV_MVS_VSQ_3D>> filterFusion3DSetsWithCountScale
  (Map<Double, List<AMV_MVS_VSQ_3D>> groups, double countScale);

  //PCA_AMV_MVS_VSQ_Filter
  public List<AMV_MVS_VSQ_2D> filterPosition2DsWithScaledDistance(List<AMV_MVS_VSQ_2D> input
      , AMV_MVS_VSQ_2D heart, double scaleDistacne);
  public List<AMV_MVS_VSQ_3D> filterPosition3DsWithScaledDistance(List<AMV_MVS_VSQ_3D> input
      , AMV_MVS_VSQ_3D heart, double scaleDistacne);
  public Map<Double, List<AMV_MVS_VSQ_2D>> filterPosition2DsWithScaledDistance(Map<Double
      , List<AMV_MVS_VSQ_2D>> input, AMV_MVS_VSQ_2D heart, double scaleDistacne);
  public Map<Double, List<AMV_MVS_VSQ_3D>> filterPosition3DsWithScaledDistance(Map<Double
      , List<AMV_MVS_VSQ_3D>> input, AMV_MVS_VSQ_3D heart, double scaleDistacne);

  //Percentage{
  public List<Double> getPercentListByOuterKey(List<Double> list, double key);
  public double[] getPercentArrayByOuterKey(double[] array, double key);
  public double[] getEachPercentSetOfArray(double[] array);
  public double[][] getPercentArrayByOuterKey(double[][] array, double key);
  public double[][] getEachPercentSetOfArray(double[][] array);

}