擺脫樣本數據中的峯值

我該如何擺脫離散數據集中的閃爍數據，但採用「平滑」的方式？擺脫樣本數據中的峯值

就拿

enter image description here

有兩種火花，在20000，但在600下一個也被認爲是一個火花。

我已經成功地得到了非常高的人到零，通過

a = 2 
b = 5 
beta_dist = RealDistribution('beta', [a, b]) 
f(x) = x/19968 
normalized_insertions = [f(i) for i in insertions] 

insertions_pairs = [(i, beta_dist.distribution_function(i)) for i in normalized_insertions] 
plot_b = beta_dist.plot() 

show(list_plot(insertions_pairs)+plot_b)

不知道如何去低的。最大值應該達到100，也許beta分佈的參數需要更多一些？

目前，它看起來像這樣： enter image description here

如果可能的話，使用鼠尾草作爲你解釋的參考。

來源

2012-09-14 Flavius

您可以使用中值過濾器，也許3或5分。 –

您是否在尋找進行數據平滑的方法？如果是這樣，那麼應用Paul R建議的中值濾波器就可以實現。此外，您究竟想用這些數據來衡量，您爲什麼選擇使用beta版本？ – xvtk

@PaulR我很樂意接受你的回答，如果你這樣發佈的話。 – Flavius

您可以使用median filter，也許3或5分。這將刪除上面數據中的孤立異常值。

來源

2012-09-15 05:51:52

你也許應該看看卡爾曼濾波器。這將決定您的數據的偏差並平滑高斯平均值。因此，20k數字幾乎沒有任何影響，而600數字會有更多的影響，他們仍然會被數據的一致性大量佔用。如果你喜歡數學：
http://www.cs.berkeley.edu/~pabbeel/cs287-fa11/slides/Smoother_KalmanSmoother--DRAFT.pdf
否則可能：
http://interactive-matter.eu/blog/2009/12/18/filtering-sensor-data-with-a-kalman-filter/

來源

2012-10-22 10:37:08 Ben

擺脫樣本數據中的峯值

回答

相關問題