Smooth Data
Сглаженные зашумленные данные в Live Editor
Описание
Сглаженная задача Данных позволяет вам в интерактивном режиме сглаживать зашумленные данные. Задача автоматически генерирует код MATLAB® для вашего live скрипта.
Используя эту задачу, вы можете:
Настройте метод для сглаживания данных в переменной рабочей области.
Настройте параметры, чтобы сгенерировать меньше или больше сглаживания.
Автоматически визуализируйте сглаживавшие данные.
Откройте задачу
Добавить Сглаженную задачу Данных в live скрипт в редакторе MATLAB:
На вкладке Live Editor выберите Task > Smooth Data.
В блоке кода в скрипте введите соответствующее ключевое слово, такое как
smoothилиnoisy. Выберите Smooth Data из предложенных завершений команды.
Примеры
Связанные примеры
Параметры
Input data — Допустимые входные данные из рабочей области
вектор | таблица | расписание |...
Эта задача управляет на данных типа single'double', или logical, или целое число со знаком или типы беззнаковых целых чисел, такие как int64. Данные могут содержаться в векторе или табличных переменных. При обеспечении таблицы или расписания для входных данных, задайте All supported variables, чтобы работать со всеми переменными с поддерживаемым типом. Выберите All numeric variables, чтобы управлять на всех переменных типа single или double, или целое число со знаком или типы беззнаковых целых чисел. Чтобы выбрать определенные поддерживаемые переменные, чтобы работать с, выберите Specified variables и затем выберите переменные индивидуально.
Smoothing method — Метод для сглаживания данных
Moving mean (значение по умолчанию) | Moving median | Gaussian filter | Local linear regression | Local quadratic regression | Robust local linear regression | Robust local quadratic regression | Savitzky-Golay polynomial filter | ...
Задайте метод сглаживания как одну из следующих опций, которые действуют по локальным окнам данных.
| Метод | Описание |
|---|---|
Moving mean | Скользящее среднее значение. Этот метод полезен для сокращения периодических трендов в данных. |
Moving median | Движущаяся медиана. Этот метод полезен для сокращения периодических трендов в данных, когда выбросы присутствуют. |
Gaussian filter | Взвешенное гауссовым образом скользящее среднее значение. |
Local linear regression | Линейная регрессия. Этот метод может быть в вычислительном отношении дорогим, но он приводит к меньшему количеству разрывов. |
Local quadratic regression | Квадратичная регрессия. Этот метод является немного более в вычислительном отношении дорогим, чем локальная линейная регрессия. |
Robust local linear regression | Устойчивая линейная регрессия. Этот метод является более в вычислительном отношении дорогой версией локальной линейной регрессии, но это более устойчиво к выбросам. |
Robust local quadratic regression | Устойчивая квадратичная регрессия. Этот метод является более в вычислительном отношении дорогой версией локальной квадратичной регрессии, но это более устойчиво к выбросам. |
Savitzky-Golay polynomial filter | Фильтр полинома Savitzky-Golay, который сглаживает согласно полиному заданной степени и адаптирован по каждому окну. Этот метод может быть более эффективным, чем другие методы, когда данные варьируются быстро. |
Moving window — Окно для сглаживания методов
Centered (значение по умолчанию) | Asymmetric
Задайте тип окна и размер для метода сглаживания вместо того, чтобы задать общий коэффициент сглаживания.
| Окно | Описание |
|---|---|
Centered | Заданная длина окна сосредоточена о текущей точке. |
Asymmetric | Заданное окно, содержащее число элементов перед текущей точкой и числом элементов после текущей точки. |
Размеры окна относительно модулей переменной X-axis.