在R中找到局部最大值/最小值答案

【问题标题】：Finding local maxima/minima in R在R中找到局部最大值/最小值
【发布时间】：2012-12-28 11:52:00
【问题描述】：

我有一堆数据（每个测量系列有 10,000 - 50,000 个值），我有兴趣从这些值分布的密度估计中自动识别局部最大值/最小值。事实上，我假设通常应该有两个峰，由一个坑隔开，我想找到将两个峰彼此分开的坑，以便将数据分成两部分以进行进一步处理。如果可能的话，我也想知道山峰的位置。

由于密度估计可能包含非常小的局部变化，我希望有可能调整“灵敏度”。到目前为止我能找到的最好的是@Tommy 的这个解决方案：https://stackoverflow.com/a/6836924/1003358 这是一个例子：

library(ggplot2)

d <- density(faithful$eruptions, bw = "sj")
loc.max <- d$x[localMaxima(d$y)]

ggplot(faithful, aes(eruptions)) + geom_density(adjust=1/2) +
  geom_vline(x=loc.max, col="red") +
  xlab("Measured values")

现在，我的数据噪音更大了：

d <- density(my.df$Values, bw = "sj")
loc.max <- d$x[localMaxima(d$y)]

ggplot(my.df, aes(Values)) + geom_density(adjust=1/2) +
  geom_vline(x=loc.max, col="red") +
  xlab("Measured values")

尝试调整参数（注意发现尾部有两个“不需要”的峰）：

d <- density(my.df$Values, bw="nrd", adjust=1.2)
loc.max <- d$x[localMaxima(d$y)]

ggplot(my.df, aes(Values)) + geom_density(adjust=1/2) +
  geom_vline(x=loc.max, col="red") +
  xlab("Measured values")

所以问题是：

1) 如何在如此嘈杂的数据集中自动识别真正的峰值？ 2) 如何可靠地找到分隔这些峰的坑？

【问题讨论】：

你如何定义“真正的高峰”？
@SvenHohenstein 这是个好问题。我很难从数学上掌握这个概念。峰值周围应该有一个特定的窗口，在该窗口中该峰值是最大值。此外，最小峰值大小的截止值（可能与中位数有关）可能会有所帮助。如果我知道我的数据是双峰的，则应该产生两个具有合理（我承认，这又是模糊的）大窗口的最高峰。如果我事先不知道峰值的数量，可能是最大值的截止值。将峰分开的凹坑的值以及最小值的截止值。峰值会有帮助吗？
光谱数据分析（色谱或光度）经常会遇到这个问题，因此您可能会在搜索峰识别时查看是否包含“spectr*”。 @cbeleites 既是 SO 参与者，也参与了积极的 R 包开发。
@DWin 感谢您的建议！通过这种方式，我找到了一个名为“PROcess”的 Bioconductor 包，用于光谱处理，似乎可以产生可接受的结果。
你应该发布一个简单的工作示例。

标签： r

【解决方案1】：

我最喜欢的是pastecs::turnpoints。但是你是对的，你必须做一些主观过滤来区分尖峰噪声和真正的峰值。一种方法是要求原始数据或样条数据保持在 N 个连续值的某个阈值以上。

【讨论】：

感谢您的建议。 pastecs::turnpoints 似乎没有提供定义跨度/窗口的可能性，所以我再次面临与上述方法相同的问题。我不确定如何实施您的建议来定义这样的阈值。另外，据我了解，它不区分峰和坑，是吗？
哦，抱歉，我刚刚注意到您可以使用extract() 方法区分峰和坑。我一定会仔细看看这个功能。但我仍然想知道过滤值的最佳方法是什么。