【发布时间】:2014-12-24 20:54:28
【问题描述】:
我们(我和我的同事)得到了一个设备,它每秒向我们发送大量离散的整数数据(强度),这些数据往往呈高斯分布。这些伪高斯一个一个地流动,我们应该尽可能快地从每个高斯的中心选择最大的强度。此外,这些数据包含噪声,因此我们不能说每个高斯可以分成两个单调部分 => 我们不能依赖简单的事实,即如果数据开始下降,我们会找到最大值。
我的同事想出了一个主意:
- 引入强度阈值以将高斯彼此分开
- 对每个高斯的强度求和以估计其面积,然后估计其高度
但问题是,我怎样才能从它的区域快速估计这个伪高斯的高度?
更新:
更清楚地说,我得到的强度代表高斯的“函数值”,或者它们代表直方图箱的高度。
【问题讨论】:
-
这个问题似乎离题了,因为它是关于统计数据的(试试stats.stackexchange.com)。
-
Oliver Charlesworth:在交叉验证时,他们经常告诉我这个话题离题了,因为它与基本数据处理有关,而不是与“真实统计”有关……那么真相在哪里? :))
-
我猜dsp.stackexchange.com 可能是一个合理的妥协;)
标签: c++ performance gaussian data-acquisition