From 3ec579a0955aca0591a9e5c4d90c50b87f4f4609 Mon Sep 17 00:00:00 2001
From: Benjamin Auder <benjamin.auder@somewhere>
Date: Thu, 15 Dec 2016 17:22:39 +0100
Subject: [PATCH] almost finished

---
 src/adapters/a.constructionModelesLassoMLE.c  |   2 +-
 .../.constructionModelesLassoRank.c.swp       | Bin 0 -> 16384 bytes
 src/sources/constructionModelesLassoMLE.c     | 206 +++++++++---------
 src/sources/constructionModelesLassoRank.c    | 132 +++++------
 4 files changed, 170 insertions(+), 170 deletions(-)
 create mode 100644 src/sources/.constructionModelesLassoRank.c.swp

diff --git a/src/adapters/a.constructionModelesLassoMLE.c b/src/adapters/a.constructionModelesLassoMLE.c
index 7578664..7f578fb 100644
--- a/src/adapters/a.constructionModelesLassoMLE.c
+++ b/src/adapters/a.constructionModelesLassoMLE.c
@@ -77,7 +77,7 @@ SEXP EMGLLF(
 	// Build list from OUT params and return it
 	SEXP listParams, listNames;
 	PROTECT(listParams = allocVector(VECSXP, 4));
-	char* lnames[4] = {"phi", "rho", "pi", "lvraisemblance}; //lists labels
+	char* lnames[4] = {"phi", "rho", "pi", "lvraisemblance"}; //lists labels
 	PROTECT(listNames = allocVector(STRSXP,4));
 	for (int i=0; i<4; i++)
 		SET_STRING_ELT(listNames,i,mkChar(lnames[i]));
diff --git a/src/sources/.constructionModelesLassoRank.c.swp b/src/sources/.constructionModelesLassoRank.c.swp
new file mode 100644
index 0000000000000000000000000000000000000000..ba4ef92ddf008ce6f0e3dec44826b37a528e6883
GIT binary patch
literal 16384
zcmYc?2=nw+u+TGLU|?VnU|?`R92DWi^p8QbfPo>gG$pkNBu)TlR2HNbW#;D*P{yF2
zk&>cclv<EqtY4OxQ=F<_T$HR|oL^d$oLa1(oS#=*QdF8;l9`|9o1c=JlUnSPSX`VR
zl$e*TmrTg$QTfpj7!3h@Ay8V9rfb2=U~FUv&g#laiVDI)q4;!+%8iD=Xb6mkz-S1J
zhQMeDjE2By2#kinXb23m5GW~NVyI_eU|@p!D+x+7qS4Gyz9N){^~hoBpu(fnXb6mk
zz-S1JhQMeDjE2By2#kinXb6mkz-S1JhQMeDjE2A<41vTH28LD!1_n*g0Du4k1FZl5
znxBE;AU^}cQho-8Df|o!<@^i`W&8{bw)_kXQv3`I9Q+In7x@?%`uP|b{P`Fd`1u$Z
z-tjUpT;ye7n8(Y&5XQ^EpwG*|z`@JFaE*t7VLlH7Lo5#igB=e8gA5M?!yj%2h8x@r
z3_G|P80K&@FwEj+U`Xd?U~uMUU{K&@VED+zz;Kg`f#EtA1H&XP1_pI528J!13=C^H
z85mqR85ndq85m?Z85sU^Ffjb)U|=}Q!N4$;gMp!#gMlHRgMlH3gMlHNgMmSrgMr~c
zI|IXeb_Rxb><kPS*%=u2vokQvU}s>6WoKZBVrO7bWoKac#Kyqzo{fQF5*q_UDjNfX
zHyZ<kAsYjOE*k>_8yf?|304M%BdiPzhglgIR<JTK%w}a^n8nJ#P{zu@pu@_*AjitU
zz{twL@Rx;wp_he$A(4fF!HtE1L5YQd;Wje^!vSUnhTY5z4E@Xu3_i>Z4DQSf41CNC
z44;`87>+S9Fmy06Fyt~ZFk~<>F!(SrFt{;6;{=*!II(~<EMho?Ac`?bn1;0cA}}*8
zzeqs?%mNW$US?j20+J+{YinSwP-K&Btx%+`t;qmVS`8-Q8p=Q_%4~A270RG0zzX2<
zr6BoIkbEgrJ|(|2DJNA+At)o?CowlEB~igvK?5qNnVXoClb@`StCg#jtyP>^m71Rh
zmDAL;2HPBv3DFf@6susX5Re(2o2gNxlLI!%GcP5zLML0tM>7_z819N9kSkF90ku#8
zW*inrV0S<**cF@+iOD6IWvL+BGj+1Ebn<j^^7GP5Q%j2+!4jGv*F`|2p-Qu|Vs-L#
z3ZQP|ggY)P3*@@2EE`l4tQE4dph1Qjq?sV)nKpUW3Yk!Om}j7l!s3@aEmXs?hiy?}
zUN$6LLCbMKj?dC5(h1J2O4Z4RIveh4%plFoE74K_83D2%#DT>oJRmdkN}$oGuOD5I
z0gXu=A0IbRXu0~jgLG>IWNKI;N2sPwP)5Fnl@16Z#j~bPZf0JlPHtjFrcQ*0l@277
zHFY9&N)k(TKpxP@(y@Zr2MR#A%OSyS1M-%&0yKyrA*kTv;|5AN5T2F-+=(C`K?Px+
zLJLnE=~Z7pttdZNAuqpNAwN$?0acTNoq_=aC^;qP=appUm8OF1&P-F#KvQOGt6-oB
zQV2<V5RXQqD$>>l1)-xMB+`(ANv8mm9TapG3_+%If{e$lN)c=mCnvV>Du4$TsANF3
zUBOnt0AxHU))gS`0|gm~3k$CTSdxP$0)2h|JcYbeh4jRtlvIVn(o}_<)MAC?{G9x}
zywqZ-F~tg2P?kb*YEhy>j(TcdacXW-PO3smYOz9DVo_#d5=dWWURr)pZXzgC7Bhf6
z0FG~@fB@whB(9B*wE_|soRgFbiW1Xv6BY7v3lu=wi<2`_Q%ZAEHBu_`5_2<?b(}py
z{k-FYJ)>MTL2;UxSpv2SSzke7QDRO`YK}rmYFc7xPKicwMq*KFil#zAQD#|UNvZ~t
zrJ4+!`MCx0#i=Fnd8N7WB^gDji7CYz{=Nb6exbhcAs#`ljxNEVf)5<zh%(Nafm2^U
zGcU6wGqEI90d8e+DtKKTD5(@=WJYI#l7xXCC}u#u(Eu3&Ej$Xq1+0%2Bojc&5q*76
zu!%XDRjHt)uTYY&P?cJgucMHZnw(f#oT^Zo2aQ`qu$SlOsh21ur79#A7iXsDrKT`2
zaDtL42y>Pt=9H#_5(1c^ZK$cBs*sYJQ<4bEouKr>$q8bC(rhNE==RJ5akaIP3LOPo
zP?3_Jo0+GetpGL#tPk!VX#G-<U#<Z+Stnb!NY_x)S^-++fKqdLMrKZ`f(DW`3N{KL
z--Bv3P{4rAMoPyD$V#EfTVLNLF|Sx5Cs83KwJ0z1@QR{T9fkZng`&eN3l6U+NmWSB
zNCc(h<c!R;v?5S=r7EQ5XBO)yq?Ulxr6p#TC?qE;XcQ&pfxM&(rV}eP<215$4K=}P
z^%yug_4W1iAT+|h(u&N~+*AcCkU4PsAO<B?Kn%*v0~=(diRKRM)+6gO0$Z&Bwi;$-
zK~ZWh*o&|%NsQfw=yoeufjnH4np=>QSpo_<X#NIU<)5cemRee(kdvxV0?NgSr3xvj
z3MKiaC8@>G!XP&(GcPf-I6to#Bn1kuVugbI;^ItDre~;TfF}g>`Uq6^D1ed^DE)yr
zu!0B_>4?S!tTX~80gwz-wI*7Eg5^PY8iS=vL?~*53RrNNmYk7Vl$-%6&QM*Po0?am
zkeOF<cx6#)adBc^Nijn;11HFCA5DFIg_6X~9B{#=kPay&AadC{`uYla`MF6&ph8a}
zIX|}`AEY_87$Tnwl1J!`RM5yR%_+$QWzxedH6dyWKx&Z90Lg;F9BM`$NFHHEj(Tcx
zMq*w`W=>9i9;mQUNK8q|1TET4%uxWf%fN+BZfZ$tQ85E2v}#nyDJx3M1eeZ<dC93D
z6H|*zGIJA4QcH^z5;OCPGZm5(bCOGQ4zC312gN&h@h`%Jf{aX3wCU?B_=kpo%u0l~
zML{DmCr6<mKQj;HG96G6mXxZHo1c=ImYJFY4GU15<R(_=aO&%Wm<pgKL~d!WLSku2
zeo<!e;gyge1IguP<{^}2=4GNO1FvQVMW~j7qoIz1zP>_kVo6bEGAN!vRat6UT4r))
zYF-H_^%le2S(I9=P@I|rDXjBAu?Pu31yI8UWJqypX(q@QpioOrPAw=&ErMj7yt34y
z^whlMR0d9n)ewzZ3Xz~t0~HJTdBqr#5m3o=P@+pM1;rRB$$`8Lb~7|tfcUwIISMK2
znV<xk2#W1ug%og!r=FOTo?nz%l98LL;OYwrA8_*v<Xo73Q1}q3AJz3i8Tnv`fGV=w
z)RLl91xVcnszf1Gd|q;@LQ!fSsD{sh#1N_p0pMhVO@FaMK~a7|ei7I=;FRp?2a5<$
z;w{V1Oi=(EhGSK_27|u7LWsYMzZEFwfpc(v9$p;^1*Js=`NgRW49b~#$vLGdsR~M<
zdLF5c*UL~sNZRD*7U*TzAqk`x=jf*w=fvk^<|XE&qsS@Yb1RCmO3(&1ND$QjFXd)n
z5aofa|A)=*Z|7%V*vQYou!f(3p@5%(A%>rU!I7VV!HA!ML4luvftR0w;U^yh!!$ky
zhA2J;1}#1Y20lIphR?hV3=4S~7~*&t7*u%~7=H0EFnr~Ki~(HWVPM$I!@v;3!@v;6
z!@v;8!@%In!@yw6!@!`$!@!`<!@!`z!@wZU196WU$W74x?<h4I0;3@?8UmvsFd71*
zAut*OqaiRF0;3^7VF=XX0t}pKMX9M8pivS{Yw)-oXxI)c1|RwcNkEiA#{R&3kTUQv
zA19RL<OB^kCT5yyKvYG8COdL-bx>z!vUCb`azXPm;5h~G6bam(=&UTzn51@Yu2!~o
z5oG>`6ER7GKD@&T8Kg#1k(&z|;myqj%{Arbg2!{AYT#o;glAgx^$RjGp?&~QI3N$#
z>KbZ-2TZlIG!<+?Bcza-DDZ$J>d*&hL=!TC1D=wC>e4X;`&-LL#|Z5Al>Cx_qWqN7
z<PxwEoCv;xwk>$<3S<uQ6pVrv`s9EvDDu#iY3G7t318?z1`ZUEth7~t3>AZhA5-#6
zz^MW}gQBC5lbV-ak^v1CO|X?<8SPxq=qV>remBs8j5b644xMS?)YnJVt${tjb*w-^
z9_{1frUP;_k&c6;B5-<!&o)9s29)k$bAL!e&>1u&5zv$rgv*IO#|KKwP$_sa)=>kw
z5j3d-?R{&&Yyr(;K@tq|#1$mFKqsw0cIklhg7X(VYr)+fotUXnTB=i~Q>2p%wj4CT
YAC!?FotSB&0TD+^br3b6*&k~L0MZ~Y1poj5

literal 0
HcmV?d00001

diff --git a/src/sources/constructionModelesLassoMLE.c b/src/sources/constructionModelesLassoMLE.c
index bcbfd3c..91119e9 100644
--- a/src/sources/constructionModelesLassoMLE.c
+++ b/src/sources/constructionModelesLassoMLE.c
@@ -6,39 +6,39 @@
 
 // TODO: comment on constructionModelesLassoMLE purpose
 void constructionModelesLassoMLE(
-	// IN parameters 
-	const Real* phiInit, // parametre initial de moyenne renormalisé
-	const Real* rhoInit, // parametre initial de variance renormalisé
-	const Real* piInit,  // parametre initial des proportions
-	const Real* gamInit, // paramètre initial des probabilités a posteriori de chaque échantillon
-	Int mini,        // nombre minimal d'itérations dans l'algorithme EM	
-	Int maxi,        // nombre maximal d'itérations dans l'algorithme EM
-	Real gamma,    // valeur de gamma : puissance des proportions dans la pénalisation pour un Lasso adaptatif
-	const Real* glambda, // valeur des paramètres de régularisation du Lasso
-	const Real* X,       // régresseurs
-	const Real* Y,       // réponse
-	Real seuil,    // seuil pour prendre en compte une variable
-	Real tau,      // seuil pour accepter la convergence
-	const Int* A1,         // matrice des coefficients des parametres selectionnes
-	const Int* A2,         // matrice des coefficients des parametres non selectionnes
+	// IN parameters
+	const double* phiInit, // parametre initial de moyenne renormalisé
+	const double* rhoInit, // parametre initial de variance renormalisé
+	const double* piInit,// parametre initial des proportions
+	const double* gamInit, // paramètre initial des probabilités a posteriori de chaque échantillon
+	int mini,// nombre minimal d'itérations dans l'algorithme EM
+	int maxi,// nombre maximal d'itérations dans l'algorithme EM
+	double gamma,// valeur de gamma : puissance des proportions dans la pénalisation pour un Lasso adaptatif
+	const double* glambda, // valeur des paramètres de régularisation du Lasso
+	const double* X, // régresseurs
+	const double* Y, // réponse
+	double seuil,// seuil pour prendre en compte une variable
+	double tau,// seuil pour accepter la convergence
+	const int* A1, // matrice des coefficients des parametres selectionnes
+	const int* A2, // matrice des coefficients des parametres non selectionnes
 	// OUT parameters
-	Real* phi,            // estimateur ainsi calculé par le Lasso
-    Real* rho,            // estimateur ainsi calculé par le Lasso
-	Real* pi,             // estimateur ainsi calculé par le Lasso
-    Real* lvraisemblance, // estimateur ainsi calculé par le Lasso
+	double* phi,// estimateur ainsi calculé par le Lasso
+	double* rho,// estimateur ainsi calculé par le Lasso
+	double* pi, // estimateur ainsi calculé par le Lasso
+	double* lvraisemblance, // estimateur ainsi calculé par le Lasso
 	// additional size parameters
-	mwSize n,                 // taille de l'echantillon                
-	mwSize p,                 // nombre de covariables
-	mwSize m,                 // taille de Y (multivarié)
-	mwSize k,                 // nombre de composantes
-	mwSize L)                 // taille de glambda
+	int n, // taille de l'echantillon
+	int p, // nombre de covariables
+	int m, // taille de Y (multivarié)
+	int k, // nombre de composantes
+	int L) // taille de glambda
 {
 	//preparation: phi = 0
-	for (mwSize u=0; u<p*m*k*L; u++)
+	for (int u=0; u<p*m*k*L; u++)
 		phi[u] = 0.0;
-	
+
 	//initiate parallel section
-	mwSize lambdaIndex;
+	int lambdaIndex;
 	omp_set_num_threads(OMP_NUM_THREADS);
 	#pragma omp parallel default(shared) private(lambdaIndex)
 	{
@@ -47,42 +47,42 @@ void constructionModelesLassoMLE(
 	{
 		//~ a = A1(:,1,lambdaIndex);
 		//~ a(a==0) = [];
-		Int* a = (Int*)malloc(p*sizeof(Int));
-		mwSize lengthA = 0;
-		for (mwSize j=0; j<p; j++)
+		int* a = (int*)malloc(p*sizeof(int));
+		int lengthA = 0;
+		for (int j=0; j<p; j++)
 		{
-			if (A1[j*(m+1)*L+0*L+lambdaIndex] != 0)
-				a[lengthA++] = A1[j*(m+1)*L+0*L+lambdaIndex] - 1;
+			if (A1[ai(j,0,lambdaIndex,p,m+1,L)] != 0)
+				a[lengthA++] = A1[ai(j,0,lambdaIndex,p,m+1,L)] - 1;
 		}
 		if (lengthA == 0)
 			continue;
-		
+
 		//Xa = X(:,a)
-		Real* Xa = (Real*)malloc(n*lengthA*sizeof(Real));
-		for (mwSize i=0; i<n; i++)
+		double* Xa = (double*)malloc(n*lengthA*sizeof(double));
+		for (int i=0; i<n; i++)
 		{
-			for (mwSize j=0; j<lengthA; j++)
-				Xa[i*lengthA+j] = X[i*p+a[j]];
+			for (int j=0; j<lengthA; j++)
+				Xa[mi(i,j,n,lengthA)] = X[mi(i,a[j],n,p)];
 		}
-		
+
 		//phia = phiInit(a,:,:)
-		Real* phia = (Real*)malloc(lengthA*m*k*sizeof(Real));
-		for (mwSize j=0; j<lengthA; j++)
+		double* phia = (double*)malloc(lengthA*m*k*sizeof(double));
+		for (int j=0; j<lengthA; j++)
 		{
-			for (mwSize mm=0; mm<m; mm++)
+			for (int mm=0; mm<m; mm++)
 			{
-				for (mwSize r=0; r<k; r++)
-					phia[j*m*k+mm*k+r] = phiInit[a[j]*m*k+mm*k+r];
+				for (int r=0; r<k; r++)
+					phia[ai(j,mm,r,lengthA,m,k)] = phiInit[ai(a[j],mm,r,p,m,k)];
 			}
 		}
-		
+
 		//[phiLambda,rhoLambda,piLambda,~,~] = EMGLLF(...
 		//	phiInit(a,:,:),rhoInit,piInit,gamInit,mini,maxi,gamma,0,X(:,a),Y,tau);
-		Real* phiLambda = (Real*)malloc(lengthA*m*k*sizeof(Real));
-		Real* rhoLambda = (Real*)malloc(m*m*k*sizeof(Real));
-		Real* piLambda = (Real*)malloc(k*sizeof(Real));
-		Real* LLF = (Real*)malloc((maxi+1)*sizeof(Real));
-		Real* S = (Real*)malloc(lengthA*m*k*sizeof(Real));
+		double* phiLambda = (double*)malloc(lengthA*m*k*sizeof(double));
+		double* rhoLambda = (double*)malloc(m*m*k*sizeof(double));
+		double* piLambda = (double*)malloc(k*sizeof(double));
+		double* LLF = (double*)malloc((maxi+1)*sizeof(double));
+		double* S = (double*)malloc(lengthA*m*k*sizeof(double));
 		EMGLLF(phia,rhoInit,piInit,gamInit,mini,maxi,gamma,0.0,Xa,Y,tau,
 			phiLambda,rhoLambda,piLambda,LLF,S,
 			n,lengthA,m,k);
@@ -90,123 +90,123 @@ void constructionModelesLassoMLE(
 		free(phia);
 		free(LLF);
 		free(S);
-		
+
 		//~ for j=1:length(a)
 			//~ phi(a(j),:,:,lambdaIndex) = phiLambda(j,:,:);
 		//~ end
-		for (mwSize j=0; j<lengthA; j++)
+		for (int j=0; j<lengthA; j++)
 		{
-			for (mwSize mm=0; mm<m; mm++)
+			for (int mm=0; mm<m; mm++)
 			{
-				for (mwSize r=0; r<k; r++)
-					phi[a[j]*m*k*L+mm*k*L+r*L+lambdaIndex] = phiLambda[j*m*k+mm*k+r];
+				for (int r=0; r<k; r++)
+					phi[ai4(a[j],mm,r,lambdaIndex,p,m,k,L)] = phiLambda[ai(j,mm,r,p,m,k)];
 			}
 		}
 		free(phiLambda);
 		//~ rho(:,:,:,lambdaIndex) = rhoLambda;
-		for (mwSize u=0; u<m; u++)
+		for (int u=0; u<m; u++)
 		{
-			for (mwSize v=0; v<m; v++)
+			for (int v=0; v<m; v++)
 			{
-				for (mwSize r=0; r<k; r++)
-					rho[u*m*k*L+v*k*L+r*L+lambdaIndex] = rhoLambda[u*m*k+v*k+r];
+				for (int r=0; r<k; r++)
+					rho[ai4(u,v,r,lambdaIndex,m,m,k,L)] = rhoLambda[ai(u,v,r,m,m,k)];
 			}
 		}
 		free(rhoLambda);
 		//~ pi(:,lambdaIndex) = piLambda;
-		for (mwSize r=0; r<k; r++)
-			pi[r*L+lambdaIndex] = piLambda[r];
+		for (int r=0; r<k; r++)
+			pi[mi(r,lambdaIndex,k,L)] = piLambda[r];
 		free(piLambda);
-		
-		mwSize dimension = 0;
-		Int* b = (Int*)malloc(m*sizeof(Int));
-		for (mwSize j=0; j<p; j++)
+
+		int dimension = 0;
+		int* b = (int*)malloc(m*sizeof(int));
+		for (int j=0; j<p; j++)
 		{
 			//~ b = A2(j,2:end,lambdaIndex);
 			//~ b(b==0) = [];
-			mwSize lengthB = 0;
-			for (mwSize mm=0; mm<m; mm++)
+			int lengthB = 0;
+			for (int mm=0; mm<m; mm++)
 			{
-				if (A2[j*(m+1)*L+(mm+1)*L+lambdaIndex] != 0)
-					b[lengthB++] = A2[j*(m+1)*L+(mm+1)*L+lambdaIndex] - 1;
+				if (A2[ai(j,mm+1,lambdaIndex,p,m+1,L)] != 0)
+					b[lengthB++] = A2[ai(j,mm+1,lambdaIndex,p,m+1,L)] - 1;
 			}
 			//~ if length(b) > 0
 				//~ phi(A2(j,1,lambdaIndex),b,:,lambdaIndex) = 0.0;
 			//~ end
 			if (lengthB > 0)
 			{
-				for (mwSize mm=0; mm<lengthB; mm++)
+				for (int mm=0; mm<lengthB; mm++)
 				{
-					for (mwSize r=0; r<k; r++)
-						phi[(A2[j*(m+1)*L+0*L+lambdaIndex]-1)*m*k*L + b[mm]*k*L + r*L + lambdaIndex] = 0.0;
+					for (int r=0; r<k; r++)
+						phi[ai( A2[ai4(j,0,lambdaIndex,p,m+1,L)]-1, b[mm], r, lambdaIndex, p, m, k, L)] = 0.0;
 				}
 			}
-			
+
 			//~ c = A1(j,2:end,lambdaIndex);
 			//~ c(c==0) = [];
 			//~ dimension = dimension + length(c);
-			for (mwSize mm=0; mm<m; mm++)
+			for (int mm=0; mm<m; mm++)
 			{
-				if (A1[j*(m+1)*L+(mm+1)*L+lambdaIndex] != 0)
+				if (A1[ai(j,mm+1,lambdaIndex,p,m+1,L)] != 0)
 					dimension++;
 			}
 		}
 		free(b);
-		
+
 		int signum;
-		Real* densite = (Real*)calloc(L*n,sizeof(Real));
-		Real sumLogDensit = 0.0;
+		double* densite = (double*)calloc(L*n,sizeof(double));
+		double sumLogDensit = 0.0;
 		gsl_matrix* matrix = gsl_matrix_alloc(m, m);
 		gsl_permutation* permutation = gsl_permutation_alloc(m);
-		Real* YiRhoR = (Real*)malloc(m*sizeof(Real));
-		Real* XiPhiR = (Real*)malloc(m*sizeof(Real));
-		for (mwSize i=0; i<n; i++)
+		double* YiRhoR = (double*)malloc(m*sizeof(double));
+		double* XiPhiR = (double*)malloc(m*sizeof(double));
+		for (int i=0; i<n; i++)
 		{
 			//~ for r=1:k
 				//~ delta = Y(i,:)*rho(:,:,r,lambdaIndex) - (X(i,a)*(phi(a,:,r,lambdaIndex)));
 				//~ densite(i,lambdaIndex) = densite(i,lambdaIndex) +...
 					//~ pi(r,lambdaIndex)*det(rho(:,:,r,lambdaIndex))/(sqrt(2*PI))^m*exp(-dot(delta,delta)/2.0);
 			//~ end
-			for (mwSize r=0; r<k; r++)
+			for (int r=0; r<k; r++)
 			{
 				//compute det(rho(:,:,r,lambdaIndex)) [TODO: avoid re-computations]
-				for (mwSize u=0; u<m; u++)
+				for (int u=0; u<m; u++)
 				{
-					for (mwSize v=0; v<m; v++)
-						matrix->data[u*m+v] = rho[u*m*k*L+v*k*L+r*L+lambdaIndex];
+					for (int v=0; v<m; v++)
+						matrix->data[u*m+v] = rho[ai4(u,v,r,lambdaIndex,m,m,k,L)];
 				}
 				gsl_linalg_LU_decomp(matrix, permutation, &signum);
-				Real detRhoR = gsl_linalg_LU_det(matrix, signum);
-				
+				double detRhoR = gsl_linalg_LU_det(matrix, signum);
+
 				//compute Y(i,:)*rho(:,:,r,lambdaIndex)
-				for (mwSize u=0; u<m; u++)
+				for (int u=0; u<m; u++)
 				{
 					YiRhoR[u] = 0.0;
-					for (mwSize v=0; v<m; v++)
-						YiRhoR[u] += Y[i*m+v] * rho[v*m*k*L+u*k*L+r*L+lambdaIndex];
+					for (int v=0; v<m; v++)
+						YiRhoR[u] += Y[mi(i,v,n,m)] * rho[ai4(v,u,r,lambdaIndex,m,m,k,L)];
 				}
-				
+
 				//compute X(i,a)*phi(a,:,r,lambdaIndex)
-				for (mwSize u=0; u<m; u++)
+				for (int u=0; u<m; u++)
 				{
 					XiPhiR[u] = 0.0;
-					for (mwSize v=0; v<lengthA; v++)
-						XiPhiR[u] += X[i*p+a[v]] * phi[a[v]*m*k*L+u*k*L+r*L+lambdaIndex];
+					for (int v=0; v<lengthA; v++)
+						XiPhiR[u] += X[mi(i,a[v],n,p)] * phi[ai4(a[v],u,r,lambdaIndex,p,m,k,L)];
 				}
-                // On peut remplacer X par Xa dans ce dernier calcul, mais je ne sais pas si c'est intéressant ...
-				
+				// On peut remplacer X par Xa dans ce dernier calcul, mais je ne sais pas si c'est intéressant ...
+
 				// compute dotProduct < delta . delta >
-				Real dotProduct = 0.0;
-				for (mwSize u=0; u<m; u++)
+				double dotProduct = 0.0;
+				for (int u=0; u<m; u++)
 					dotProduct += (YiRhoR[u]-XiPhiR[u]) * (YiRhoR[u]-XiPhiR[u]);
-				
-				densite[lambdaIndex*n+i] += (pi[r*L+lambdaIndex]*detRhoR/pow(sqrt(2.0*M_PI),m))*exp(-dotProduct/2.0);
-			}			
+
+				densite[mi(lambdaIndex,i,L,n)] += (pi[mi(r,lambdaIndex,k,L)]*detRhoR/pow(sqrt(2.0*M_PI),m))*exp(-dotProduct/2.0);
+			}
 			sumLogDensit += log(densite[lambdaIndex*n+i]);
 		}
-		lvraisemblance[lambdaIndex*2+0] = sumLogDensit;
-		lvraisemblance[lambdaIndex*2+1] = (dimension+m+1)*k-1;
-	
+		lvraisemblance[mi(lambdaIndex,0,L,2)] = sumLogDensit;
+		lvraisemblance[mi(lambdaIndex,1,L,2)] = (dimension+m+1)*k-1;
+
 		free(a);
 		free(YiRhoR);
 		free(XiPhiR);
diff --git a/src/sources/constructionModelesLassoRank.c b/src/sources/constructionModelesLassoRank.c
index 98c02d5..eaa83c4 100644
--- a/src/sources/constructionModelesLassoRank.c
+++ b/src/sources/constructionModelesLassoRank.c
@@ -6,54 +6,54 @@
 
 // TODO: comment on constructionModelesLassoRank purpose
 void constructionModelesLassoRank(
-	// IN parameters 
-	const Real* Pi,    // parametre initial des proportions
-	const Real* Rho,   // parametre initial de variance renormalisé
-	Int mini,       // nombre minimal d'itérations dans l'algorithme EM	
-	Int maxi,       // nombre maximal d'itérations dans l'algorithme EM
-	const Real* X,      // régresseurs
-	const Real* Y,      // réponse
-	Real tau,     // seuil pour accepter la convergence
-	const Int* A1,     // matrice des coefficients des parametres selectionnes
-	Int rangmin, 	//rang minimum autorisé
-	Int rangmax,	//rang maximum autorisé
+	// IN parameters
+	const double* Pi,// parametre initial des proportions
+	const double* Rho, // parametre initial de variance renormalisé
+	int mini, // nombre minimal d'itérations dans l'algorithme EM
+	int maxi, // nombre maximal d'itérations dans l'algorithme EM
+	const double* X,// régresseurs
+	const double* Y,// réponse
+	double tau, // seuil pour accepter la convergence
+	const int* A1, // matrice des coefficients des parametres selectionnes
+	int rangmin,	//rang minimum autorisé
+	int rangmax,	//rang maximum autorisé
 	// OUT parameters (all pointers, to be modified)
-	Real* phi,        // estimateur ainsi calculé par le Lasso
-    Real* lvraisemblance,      // estimateur ainsi calculé par le Lasso
-    // additional size parameters
-	mwSize n,              // taille de l'echantillon                
-	mwSize p,              // nombre de covariables
-	mwSize m,              // taille de Y (multivarié)
-	mwSize k,              // nombre de composantes
-	mwSize L)              // taille de glambda
+	double* phi,// estimateur ainsi calculé par le Lasso
+	double* lvraisemblance,// estimateur ainsi calculé par le Lasso
+	// additional size parameters
+	int n,// taille de l'echantillon
+	int p,// nombre de covariables
+	int m,// taille de Y (multivarié)
+	int k,// nombre de composantes
+	int L)// taille de glambda
 {
 	//On cherche les rangs possiblement intéressants
-	Int deltaRank = rangmax-rangmin+1;
-	mwSize Size = (mwSize)pow(deltaRank,k);
-	Int* Rank = (Int*)malloc(Size*k*sizeof(Int));
-    for (mwSize r=0; r<k; r++)
-    {
+	int deltaRank = rangmax-rangmin+1;
+	int Size = (int)pow(deltaRank,k);
+	int* Rank = (int*)malloc(Size*k*sizeof(int));
+for (int r=0; r<k; r++)
+{
 		//On veut le tableau de toutes les combinaisons de rangs possibles
 		//Dans la première colonne : on répète (rangmax-rangmin)^(k-1) chaque chiffre : ca remplit la colonne
 		//Dans la deuxieme : on répète (rangmax-rangmin)^(k-2) chaque chiffre, et on fait ca (rangmax-rangmin)^2 fois 
 		//...
 		//Dans la dernière, on répète chaque chiffre une fois, et on fait ca (rangmin-rangmax)^(k-1) fois.
-		Int indexInRank = 0;
-		Int value = 0;
+		int indexInRank = 0;
+		int value = 0;
 		while (indexInRank < Size)
 		{
-			for (Int u=0; u<pow(deltaRank,k-r-1); u++)
-				Rank[(indexInRank++)*k+r] = rangmin + value;
+			for (int u=0; u<pow(deltaRank,k-r-1); u++)
+				Rank[mi(indexInRank++,r,Size,k)] = rangmin + value;
 			value = (value+1) % deltaRank;
 		}
 	}
-	
+
 	//Initialize phi to zero, because unactive variables won't be assigned
-	for (mwSize i=0; i<p*m*k*L*Size; i++)
+	for (int i=0; i<p*m*k*L*Size; i++)
 		phi[i] = 0.0;
-	
+
 	//initiate parallel section
-	mwSize lambdaIndex;
+	int lambdaIndex;
 	omp_set_num_threads(OMP_NUM_THREADS);
 	#pragma omp parallel default(shared) private(lambdaIndex)
 	{
@@ -61,42 +61,42 @@ void constructionModelesLassoRank(
 	for (lambdaIndex=0; lambdaIndex<L; lambdaIndex++)
 	{
 		//On ne garde que les colonnes actives : active sera l'ensemble des variables informatives
-		Int* active = (Int*)malloc(p*sizeof(Int));
-		mwSize longueurActive = 0;
-		for (Int j=0; j<p; j++)
+		int* active = (int*)malloc(p*sizeof(int));
+		int longueurActive = 0;
+		for (int j=0; j<p; j++)
 		{
-			if (A1[j*L+lambdaIndex] != 0)
-				active[longueurActive++] = A1[j*L+lambdaIndex] - 1;
+			if (A1[mi(j,lambdaIndex,p,L)] != 0)
+				active[longueurActive++] = A1[mi(j,lambdaIndex,p,L)] - 1;
 		}
-		
+
 		if (longueurActive == 0)
 			continue;
-		
+
 		//from now on, longueurActive > 0
-		Real* phiLambda = (Real*)malloc(longueurActive*m*k*sizeof(Real));
-		Real LLF;
-		for (Int j=0; j<Size; j++)
+		double* phiLambda = (double*)malloc(longueurActive*m*k*sizeof(double));
+		double LLF;
+		for (int j=0; j<Size; j++)
 		{
 			//[phiLambda,LLF] = EMGrank(Pi(:,lambdaIndex),Rho(:,:,:,lambdaIndex),mini,maxi,X(:,active),Y,tau,Rank(j,:));
-			Int* rank = (Int*)malloc(k*sizeof(Int));
-			for (mwSize r=0; r<k; r++)
-				rank[r] = Rank[j*k+r];
-			Real* Xactive = (Real*)malloc(n*longueurActive*sizeof(Real));
-			for (mwSize i=0; i<n; i++)
+			int* rank = (int*)malloc(k*sizeof(int));
+			for (int r=0; r<k; r++)
+				rank[r] = Rank[mi(j,r,Size,k)];
+			double* Xactive = (double*)malloc(n*longueurActive*sizeof(double));
+			for (int i=0; i<n; i++)
 			{
-				for (mwSize jj=0; jj<longueurActive; jj++)
-					Xactive[i*longueurActive+jj] = X[i*p+active[jj]];
+				for (int jj=0; jj<longueurActive; jj++)
+					Xactive[mi(i,jj,n,longueurActive)] = X[mi(i,active[jj],n,p)];
 			}
-			Real* PiLambda = (Real*)malloc(k*sizeof(Real));
-			for (mwSize r=0; r<k; r++)
-				PiLambda[r] = Pi[r*L+lambdaIndex];
-			Real* RhoLambda = (Real*)malloc(m*m*k*sizeof(Real));
-			for (mwSize u=0; u<m; u++)
+			double* PiLambda = (double*)malloc(k*sizeof(double));
+			for (int r=0; r<k; r++)
+				PiLambda[r] = Pi[mi(r,lambdaIndex,k,L)];
+			double* RhoLambda = (double*)malloc(m*m*k*sizeof(double));
+			for (int u=0; u<m; u++)
 			{
-				for (mwSize v=0; v<m; v++)
+				for (int v=0; v<m; v++)
 				{
-					for (mwSize r=0; r<k; r++)
-						RhoLambda[u*m*k+v*k+r] = Rho[u*m*k*L+v*k*L+r*L+lambdaIndex];
+					for (int r=0; r<k; r++)
+						RhoLambda[ai(uu,v,r,m,m,k)] = Rho[ai4(u,v,r,lambdaIndex,m,m,k,L)];
 				}
 			}
 			EMGrank(PiLambda,RhoLambda,mini,maxi,Xactive,Y,tau,rank,
@@ -107,19 +107,19 @@ void constructionModelesLassoRank(
 			free(PiLambda);
 			free(RhoLambda);
 			//lvraisemblance((lambdaIndex-1)*Size+j,:) = [LLF, dot(Rank(j,:), length(active)-Rank(j,:)+m)];
-			lvraisemblance[(lambdaIndex*Size+j)*2] = LLF;
+			lvraisemblance[mi(lambdaIndex*Size+j,0,L*Size,2)] = LLF;
 			//dot(Rank(j,:), length(active)-Rank(j,:)+m)
-			Real dotProduct = 0.0;
-			for (mwSize r=0; r<k; r++)
-				dotProduct += Rank[j*k+r] * (longueurActive-Rank[j*k+r]+m);
-			lvraisemblance[(lambdaIndex*Size+j)*2+1] = dotProduct;
+			double dotProduct = 0.0;
+			for (int r=0; r<k; r++)
+				dotProduct += Rank[mi(j,r,Size,k)] * (longueurActive-Rank[mi(j,r,Size,k)]+m);
+			lvraisemblance[mi(lambdaIndex*Size+j,1,Size*L,2)] = dotProduct;
 			//phi(active,:,:,(lambdaIndex-1)*Size+j) = phiLambda;
-			for (mwSize jj=0; jj<longueurActive; jj++)
+			for (int jj=0; jj<longueurActive; jj++)
 			{
-				for (mwSize mm=0; mm<m; mm++)
+				for (int mm=0; mm<m; mm++)
 				{
-					for (mwSize r=0; r<k; r++)
-						phi[active[jj]*m*k*L*Size+mm*k*L*Size+r*L*Size+(lambdaIndex*Size+j)] = phiLambda[jj*m*k+mm*k+r];
+					for (int r=0; r<k; r++)
+						phi[ai5(active[jj],mm,r,lambdaIndex,j,p,m,k,L,Size)] = phiLambda[jj*m*k+mm*k+r];
 				}
 			}
 		}
-- 
2.53.0