classifier.trainF(ferns_data,2)：训练集成分类器

对任一随机蕨数据：对于正样本，判断其可信度是否低于阈值thr_fern；对于负样本，判断其可信度是否大于0.5。如果满足以上条件，则使用了一次P/N约束，使用update()计数更新每个特征对应的可信度。

update(ferns[i].first,0,1):

void FerNNClassifier::update(const vector<int>& fern, int C, int N) {

  int idx;

  for (int i = 0; i < nstructs; i++) { //每棵树共nstructs个蕨

      idx = fern[i];//每个蕨的值（2bitBP特征组成的二进制数）

      (C==1) ? pCounter[i][idx] += N : nCounter[i][idx] += N;//计数统计

      if (pCounter[i][idx]==0) {

          posteriors[i][idx] = 0;

      } else {

          posteriors[i][idx] = ((float)(pCounter[i][idx]))/(pCounter[i][idx] + nCounter[i][idx]);

      }

  }

}