C++11 C++；元组与可读性

我认为这更像是一个关于C++11中可读性和元组类型的哲学问题

我正在编写一些代码来生成高斯混合模型（细节有点不相关，但它提供了一个很好的示例）。我的代码如下：

GMM.hpp

#pragma一次
#包括
#包括
#包括
#包括“./Util/Types.hpp”
名称空间LocalDescriptorAndBagoFeature
{   
//加权高斯定义为（权重、平均向量、协方差矩阵）
typedef std:：tuple WeightedGaussian；
类GMM
{
公众：
GMM（国际努姆高斯人）；
无效列车（常数特征集和特征集）；
标准：：向量超向量（常数Bagofferties和bof）；
国际货币（无效）常量；
双运算符（）（const cv:：Mat&x）const；
私人：
静态双计算加权高斯分布（常数cv:：Mat&x，加权高斯分布wg）；
std：：向量_高斯；
国际努姆高斯人；
};
}

GMM.cpp

使用名称空间localdescriptor和bagoffeature；
双GMM:：ComputeWeightedGaussian（常数cv:：Mat&x，WeightedGaussian wg）
{
双倍重量；
平均值，协方差；
标准：：tie（重量、平均值、协方差）=wg；
cv：：Mat精度；
cv：：反转（协方差、精度）；
双detp=cv:：行列式（精度）；
双输出=标准：：sqrt（detp/2.0*M_-PI）；
cv:：Mat Meansdist=x-平均值；
cv：：Mat MeansitTrans；
cv：：转置（meanDist，meanDistTrans）；
cv:：Mat symmetricProduct=MeandDistTrans*精度*MeandDist；//这是一个“1x1”矩阵，例如标量值
双内=对称积在（0,0）/-2.0；
返回重量*外部*标准：：外部（内部）；
}
双GMM:：operator（）（const cv:：Mat&x）const
{
return std:：accumulate（_Gaussians.begin（），_Gaussians.end（），0，[&x]（双val，WeightedGaussian wg）{return val+ComputeWeightedGaussian（x，wg）；}）；
}

---

在这种情况下，通过对加权高斯分布使用元组表示，而不是使用结构，甚至是使用具有自己运算符（）的类，我是否获得了任何东西（清晰度、可读性、速度等等）

您正在稍微减少源代码的大小，但我认为您正在降低其总体可读性和类型安全性。具体而言，如果您定义：

struct WeightedGaussian{
双倍重量；
平均值，协方差；
};

那么你就没有机会写不正确的东西了

std:：tie（重量、协方差、平均值）=wg；

---

并且您可以保证您的用户将使用

wg.mean

而不是

std:：get（wg）

。最大的缺点是<代码> STD：：tuple < /Calp>附带了“代码>操作程序的定义，谢谢您的回复，您是否会认为这是对tuple类型的滥用/滥用？基本上，作为程序员，我的直觉是“嘿，你在做一些奇怪的事情”，但如果我要写一些关于这个主题的数学，我可能会把高斯函数表示为

（w，u，C）

例如，我目前在codeOne中遇到的元组我对数学论文的投诉是，它们过度使用单字母变量名和未键入的元组，甚至键入不一致的元组也就是说，我不认为你的问题是元组的可怕用法。它确实保存了一些字符和

操作符中的潜在错误。这不是我想写或喜欢读的代码。
#pragma once
#include <opencv2/opencv.hpp>
#include <vector>
#include <tuple>
#include "../Util/Types.hpp"

namespace LocalDescriptorAndBagOfFeature 
{   
    // Weighted gaussian is defined as a (weight, mean vector, covariance matrix)
    typedef std::tuple<double, cv::Mat, cv::Mat> WeightedGaussian; 

    class GMM
    {
        public:
            GMM(int numGaussians);

            void Train(const FeatureSet &featureSet);
            std::vector<double> Supervector(const BagOfFeatures &bof);

            int NumGaussians(void) const;

            double operator ()(const cv::Mat &x) const;

        private:                        
            static double ComputeWeightedGaussian(const cv::Mat &x, WeightedGaussian wg);

            std::vector<WeightedGaussian> _Gaussians;

            int _NumGaussians;
    };
}

using namespace LocalDescriptorAndBagOfFeature;

double GMM::ComputeWeightedGaussian(const cv::Mat &x, WeightedGaussian wg)
{
    double weight;
    cv::Mat mean, covariance;
    std::tie(weight, mean, covariance) = wg;

    cv::Mat precision;
    cv::invert(covariance, precision);

    double detp = cv::determinant(precision);

    double outter = std::sqrt(detp / 2.0 * M_PI);

    cv::Mat meanDist = x - mean;
    cv::Mat meanDistTrans;
    cv::transpose(meanDist, meanDistTrans);

    cv::Mat symmetricProduct = meanDistTrans * precision * meanDist; // This is a "1x1" matrix e.g. a scalar value
    double inner = symmetricProduct.at<double>(0,0) / -2.0;

    return weight * outter * std::exp(inner);
}

double GMM::operator ()(const cv::Mat &x) const
{
    return std::accumulate(_Gaussians.begin(), _Gaussians.end(), 0, [&x](double val, WeightedGaussian wg) { return val + ComputeWeightedGaussian(x, wg); });
}