Найдите резкие изменения в данных
TF = ischange(A)TF = ischange(A,method)TF = ischange(___,dim)TF = ischange(___,Name,Value)[TF,S1] = ischange(___)[TF,S1,S2] = ischange(___)TF = ischange(A) true), когда существует резкое изменение в среднем значении соответствующих элементов A.
TF = ischange(A,method) ischange(A,'variance') находит резкие изменения в отклонении элементов A.
TF = ischange(___,dim) A, чтобы действовать вперед для любого из предыдущих синтаксисов. Например, ischange(A,2) вычисляет точки перехода для каждой строки матричного A.
TF = ischange(___,Name,Value) ischange(A,'MaxNumChanges',m) обнаруживает не больше, чем точки перехода m.
[TF,S1] = ischange(___) [TF,S1] = ischange(A) возвращает векторный S1, содержащий среднее значение данных между точками перехода векторного A.
[TF,S1,S2] = ischange(___) [TF,S1,S2] = ischange(A) возвращает векторный S1, который содержит среднее значение для каждого сегмента, а также векторный S2, который содержит отклонение для каждого сегмента векторного A.
Создайте вектор шумных данных и вычислите резкие изменения в среднем значении данных.
A = [ones(1,5) 25*ones(1,5) 50*ones(1,5)] + rand(1,15); TF = ischange(A)
TF = 1x15 logical array
0 0 0 0 0 1 0 0 0 0 1 0 0 0 0
Чтобы вычислить среднее значение данных промежуточные точки перехода, задайте второй выходной аргумент.
[TF,S1] = ischange(A); plot(A,'*') hold on stairs(S1) legend('Data','Segment Mean','Location','NW')
Создайте вектор шумных данных и вычислите резкие изменения в наклоне и прерывании данных. Устанавливание большого порога обнаружения сокращает количество точек перехода, обнаруженных из-за шума.
A = [zeros(1,100) 1:100 99:-1:50 50*ones(1,250)] + 10*rand(1,500); [TF,S1,S2] = ischange(A,'linear','Threshold',200); segline = S1.*(1:500) + S2; plot(1:500,A,1:500,segline) legend('Data','Linear Regime')
Как альтернатива обеспечению порогового значения, также можно задать максимальное количество точек перехода, чтобы обнаружить.
[TF,S1,S2] = ischange(A,'linear','MaxNumChanges',3);
Вычислите резкие изменения в среднем значении для каждой строки матрицы.
A = diag(25*ones(5,1)) + rand(5,5)
A = 5×5
25.8147 0.0975 0.1576 0.1419 0.6557
0.9058 25.2785 0.9706 0.4218 0.0357
0.1270 0.5469 25.9572 0.9157 0.8491
0.9134 0.9575 0.4854 25.7922 0.9340
0.6324 0.9649 0.8003 0.9595 25.6787
TF = ischange(A,2)
TF = 5x5 logical array
0 1 0 0 0
0 1 1 0 0
0 0 1 1 0
0 0 0 1 1
0 0 0 0 1
A Входные данныеВходные данные, заданные как вектор, матрица, многомерный массив, таблица или расписание.
Типы данных: единственный | удваиваются | таблица | расписание
method — Измените метод обнаружения'mean' (значение по умолчанию) | 'variance' | 'linear'Измените метод обнаружения, заданный как одно из следующего:
среднее значение Найдите резкие изменения в среднем значении данных.
Отклонение Найдите резкие изменения в отклонении данных.
'linear' — Найдите резкие изменения в наклоне и прерывании данных.
dim Операционная размерностьОперационная размерность, заданная как положительный целочисленный скаляр. По умолчанию ischange действует по первому измерению, размер которого не равняется 1.
Например, если A является матрицей, то ischange(A,1) действует вдоль строк A, вычислительных точек перехода для каждого столбца.
ischange(A,2) действует вдоль столбцов A, вычислительных точек перехода для каждой строки.
Типы данных: single | double | int8 | int16 | int32 | int64 | uint8 | uint16 | uint32 | uint64
Укажите необязательные аргументы в виде пар ""имя, значение"", разделенных запятыми. Имя (Name) — это имя аргумента, а значение (Value) — соответствующее значение. Имя должно появиться в кавычках. Вы можете задать несколько аргументов в виде пар имен и значений в любом порядке, например: Name1, Value1, ..., NameN, ValueN.
TF = ischange (A, 'MaxNumChanges', 5)Вектор данных A содержит точку перехода, если он может быть разделен в два сегмента A1 и A2, таким образом что
пороговое значение, заданное параметром 'Threshold', и C представляет функцию стоимости.
Например, функция стоимости для обнаружения резких изменений в среднем значении
, где N является числом элементов в векторе x. Функция стоимости измеряется, как хорошо сегмент аппроксимирован его средним значением.
ischange многократно минимизирует сумму функций стоимости, чтобы определить количество точек перехода k и их местоположений, таким образом что
[1] Killick R., P. Fearnhead и I A. Eckley. "Оптимальное обнаружение changepoints с линейной вычислительной стоимостью". Журнал американской Статистической Ассоциации. Издание 107, Номер 500, 2012, pp.1590-1598.