Найдите резкие изменения в данных
TF = ischange(___,Name,Value)ischange(A,'MaxNumChanges',m) обнаруживает не больше, чем m точки перехода.
[ возвращает дополнительную информацию о линейных сегментах промежуточные точки перехода. Например, TF,S1,S2] = ischange(___)[TF,S1,S2] = ischange(A) возвращает векторный S1 это содержит среднее значение для каждого сегмента, а также векторный S2 это содержит отклонение для каждого сегмента векторного A.
Создайте вектор зашумленных 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 зашумленных 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: single | double | table | timetable
method — Измените метод обнаружения'mean' (значение по умолчанию) | 'variance' | 'linear'Измените метод обнаружения, заданный как одно из следующего:
'mean' — Найдите резкие изменения в среднем значении данных.
'variance' — 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 матрица, затем ischange(A,1) действует вдоль строк A, вычислительные точки перехода для каждого столбца.
ischange(A,2) действует вдоль столбцов A, вычислительные точки перехода для каждой строки.
Типы данных: single | double | int8 | int16 | int32 | int64 | uint8 | uint16 | uint32 | uint64
Задайте дополнительные разделенные запятой пары Name,Value аргументы. Name имя аргумента и Value соответствующее значение. Name должен 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 это может быть разделено в два сегмента A1 и A2, таким образом что
пороговое значение, заданное 'Threshold' параметр и C представляют функцию стоимости.
Например, функция стоимости для обнаружения резких изменений в среднем значении
, где N является числом элементов в векторном x. Функция стоимости измеряется, как хорошо сегмент аппроксимирован его средним значением.
ischange итеративно минимизирует сумму функций стоимости, чтобы определить количество точек перехода k и их местоположения, таким образом что
[1] Киллик Р., П. Фирнхэд и И.А. Экли. "Оптимальное обнаружение changepoints с линейной вычислительной стоимостью". Журнал американской Статистической Ассоциации. Издание 107, Номер 500, 2012, pp.1590-1598.
Найдите точки перехода | islocalmax | islocalmin | isoutlier