9

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，我还想知道山峰的位置。

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")

识别忠实数据集中的最大值

现在，我的数据更加嘈杂：

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")

第一次尝试在我的数据集中识别最大值

尝试调整参数（注意在尾部发现了两个“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")

第二次尝试检测我的数据集中的峰值

所以问题是：

1）如何在这样一个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？

4

1 回答 1

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。

于 2013-01-14T14:18:25.550 回答