Objective c 尖峰去除算法

我有一个从30到300的值数组。我想做一个加权平均，如果我有5个值，其中一个值比其他值大很多（峰值），它不会像我简单地做算术平均那样影响平均值：例如：

（n1+n2+n3+n4+n5）/5

---

有没有人知道如何制作一个简单的算法来实现这一点，或者去哪里寻找呢？

你可以尝试一个而不是一个平均值过滤器。在图像处理中经常使用它来减少伪像素值（与白噪声相反）。

正如您所注意到的，平均值容易受到尖峰的影响。也许中位数或模式可能是一个更好的统计数据，因为它们往往不那么偏斜

这应该是一个评论，但js似乎对我来说是不正确的：不太清楚你是在寻找一个数组特征的单个数字（即平均值），还是一个去掉尖峰的新数组（中值滤波器）

---

对此，我建议你们首先看看中位数或模式是否更适合作为一种统计。如果没有，则应用中值滤波器（非常擅长消除尖峰），然后平均值听起来像是要丢弃超出指定参数范围的数据。你可以通过计算中位数/模式，并在计算平均值时忽略此范围之外的值来实现。当然，您必须相应地调整除数，以考虑丢弃值的数量。这个“可容忍”范围应该是什么最终由您决定，并且可能取决于您的特定应用程序需求

或者，你可以尝试一些类似的方法，比如将项目从你的总平均值范围内剔除r%。类似这样的内容（在javascript中）：

功能范围平均值（arr，r）
{
x=平均值（arr）；
//现在消除超出范围r%的项目
对于（var i=0；i（x*（1+r）））
阵列拼接（i，1）；
x=平均值（arr）；//计算新的平均值
返回x；
}

A通常用于类似的应用中。我不知道它是否符合“简单”的条件，但它很健壮并且众所周知。

实现这一点的方法很多：您可以实现

---

或者，如果您只关心从统计摘要中删除异常值，您可以在平均之前从数据集中删除数据值的最高和最低N%。

将您带入文献的搜索词是“稳健统计”。卡尔曼滤波器的一个优点是，您对数据的可变性有一个连续的估计，这允许您最终“放弃超过x%的可能是虚假的观测值，考虑到目前为止的整套观测值”

嗯<代码>（N1+N2+N3+N4+N5-MN5（N1，N2，N3，N4，N5）-Max 5（N1，N2，N3，N4，N5））/ 3＜/代码>？？？也可以考虑使用几何平均值。然而，这将对“反向峰值”（低得多的值）敏感。这只是去除峰值，它在平均值中没有权重，就像：（n1+n2+n3）/3，其中n4和n5是最小值和最大值。我想找到一些即使是尖峰也有平均重量的东西，很小的一个，但是如果我在100个值中有7个尖峰，应该会影响它一点。有意义吗？我想知道StackOverflow用户和James Taranto阅读器的交集有多大。显然，该集合至少有2个成员。我只需要一个数字，这是我数组的特征；）谢谢你的链接，我会看看，我真的不知道如何搜索它。移动平均是一个低通数字滤波器。你真的需要非线性处理来消除虚假的尖峰。卡尔曼滤波器需要对数据进行大量假设，其中大多数假设与大尖峰不兼容。卡尔曼滤波器将“跟踪”尖峰，而不是消除它们。同意。卡尔曼滤波器在这里听起来不合适；它不仅需要底层过程的精确模型，更重要的是，它用于从高斯白（或彩色）噪声中恢复过程，而不是伪尖峰。这看起来很棒，而且对于预期用途来说足够简单。我马上就去试试！对我的代码注释稍加修改，r应该在0和1之间。@mindnoise我不明白。你说你想让那些“钉子”还能算一点。在这种情况下，你还在扔钉子？你可能会说尖峰有助于确定我们用来确定要消除哪些的平均值，但你确定这就是你想要的吗？事实是我对代码做了一些修改，但这是基本代码，所以我选择它作为正确答案。对不起，我没提。我没有删除尖峰，而是根据它们超出图表的程度对它们进行“平均”（如果超过某个值，则将它们永久删除）。您可以将代码发布给您。我看不出上面的解决方案如何适用于1,1,1200这样的数据集，因为它将在进行最终平均之前消除所有值

function RangedAverage(arr, r)
{
    x = Average(arr);
    //now eliminate items r% out of range
    for(var i=0; i<arr.length; i++)
        if(arr[i] < (x/r) || arr[i]>(x*(1+r)))
            arr.splice(i,1);
    x = Average(arr); //compute new average
    return x;
}